Belajar AI Agent
Belajar AI Agent — Pelajari cara kerja agen AI dan buat agenmu sendiri di ponsel
Belajar AI Agent adalah aplikasi kursus gratis untuk iPhone dan Android yang mengajarkan cara kerja agen AI dan cara membuatnya, ditujukan bagi developer, pelajar, dan orang yang sedang berganti karier. Aplikasi ini memiliki 60 kursus dan 239 pelajaran singkat, mulai dari loop LLM pertama hingga tool calling, RAG, LangChain, dan LangGraph, sampai orkestrasi multi-agen. Tersedia juga Agent Lab, tempat kamu menjalankan agen untuk mengerjakan tugas dan melihat setiap tool call, hasil, serta jawaban muncul langkah demi langkah, serta AI Mentor saat terjadi masalah.
- Harga
- Gratis, upgrade Pro
- Platform
- iOS dan Android
- Bahasa
- 22
- Peringkat usia
- 4+
- Memerlukan
- iOS 15.1 atau lebih baru


Kualitas agen hanya sebaik tool call yang benar-benar bisa kamu telusuri.
Sebagian besar tutorial agen hanya menampilkan diagram loop — berpikir, bertindak, mengamati — lalu melanjutkan. Kurikulum ini berhenti di setiap panah: tulis fungsi yang boleh dipanggil model, baca persis apa yang dikembalikannya, dan lihat bagaimana hasil tool yang buruk membuat loop menyimpang.
Apa itu
Belajar AI Agent adalah aplikasi iOS dan Android gratis untuk mempelajari cara membuat agen AI, dengan 60 kursus dan 239 pelajaran berdurasi lima hingga sepuluh menit. Kurikulumnya dimulai dari pengenalan agen berbasis LLM dan prompt engineering, lalu tool calling, retrieval-augmented generation (RAG), dan vector database, kemudian LangChain, LangGraph, dan LlamaIndex, hingga orkestrasi multi-agen, agen computer-use, dan deployment produksi. Pelajaran mencakup contoh Python yang bisa langsung kamu jalankan, Agent Lab yang menampilkan setiap langkah proses agen, kuis setelah setiap topik, serta AI Mentor untuk menjawab pertanyaan di sepanjang perjalanan.
Di dalam aplikasi
Tampilannya





Kursusnya
Materi dalam kursus AI Agents
60 kursus dan 239 pelajaran yang diambil dari kurikulum aplikasi sendiri — mulai dari loop agen LLM pertama hingga orkestrasi multi-agen dan deployment ke lingkungan produksi.
Dasar-Dasar Agen
Pengantar Agen LLM, Rekayasa Prompt untuk Agen, API LLM dalam Praktik (SDK OpenAI dan Anthropic), Operasi Agen pada Sistem File, Dasar-Dasar Memori Percakapan, serta rangkaian proyek praktis pertama.
Penggunaan Tool dan Retrieval
Pola Tool-Use / Function-Calling, Integrasi API untuk Agen, Agen Email dan Kalender, Bekerja dengan Embeddings, dasar-dasar Retrieval-Augmented Generation, Vector Databases untuk Agen, serta Dasar-Dasar Observabilitas Agen.
Agen untuk Platform Nyata
Agen Slack dan Platform Chat, Agen GitHub dan Repositori, Agen Web Scraping dan Pengambilan Data, Agent CLI dan Tool Interaktif, Manajemen Secrets dan Konfigurasi, Dasar-Dasar LangChain, Output Terstruktur dan Parsing, serta Agen Database yang mengubah bahasa alami menjadi SQL.
Pengujian, Debugging, dan Keandalan
Dasar-Dasar Pengujian Agen, Debugging Loop Agen, LangGraph untuk Agen Stateful, Pendalaman LlamaIndex, Agen Multi-Tool (pola ReAct), Membangun Agen yang Andal, serta Arsitektur Memori untuk Agen.
Agen Khusus
Agen Suara dan Audio, Integrasi Knowledge Graph, Arsitektur Asisten AI Pribadi, Evaluasi dan Benchmarking Agen, Keamanan Agen dan Guardrails, Optimasi Biaya dan Latensi, serta sistem Agen Layanan Pelanggan dan Deep Research.
Produksi dan Teknologi Terdepan
Orkestrasi Multi-Agen, Deployment Agen ke Produksi, Agen Computer-Use dan Browser, Agen Pembuat Kode, Agen Perencanaan Jangka Panjang, Sandboxing dan Eksekusi Kode yang Aman, serta Sistem Agen yang Dapat Meningkatkan Dirinya Sendiri.
