Jika 2023 adalah tahun chatbot, maka 2026 adalah tahun agen AI. Istilah agentic AI kini muncul di mana-mana: di presentasi investor, di rilis produk raksasa teknologi, hingga di obrolan para pengembang. Survei Stack Overflow 2026 mencatat 66% pengembang sudah memakai coding agent, sementara proyek agen open source seperti OpenClaw mengumpulkan hampir 400 ribu bintang di GitHub hanya dalam setahun.
Tapi apa sebenarnya agentic AI? Apa bedanya dengan ChatGPT biasa? Dan dari sekian banyak agen yang beredar, mana yang paling populer? Artikel ini membahasnya secara lengkap, dengan data terbaru per November 2026.
Apa Itu Agentic AI?
Agentic AI adalah sistem AI yang tidak hanya menjawab, tetapi bertindak. Anda memberi tujuan, lalu agen merencanakan langkah, memakai berbagai alat (tools), memeriksa hasilnya, dan terus bekerja sampai tujuan tercapai, dengan campur tangan manusia seminimal mungkin.
Bedanya dengan chatbot bisa digambarkan seperti ini:
| Aspek | Chatbot | Agen AI |
|---|---|---|
| Cara kerja | Satu pertanyaan, satu jawaban | Satu tujuan, banyak langkah |
| Interaksi dengan dunia luar | Terbatas pada teks | Membaca file, menjalankan kode, membuka browser, memanggil API, mengirim pesan |
| Inisiatif | Menunggu perintah berikutnya | Menentukan sendiri langkah berikutnya |
| Durasi kerja | Detik | Menit, jam, bahkan berhari-hari |
| Contoh | “Tuliskan fungsi untuk menghitung pajak” | “Perbaiki bug di modul pajak, jalankan tes, lalu buat pull request” |
Bagaimana Agen AI Bekerja?
Hampir semua agen AI modern bekerja dengan pola yang sama, yang sering disebut agent loop:
- Memahami tujuan. Agen membaca instruksi dan konteks, misalnya isi folder proyek atau riwayat percakapan.
- Merencanakan. Model bahasa memecah tujuan menjadi langkah-langkah kecil.
- Bertindak. Agen memanggil alat: menjalankan perintah terminal, mengedit file, mencari di web, atau mengirim email.
- Mengamati hasil. Output dari alat dikembalikan ke model. Apakah tes lulus? Apakah halaman berhasil dibuka?
- Mengulang. Berdasarkan hasil itu, agen memutuskan langkah berikutnya, sampai tugas selesai atau butuh bantuan manusia.
Ada empat komponen utama yang membentuk sebuah agen:
- Model (otak): model bahasa besar seperti Claude, GPT, Gemini, atau model open source seperti DeepSeek dan Qwen.
- Tools (tangan): kemampuan untuk berinteraksi dengan dunia luar.
- Memori: catatan jangka pendek dan panjang agar agen ingat apa yang sudah dikerjakan dan preferensi penggunanya.
- Harness (kerangka): program yang menjalankan loop, mengatur izin, mengelola konteks, dan menjadi “rumah” bagi agen. Claude Code, Codex, dan OpenClaw adalah contoh harness.
Satu standar penting yang mempercepat ledakan agen adalah Model Context Protocol (MCP). Protokol yang diciptakan Anthropic ini menjadi “colokan universal” yang menghubungkan agen dengan alat dan sumber data. Pada 9 Desember 2025, Anthropic menyerahkan MCP ke Agentic AI Foundation di bawah Linux Foundation, yang didirikan bersama OpenAI dan Block. Dengan begitu, MCP kini dikelola secara netral dan didukung hampir semua pemain besar.
Empat Jenis Agen AI yang Paling Banyak Dipakai
1. Coding Agent
Kategori paling matang dan paling banyak dipakai. Agen ini bekerja langsung di basis kode: membaca proyek, menulis dan mengedit kode, menjalankan tes, hingga membuat pull request. Contohnya Claude Code, GitHub Copilot, OpenAI Codex, Cursor, OpenCode, Cline, dan Kilo Code.
