Agen AI yang dijalankan manusia berhenti saat manusianya berhenti. Agen yang dijalankan penjadwal tidak: ia mulai sendiri setiap pagi, memutuskan sendiri berapa kali memanggil model dan alat, dan baru berhenti ketika sesuatu menghentikannya. Tanpa batas yang dirancang dengan sengaja, ia adalah pelaku ekonomi tanpa plafon. Tulisan ini membahas batas apa yang perlu dipasang, bagaimana mencegah pekerjaan yang tidak perlu, dan mengapa menyimpan pos pemeriksaan (checkpoint) tidak sama dengan mengawasi.
Pekerjaan terjadwal dalam angka
96,7%
kinerja yang dipertahankan pada konfigurasi hemat di makalah Efficient Agents, dengan biaya sekitar 57% dari pembandingnya (US$0,228 lawan US$0,398 per tugas)
18,9-29,7%
pengurangan token saat berjalan yang dilaporkan makalah SupervisorAgent pada tugas yang diuji
7 jenis
batas terpisah dalam tabel di bawah, mulai dari jumlah panggilan sampai deteksi tanpa kemajuan
Cache yang bagus tidak membuat pekerjaan menjadi murah
Prompt caching menurunkan harga input yang berulang, tetapi tidak menggratiskan penalaran, keluaran, panggilan alat, maupun waktu berjalan. Agen yang berputar dalam lingkaran bisa memiliki tingkat cache hit yang sangat tinggi dan tetap menjadi kegagalan kendali, karena yang salah bukan harga per token melainkan jumlah putaran. Mekanisme caching dijelaskan di panduan prompt caching lintas penyedia; di sini fokusnya adalah menghentikan pekerjaan yang tidak perlu sejak awal.
Pasang batas yang berdiri sendiri
Satu batas tunggal, misalnya batas rekursi, hanyalah pengaman cadangan. Batas rekursi bukan anggaran biaya, dan batas waktu dinding (wall-clock) bisa berbunyi saat aliran data dari penyedia sedang diam tanpa membatasi pengeluaran token. Laporan riset yang menjadi sumber tulisan ini menyarankan batas yang independen satu sama lain:
| Batas | Yang dicegah |
|---|---|
| Jumlah panggilan model | Putaran tak berujung |
| Panggilan per alat | Satu alat dipanggil berulang, misalnya pencarian web |
| Total token input, cache dan output | Konteks yang membengkak |
| Perkiraan biaya dalam dolar | Kejutan tagihan |
| Waktu total dan waktu tanpa aktivitas | Pekerjaan yang macet |
| Jumlah sub-agen dan kedalaman rekursi | Percabangan tak terkendali |
| Deteksi panggilan ganda atau tanpa kemajuan | Lingkaran dengan argumen yang sama |
Yang sama pentingnya adalah perilaku saat batas tercapai. Pilihan yang masuk akal: kembalikan hasil sebagian yang sudah terverifikasi, minta tinjauan manusia, atau gagal dengan aman. Memulai putaran baru secara diam-diam menggagalkan seluruh kendali itu.
Berikut contoh bentuk konfigurasi. Angkanya karangan untuk ilustrasi, bukan rekomendasi; nilai nyata harus berasal dari pengukuran pekerjaan Anda sendiri.
run:
occurrence_id: "ringkasan-harian:2026-11-06T07:00Z"
precheck: "ada_input_baru_sejak_sukses_terakhir"
limits:
model_calls: 30
tool_calls_per_name: {web_search: 15, document_write: 2}
output_tokens: 30000
estimated_cost_usd: 5.00
wall_time_seconds: 1800
inactivity_seconds: 180
on_budget_exhausted: "simpan_hasil_sebagian_dan_minta_tinjauan"Jangan panggil model jika tidak ada yang berubah
Jadwal yang memanggil model setiap kali, padahal masukannya sama dengan kemarin, memboroskan uang sekaligus menghasilkan keluaran yang tidak perlu ditinjau. Pola yang disarankan adalah pemeriksaan awal tanpa model: bandingkan kursor sumber, hash isi, kesegaran data, dan artefak sukses terakhir. Bila tidak ada perubahan, pekerjaan selesai sebelum model dipanggil. Pemeriksaan semacam ini deterministik dan hampir gratis, sehingga ini adalah penghematan paling murah yang tersedia.