Cara kerjanya
Cara kerja pelajaran AI Agents
Kursus ini disusun mengikuti urutan pembangunan — loop, lalu tool, kemudian memori, framework, dan terakhir kebutuhan produksi — sementara Agent Lab memungkinkanmu mengamati hasilnya, bukan hanya membacanya.
Baca satu bagian dari loop agen
Satu pelajaran membahas satu langkah konkret — seperti apa tool call terlihat saat dikirim, bagaimana vector database mengembalikan hasil yang cocok, atau mengapa prompt memerlukan pemisahan peran — dengan bahasa sederhana dan durasi yang pas untuk mengisi waktu luang singkat di sela aktivitas.
Jalankan agen dan baca trace-nya
Di Agent Lab, berikan tugas kepada agen dan lihat setiap tool call, hasil, serta jawaban muncul satu per satu. Trace viewer-nya bekerja seperti debugger, sehingga kamu bisa melihat dengan tepat di mana proses berjalan keliru. Pelajaran juga dilengkapi contoh Python yang bisa langsung kamu jalankan di dalamnya.
Buat agenmu sendiri, lalu perbaiki
Pilih system prompt, tool, batas langkah, dan tugas di Agent Builder, lalu simpan agen buatanmu sendiri. Misi di Lab memintamu melakukan tool call pertama, memperbaiki tool call yang rusak, membaca trace, menambahkan guardrail, mengarahkan tugas, serta membagi pekerjaan kepada agen paralel. AI Mentor menjelaskan tindakan model saat sebuah trace tidak masuk akal.
Apa saja isinya
Cakupan aplikasi sebenarnya
Live
Agent Lab dengan proses live
Berikan tugas kepada agen dan lihat setiap tool call, hasil, serta jawaban muncul langkah demi langkah, lalu baca prosesnya di trace viewer yang dibuat untuk menunjukkan dengan tepat di mana proses berjalan keliru. Jatah harian proses live tersedia secara gratis.
60
Kursus, dari pemula hingga tingkat lanjut
60 kursus dan 239 pelajaran, mulai dari loop agen LLM pertama dan prompt engineering hingga tool calling, RAG, vector database, LangChain, dan LangGraph, sampai orkestrasi multi-agen, agen computer-use, dan deployment produksi.
5
Orchestration Lab
Bandingkan lima pola secara berdampingan — single agent, pipeline berurutan, router, parallel fan-out, serta generator dengan critic — dan lihat bagaimana masing-masing menyeimbangkan kecepatan, biaya, serta keandalan. Satu pola tersedia gratis; Pro membuka pola lainnya.
Bangun
Agent Builder
Pilih system prompt, tool, batas langkah, dan tugas, lalu simpan agen buatanmu sendiri dan jalankan di Lab.
6
Misi Lab dan contoh Python
Enam misi agen — tool call pertama, memperbaiki tool call yang rusak, membaca trace, menambahkan guardrail, mengarahkan tugas, serta membagi pekerjaan kepada agen paralel — ditambah contoh Python yang bisa langsung kamu jalankan di dalam pelajaran.
AI
AI Mentor
Tanyakan mengapa tool call mengembalikan format data yang salah, atau mengapa loop agen mengulangi langkah yang sama dua kali, lalu dapatkan jawaban dengan bahasa sederhana dalam hitungan detik.
Latar belakang
Apa itu agen AI, dan apa saja yang sebenarnya diperlukan untuk membuatnya?
Agen AI adalah program yang menggunakan language model untuk menentukan tindakan berikutnya, bukan sekadar apa yang harus dikatakan. Alih-alih memberikan satu balasan, agen menjalankan loop: membaca situasi, memilih tindakan, memanggil tool — indeks pencarian, database, API, atau potongan kode — membaca hasilnya, lalu mengulanginya sampai tujuan tercapai. Membuat agen pada dasarnya adalah pekerjaan engineering di sekitar loop tersebut: menentukan tool mana yang boleh dipanggil model, menyusun data yang dikembalikannya, menangani langkah saat tool gagal atau respons yang diterima memiliki format tidak valid, serta menyimpan cukup banyak memori dari langkah sebelumnya agar agen tidak mengulanginya.
