Agent Development Kit (ADK) dari Google menawarkan dua cara utama untuk mengelola tugas.

Dynamic Multi-Agent Routing

Dalam model routing, seorang koordinator pusat menerima permintaan pengguna dan meneruskannya ke agen-agen spesialis. Koordinator memutuskan spesialis mana yang harus bertindak, spesialis tersebut melakukan bagian pekerjaannya, dan kendali kembali ke induknya.

  • Cara kerjanya – Koordinator memilih seorang spesialis, meneruskan tugas, lalu menunggu respons sebelum melanjutkan.
  • Kelebihan – Fleksibilitas sangat menonjol. Karena LLM memilih jalur saat runtime, sistem dapat beradaptasi dengan input baru atau yang tidak terduga tanpa perlu menulis ulang alur kerja.
  • Kekurangan – Setiap lompatan menambah overhead jaringan dan pemrosesan, sehingga latensi meningkat dibandingkan dengan pipeline jalur lurus.

Sequential Workflow Loops

Model loop menggantikan koordinator dengan satu LoopAgent yang menelusuri urutan langkah yang telah ditentukan sebelumnya, sambil berbagi status sesi yang dapat diubah (mutable session state).

  • Cara kerjanya – Agen membaca kunci bersama, memperbaruinya, dan menyerahkan kendali ke langkah berikutnya hingga urutan berakhir.
  • Kelebihan – Prediktabilitas. Urutannya tidak pernah berubah, sehingga proses debugging dan penyetelan performa menjadi mudah.
  • Kekurangan – Kekakuan. Setiap kebutuhan untuk menyimpang dari urutan tetap akan memaksa desain ulang pada loop tersebut.

Uji Coba Praktis: Parser Ekspresi Matematika

Untuk melihat pola-pola ini secara langsung, kami membangun parser sederhana yang mengevaluasi ekspresi aritmatika menggunakan empat agen spesialis: adder, subtracter, multiplier, dan divider.

Pelajaran dari Workflow Loop

  1. Mencegah loop tak terbatas – Kami menginstruksikan setiap agen untuk mengeluarkan teks dan segera mengakhiri gilirannya setelah memperbarui status bersama. Tanpa pengaman tersebut, loop bisa berputar selamanya.
  2. Menjaga logika matematika – Kami memberikan panduan eksplisit kepada adder untuk menghormati urutan operasi, guna mencegahnya melanggar aturan pengurangan.
  3. Menghindari keluar secara diam-diam – Kami memaksa agen untuk mencetak hasil akhir sebelum memanggil alat keluar (exit tool), sehingga pengguna dapat melihat hasilnya alih-alih penghentian yang tiba-tiba.

Penanganan Error

Kami menambahkan pengaman pembagian dengan nol di depan spesialis divider. Pengaman tersebut memeriksa pembagi terlebih dahulu; jika nilainya nol, proses akan dihentikan, sehingga menyelamatkan seluruh sistem dari runtime exception.

Pola Mana yang Cocok untuk Proyek Anda?

  • Pilih Multi-Agent Routing ketika tugas berkembang secara dinamis, input sangat bervariasi, atau Anda perlu LLM untuk memutuskan spesialis terbaik saat runtime. Kompensasinya adalah latensi yang lebih tinggi, tetapi sistem dapat menangani skenario yang tidak terduga tanpa perubahan kode.
  • Pilih Workflow Loops ketika Anda memiliki pipeline yang terdefinisi dengan baik—misalnya pembersihan data, transformasi, agregasi—di mana setiap langkah harus terjadi dalam urutan yang ketat. Keuntungannya adalah latensi yang lebih rendah dan debugging yang lebih mudah, dengan konsekuensi tidak dapat melakukan percabangan secara dinamis.