2. Personal Agent (Asisten Pribadi)
Agen yang berjalan terus-menerus di komputer atau server milik sendiri, terhubung ke aplikasi pesan seperti WhatsApp dan Telegram, dan bisa mengerjakan apa saja: mengatur jadwal, membalas email, memantau harga, hingga mengotomatiskan rumah. Kategori ini meledak pada 2026 berkat OpenClaw dan Hermes Agent. Tren ini ikut mendorong permintaan Mac mini, yang banyak dibeli sebagai “rumah” agen yang menyala 24 jam. Di Indonesia, Mac mini bahkan sempat langka pada Mei 2026 di tengah meningkatnya kebutuhan perangkat untuk AI.
3. Agen di Asisten Umum
Fitur agen di dalam aplikasi AI populer, seperti ChatGPT agent, Claude Cowork, dan agen Gemini. Agen ini bisa membuka browser, mengisi formulir, menyusun dokumen dan spreadsheet, atau melakukan riset mendalam. Microsoft Copilot dan Google Workspace juga menanamkan agen langsung ke aplikasi kantor.
4. Framework untuk Membangun Agen
Bagi pengembang dan perusahaan yang ingin membangun agen sendiri, tersedia berbagai framework: LangGraph, CrewAI, AutoGen dari Microsoft, OpenAI Agents SDK, Google ADK, dan Claude Agent SDK. Ada juga platform low-code seperti n8n dan Dify yang memungkinkan agen dirakit dengan drag-and-drop.
Memahami Lapisan Ekosistem Agen
Banyak orang bingung membedakan istilah seperti agentic IDE, aplikasi asisten, agen, dan pengelola agen. Semuanya memang bagian dari ekosistem agentic AI, tetapi perannya berbeda. Berikut contoh empat produk yang sering disebut bersamaan:
| Produk | Jenis | Penjelasan |
|---|---|---|
| Antigravity (Google) | Agentic IDE | Editor kode yang dirancang dengan agen sebagai pekerja utama, bukan sekadar pemberi saran. Diluncurkan 18 November 2025 bersama Gemini 3, berbasis VS Code, dan punya tampilan “Manager” untuk menjalankan beberapa agen secara paralel. Satu kategori dengan Cursor dan Windsurf. |
| Zeron (zeron.sh) | Agent manager / agent workspace | Pusat kendali untuk agen yang sudah ada, seperti Claude Code, Codex, OpenCode, dan Hermes. Tidak punya “otak” sendiri, tetapi menjalankan, memantau, dan mengendalikan agen dari banyak perangkat, termasuk dari ponsel. Open source berlisensi MIT. |
| Claude Desktop (Anthropic) | Aplikasi asisten AI (MCP host) | Aplikasi desktop untuk berinteraksi dengan Claude. Selain untuk mengobrol, aplikasi ini menjadi pintu masuk ke fitur agen seperti Cowork dan Claude Code, serta bisa dihubungkan ke berbagai alat lewat MCP. |
| Hermes Agent (Nous Research) | Agen pribadi otonom | Agen itu sendiri: memiliki agent loop, memori, dan skill, berjalan terus-menerus, dan bisa memakai berbagai model. Satu kategori dengan OpenClaw. |
Cara paling mudah memahaminya adalah dengan melihat ekosistem agen sebagai beberapa lapisan yang saling bertumpuk:
┌─────────────────────────────────────────────┐ │ Agent manager → Zeron │ mengatur banyak agen ├─────────────────────────────────────────────┤ │ Antarmuka │ │ • Agentic IDE → Antigravity, Cursor │ tempat manusia │ • Aplikasi asisten → Claude Desktop │ bekerja bersama agen ├─────────────────────────────────────────────┤ │ Agen / harness → Hermes, OpenClaw, │ loop + tools + memori │ Claude Code, Codex │ ├─────────────────────────────────────────────┤ │ Model (otak) → Claude, GPT, Gemini │ └─────────────────────────────────────────────┘
- Model adalah otaknya.
- Agen atau harness membuat otak itu bisa bertindak.
- Antarmuka adalah tempat manusia berinteraksi dan bekerja bersama agen.
- Agent manager mengatur banyak agen sekaligus, di banyak mesin.