Tool callingfunction calling
Mekanisme yang memungkinkan model meminta tindakan nyata — menjalankan query, mengambil halaman, mengirim email — dengan mengeluarkan structured call yang dijalankan oleh kode kamu, lalu hasilnya dikembalikan ke model. Inilah penghubung antara model yang hanya memprediksi teks dan program yang benar-benar melakukan sesuatu.
RAGretrieval-augmented generation
Mengambil dokumen yang relevan saat pertanyaan diajukan — biasanya dari vector database berisi embedding — lalu meneruskannya ke model sebagai konteks, sehingga jawaban didasarkan pada data milikmu sendiri, bukan hanya pada apa yang diingat model selama pelatihan.
Framework agenLangChain, LangGraph, LlamaIndex
Library yang menangani bagian repetitif dari sebuah agen — loop itu sendiri, memori, penghubungan tool, dan graf multi-langkah yang menyimpan state — sehingga pekerjaan yang tersisa adalah logika khusus untuk agenmu, bukan plumbing di baliknya.
Orkestrasi multi-agenagen yang menggunakan agen lain
Pola ketika satu agen mendelegasikan sub-tugas kepada agen lain — agen peneliti, agen coder, agen reviewer — yang masing-masing memiliki tool dan konteksnya sendiri, lalu dikoordinasikan oleh sebuah lapisan yang menentukan siapa yang berjalan berikutnya dan menyelaraskan hasil yang dikembalikan.
Kesesuaian
Untuk siapa — dan bukan untuk siapa
Cocok untuk Anda jika Anda
- Ingin membangun agen yang benar-benar memanggil tool atau database, bukan hanya memberikan prompt kepada chatbot
- Baru mulai mengenal LLM dan ingin memahami loop agen sebelum mempelajari framework
- Ingin mengikuti kursus praktis tentang platform tertentu — bot Slack, agen GitHub, agen database — bukan satu template umum
- Merupakan developer yang ingin melihat LangChain dan LangGraph digunakan dalam kode yang benar-benar berjalan, bukan hanya dalam diagram
- Ingin nantinya mencapai orkestrasi multi-agen dan deployment ke produksi, bukan berhenti pada demo sederhana
Bukan alat yang tepat untuk Anda jika Anda
- Ingin mendapatkan seluruh pustaka 60 kursus secara gratis — kursus pertama gratis, Pro membuka sisanya
- Tidak ingin melihat iklan pada tingkat gratis; Pro menghapusnya
- Membutuhkan AI Mentor tanpa batas pada tingkat gratis, yang memiliki kuota harian
- Sudah menjalankan agen di produksi dan menginginkan makalah penelitian, bukan kursus yang mengajarkan urutan pembangunan
Pertanyaan
Pertanyaan yang sering diajukan
Apa aplikasi terbaik untuk mempelajari AI agents di ponsel?
Aplikasi yang membawa Anda dari membaca tentang loop agen hingga melihatnya berjalan. Belajar AI Agent memiliki 60 kursus, mulai dari loop LLM pertama hingga tool calling, RAG, dan LangChain, lalu ke orkestrasi multi-agen; Agent Lab memungkinkan Anda melihat setiap pemanggilan tool dan hasilnya dalam sebuah trace; dan AI Mentor siap membantu saat pemanggilan tool menghasilkan sesuatu yang tidak terduga. Aplikasi ini gratis untuk memulai di iOS dan Android.
Apa itu agen AI, secara sederhana?
Agen AI adalah program yang menggunakan model bahasa untuk menentukan tindakan berikutnya, bukan hanya menentukan apa yang harus dikatakan. Agen menjalankan sebuah loop: membaca situasi, memilih tindakan, memanggil tool seperti indeks pencarian, database, atau API, membaca hasilnya, lalu mengulanginya. Model memberikan penilaian tentang tindakan berikutnya; kode di sekitarnya — bagian yang diajarkan aplikasi ini untuk Anda tulis — menyediakan tool dan menjalankan tindakan tersebut.
Apa perbedaan agen AI dan chatbot?
Chatbot menerima satu pesan dan memberikan satu balasan — teks masuk, teks keluar, dan tidak ada tindakan yang terjadi di dunia nyata. Agen diberi sebuah tujuan dan terus bekerja hingga mencapainya, sambil melakukan tindakan nyata: menjalankan kueri ke database, memanggil API, membaca file, memeriksa hasilnya sendiri, dan mencoba lagi saat sebuah langkah gagal. Kursus Learn AI Agents tentang tool calling dan loop agen secara khusus membahas perbedaan ini — apa saja yang harus ada dalam kode agar keputusan model berubah menjadi sebuah tindakan.