Prinsip yang sama muncul di riset efisiensi. Makalah Efficient Agents memperkenalkan cara berpikir biaya-per-kelulusan (cost of pass): mutu harus diukur bersama biaya untuk mendapatkan hasil yang lulus. Konfigurasi hemat yang mereka laporkan mempertahankan 96,7% kinerja pembandingnya (OWL) dengan US$0,228 dibanding US$0,398 per tugas. SupervisorAgent melaporkan pemangkasan token saat berjalan sebesar 18,9% sampai 29,7% tanpa penurunan tingkat keberhasilan pada pengaturan yang dilaporkan. Angka-angka itu berasal dari pengaturan uji masing-masing makalah, jadi anggap sebagai arah, bukan jaminan. Pesannya: sesuaikan upaya dengan kerumitan tugas, jangan menjalankan alur riset terdalam untuk setiap jadwal.
Pos pemeriksaan bukan pengawasan
LangGraph menyediakan checkpoint, yaitu potret keadaan graf yang berguna untuk melanjutkan pekerjaan. Tetapi checkpoint adalah penyimpanan status. Menurut laporan riset yang menjadi sumber tulisan ini, penjadwalan terdistribusi, kunci antar pekerja, percobaan ulang, dan penegakan anggaran membutuhkan lapisan kendali di luar checkpoint, dan checkpoint tidak menjamin efek samping eksternal terjadi tepat satu kali. Middleware LangChain 1.x memang menyediakan batas panggilan model dan alat, ringkasan, penyuntingan konteks, percobaan ulang dan persetujuan manusia, tetapi nilai bawaan dan versinya berubah, sehingga sebaiknya dibungkus dalam amplop pekerjaan milik Anda sendiri.
Untuk pekerjaan berjam-jam hingga berhari-hari, mesin eksekusi tahan lama seperti Temporal menyimpan riwayat alur kerja dan mengulang aktivitas sesuai kebijakan. Studi kasus yang dipublikasikan vendor Temporal tentang agen layanan pelanggan di Gorgias, yang disebut mencapai produksi dalam sekitar satu bulan, menjadi bukti bahwa pendekatan ini mungkin dilakukan (existence proof), bukan evaluasi independen. Bahkan dengan mesin semacam itu, efek ke dunia luar tetap memerlukan kunci idempotensi: pengiriman email atau penulisan basis data yang diulang karena pekerja mati tidak boleh terjadi dua kali.
Praktik yang dianjurkan:
- Pecah pekerjaan menjadi tahap yang masing-masing menghasilkan artefak, lalu simpan pos pemeriksaan di antaranya. - Turunkan ID eksekusi dari nama pekerjaan dan waktu terjadwal, sehingga jadwal ganda tidak menjalankan dua kali. - Cache hasil hanya untuk pekerjaan murni dan deterministik, seperti pengambilan dan ekstraksi berdasarkan hash isi, tidak pernah untuk alat dengan efek samping. - Simpan artefak dan perubahan antar-eksekusi, jangan memutar ulang transkrip yang makin panjang dan mengandalkan cache. Temuan ACON dan Complexity Trap tentang keluaran alat yang mendominasi konteks mendukung hal ini; lihat juga tangga kompresi konteks dan keluaran alat.
Uji bahwa batas benar-benar berbunyi
Batas yang tidak pernah diuji adalah dugaan. Skenario uji yang berguna: masukan tidak berubah, satu sumber berubah, penyedia macet, hasil alat yang sama berulang, lingkaran tak berujung sengaja dibuat, anggaran habis di tiap dimensi, pekerja dimatikan di tengah jalan, dan jadwal terpicu dua kali. Ukur jumlah panggilan, token dan biaya per artefak yang berhasil, tingkat panggilan ganda, dan berapa banyak pekerjaan yang diulang setelah dilanjutkan. Pastikan batas yang Anda tulis, bukan nilai bawaan kerangka kerja, yang benar-benar menghentikan eksekusi.
Terakhir, setiap pekerjaan terjadwal perlu pemilik dan jadwal tinjauan. Agen berulang tanpa pemilik adalah kewajiban tanpa batas. Prinsip serupa, bahwa model tidak boleh dipercaya untuk hal yang hanya bisa dijamin kode dan izin, dibahas di prinsip arsitektur agen spasial.
Frequently Asked Questions
Batas rekursi hanya membatasi kedalaman graf. Ia tidak membatasi biaya dolar, token, atau waktu, dan tidak mendeteksi panggilan ganda. Gunakan sebagai pengaman cadangan, bukan anggaran.
Turn climate goals into a verified portfolio
TREEO connects the full carbon cycle — eligibility, simulation, real-time monitoring and registry-ready reporting — combining expert consulting with dMRV technology so the evidence exists before anyone asks for it.