Dalam praktiknya, batas antarlapisan sering kabur. Claude Desktop kini tidak hanya aplikasi obrolan karena di dalamnya ada agen Cowork dan Claude Code, sementara Antigravity juga memiliki agen bawaan. Tren 2026 memang menunjukkan setiap aplikasi menjadi makin “agentic”, tetapi peran utama masing-masing tetap seperti pada tabel di atas.
Jadi, Mana yang Paling Populer?
Jawabannya tergantung cara mengukurnya. Tidak ada satu angka resmi untuk “jumlah pengguna agen”, sehingga kami membandingkan empat ukuran berbeda. Masing-masing punya kelebihan dan bias sendiri.
Ukuran 1: Survei Pengembang
Survei Stack Overflow 2026, yang diikuti lebih dari 30.000 pengembang, adalah data paling representatif untuk coding agent:
| Coding agent | Pemakai (dari responden pengguna agen) |
|---|---|
| Claude Code | 66% |
| GitHub Copilot | 59% |
| OpenAI Codex | Sekitar 30%* |
| Cursor | Sekitar 26%* |
*Angka Codex dan Cursor berasal dari analisis pihak ketiga atas data survei, bukan dari ringkasan resmi Stack Overflow.
Survei JetBrains terhadap pengembang profesional juga menempatkan Claude Code di posisi teratas sebagai alat AI coding yang paling banyak dipakai untuk bekerja.
Ukuran 2: Volume Token di OpenRouter
OpenRouter, layanan yang menyalurkan permintaan ke ratusan model AI, mempublikasikan peringkat aplikasi berdasarkan jumlah token yang diproses. Berikut peringkat harian per 10 November 2026:
| Peringkat | Agen | Token per hari |
|---|---|---|
| 1 | Hermes Agent | 1,95 triliun |
| 2 | Claude Code | 1,38 triliun |
| 3 | Kilo Code | 851 miliar |
| 4 | pi | 558 miliar |
| 5 | OpenClaw | 492 miliar |
| 9 | Codex | 341 miliar |
| 11 | OpenHands | 116 miliar |
| 16 | Cline | 75,9 miliar |
Catatan penting: data ini hanya mencakup lalu lintas yang lewat OpenRouter. Sebagian besar pengguna Claude Code dan Codex terhubung langsung ke Anthropic dan OpenAI, sehingga angka keduanya di sini jauh di bawah pemakaian sebenarnya. Sebaliknya, agen open source seperti Hermes Agent dan OpenClaw yang bisa memakai model apa saja cenderung banyak memakai OpenRouter.
Ukuran 3: Bintang GitHub
Bintang GitHub mengukur minat dan perhatian komunitas, bukan pemakaian aktif. Berikut data yang kami ambil langsung dari GitHub pada 10 November 2026:
| Proyek | Kategori | Bintang GitHub |
|---|---|---|
| OpenClaw | Personal agent | 394.292 |
| Hermes Agent (Nous Research) | Personal agent | 262.315 |
| OpenCode | Coding agent | 225.833 |
| n8n | Otomasi workflow / low-code | 209.998 |
| AutoGPT | Agen otonom (pionir 2023) | 187.978 |
| Dify | Platform agen low-code | 160.845 |
| Claude Code | Coding agent | 155.176 |
| OpenAI Codex | Coding agent | 134.710 |
| AutoGen (Microsoft) | Framework | 61.774 |
| CrewAI | Framework | 60.728 |
| LangGraph | Framework | 44.755 |
| OpenAI Agents SDK | Framework | 30.600 |
| Google ADK | Framework | 22.173 |
Pertumbuhan OpenClaw sangat fenomenal: repositorinya baru dibuat pada 24 November 2025 dan dalam kurang dari setahun sudah menjadi salah satu proyek dengan bintang terbanyak di GitHub.
Ukuran 4: Download Framework
Di kategori framework, bintang dan pemakaian nyata bisa sangat berbeda. Sebuah analisis data unduhan menemukan bahwa LangGraph menyumbang sekitar 68% dari total unduhan bulanan framework agen open source yang dianalisis, padahal porsinya hanya sekitar 8,5% dari total bintang. Artinya, LangGraph adalah framework yang paling banyak benar-benar dipakai di produksi, meski kalah populer di “papan bintang”.