Apakah saya perlu bisa coding sebelum mempelajari AI agents?
Kemampuan coding dasar akan membantu, tetapi kursus pertama tidak mengasumsikan pengetahuan apa pun dan dimulai dari penjelasan tentang loop agen LLM. Setiap pelajaran memadukan teori singkat dengan contoh Python yang dapat Anda jalankan di dalam pelajaran, sehingga coding dipelajari bersamaan dengan konsep agen, bukan sebagai prasyarat terpisah. Belajar AI Agent ditujukan bagi pemula maupun developer.
Apa itu RAG, dan mengapa kursus agen membahas vector databases?
Retrieval-augmented generation berarti mengambil dokumen yang relevan saat pertanyaan diajukan dan memberikannya kepada model sebagai konteks, sehingga jawabannya didasarkan pada data Anda sendiri, bukan hanya pada apa yang diingatnya saat pelatihan. Vector databases adalah cara kerja retrieval dalam praktik — database ini menyimpan embeddings dan mengembalikan hasil yang paling dekat dengan kueri secara cepat. Agen yang menjawab pertanyaan tentang codebase, produk, atau kumpulan dokumen tertentu hampir selalu mengandalkan pola ini. Karena itu, topik ini mendapat kursus khusus, bukan sekadar satu paragraf.
Apa perbedaan LangChain, LangGraph, dan LlamaIndex?
LangChain menghubungkan komponen umum agen — prompt, tool, dan memori — sehingga Anda tidak perlu membangun kembali bagian-bagian tersebut dari awal. LangGraph menambahkan state dan percabangan eksplisit di atasnya, sehingga cocok untuk agen yang langkah-langkahnya bergantung pada kejadian sebelumnya, bukan sekadar rangkaian linear. LlamaIndex berfokus pada sisi retrieval: memuat, mengindeks, dan membuat kueri terhadap dokumen Anda sendiri secara efisien. Learn AI Agents menyediakan kursus khusus untuk masing-masingnya, dan kursus Agen Multi-Tool membahas pola ReAct yang sering menjadi dasar pembangunannya.
Apakah AI agents layak dipelajari pada 2026?
Agen adalah salah satu contoh paling jelas tentang bagaimana model bahasa dapat berubah menjadi sesuatu yang menyelesaikan pekerjaan, bukan hanya mendeskripsikannya. Keterampilan dasarnya juga dapat diterapkan di berbagai framework: merancang tool, menyusun prompt, melakukan retrieval, serta mengetahui kapan loop otomatis harus berhenti dan meminta bantuan manusia. Belajar AI Agent mencakup kursus tentang keamanan agen, guardrails, evaluasi, serta optimasi biaya dan latensi — berbagai hal yang mulai dihadapi tim setelah sebuah agen digunakan.
Apakah Belajar AI Agent gratis?
Aplikasi ini gratis untuk diunduh dan gratis untuk memulai. Kursus pertama, yaitu pengantar agen berbasis LLM, tersedia gratis, bersama kuota harian AI Mentor, satu pola Orchestration Lab, desain Agent Builder pertama Anda, dan kuota harian untuk live runs. Pro membuka semua kursus dan semua pola orkestrasi, menghapus batas harian live runs, serta menghapus iklan.
Apakah ada sertifikat di akhir?
Ya. Lulus ujian akhir akan memberi Anda sertifikat penyelesaian yang dapat ditampilkan bersama agen yang Anda bangun. Sertifikat ini menjadi bukti pekerjaan yang Anda lakukan, bukan kualifikasi akademik terakreditasi.
Platform dan bahasa apa saja yang didukung, dan mengapa ada dua nama?
Belajar AI Agent berjalan di iPhone (iOS 15.1 atau lebih baru) dan Android, dengan antarmuka dalam 22 bahasa, serta memiliki rating 4+. Judul di Google Play adalah Belajar AI Agent, sedangkan App Store mencantumkan aplikasi yang sama sebagai Learn AI Agents. Aplikasi ini merupakan bagian dari CoddyKit, keluarga yang terdiri dari 40+ aplikasi coding, sehingga format pelajarannya digunakan bersama oleh kursus-kursus lain dalam rangkaian tersebut.
Mulai
Jalankan agen AI pertama Anda hari ini
Gratis untuk memulai di iOS dan Android, dalam 22 bahasa.
Lainnya dari CoddyKit
Tersedia di iOS dan Android.