Kesimpulan Popularitas
| Kategori | Paling populer | Dasar penilaian |
|---|---|---|
| Coding agent | Claude Code, disusul GitHub Copilot | Survei Stack Overflow dan JetBrains |
| Coding agent open source | OpenCode | Bintang GitHub |
| Personal agent | OpenClaw (paling dikenal), Hermes Agent (paling cepat tumbuh) | Bintang GitHub dan token OpenRouter |
| Framework untuk pengembang | LangGraph | Jumlah unduhan |
| Low-code/otomasi | n8n | Bintang GitHub |
Profil Singkat Agen Paling Populer
Claude Code (Anthropic)
Agen coding berbasis terminal yang juga tersedia sebagai ekstensi VS Code, JetBrains, aplikasi desktop, dan web. Claude Code membaca seluruh proyek, mengedit banyak file sekaligus, menjalankan perintah, dan bisa mendelegasikan pekerjaan ke subagen. Popularitasnya didorong oleh kualitas model Claude untuk pemrograman, dan kini Anthropic menyebut lebih dari 90% perubahan kode di basis kode intinya ditulis oleh Claude. Tersedia di paket Claude Pro, Max, Team, dan Enterprise, atau lewat API.
GitHub Copilot (Microsoft/GitHub)
Pionir asisten coding yang kini berevolusi menjadi agen. Copilot bisa ditugaskan menyelesaikan issue GitHub secara mandiri dan membuat pull request. Kekuatan terbesarnya adalah integrasi dengan GitHub dan basis pengguna perusahaan yang sangat besar. Copilot juga mendukung berbagai model, termasuk Claude dan GPT.
OpenAI Codex
Agen coding dari OpenAI yang bisa berjalan di terminal maupun di sandbox cloud. Codex bisa mengerjakan beberapa tugas paralel di cloud dan langsung membuka pull request. Tersedia di paket ChatGPT berbayar.
OpenClaw
Asisten pribadi open source yang berjalan di perangkat sendiri dan terhubung ke berbagai aplikasi pesan. Dibuat oleh Peter Steinberger dengan nama awal Clawdbot pada November 2025, lalu berganti nama menjadi Moltbot setelah Anthropic menyampaikan kekhawatiran soal merek dagang, sebelum akhirnya menjadi OpenClaw. Pada Februari 2026, Steinberger bergabung dengan OpenAI dan proyek ini dialihkan ke yayasan independen. Komunitasnya sudah membuat lebih dari 13.700 skill tambahan.
Hermes Agent (Nous Research)
Pesaing OpenClaw yang menonjolkan kemampuan belajar dari pengalaman. Setiap kali menyelesaikan tugas, Hermes menulis dokumen skill yang bisa dipakai ulang, sehingga makin lama makin cakap. Nous Research mengklaim agen yang memakai skill buatannya sendiri menyelesaikan tugas riset 40% lebih cepat, meski ini angka dari pengembangnya sendiri. Kini Hermes menjadi aplikasi dengan volume token terbesar di OpenRouter.
OpenCode
Coding agent open source berbasis terminal yang bisa memakai model dari penyedia mana pun. Menjadi pilihan favorit bagi yang ingin bebas dari ketergantungan pada satu vendor.
ChatGPT Agent dan Claude Cowork
Dua agen untuk pengguna umum di kelas harga sekitar US$20 per bulan. ChatGPT agent bekerja di sandbox cloud milik OpenAI, sedangkan Claude Cowork bekerja langsung di desktop dan file pengguna. Keduanya menyasar pekerjaan kantor: riset, menyusun dokumen, mengolah spreadsheet, dan mengisi formulir.
Adopsi di Perusahaan: Antusias, tapi Belum Matang
Data adopsi di perusahaan sangat bervariasi tergantung siapa yang bertanya dan bagaimana “memakai agen” didefinisikan:
- Survei vendor cenderung optimistis. Survei CrewAI terhadap 500 eksekutif perusahaan besar menyebut 65% sudah memakai agen AI. Survei WRITER bahkan mencatat 97% eksekutif sudah menerapkan agen, tetapi hanya 23% yang melaporkan ROI signifikan.
- Analis lebih berhati-hati. Forrester menyebut tiga perempat pemimpin perusahaan sedang mengadopsi agentic AI, tetapi hanya sebagian kecil yang benar-benar menjalankannya di produksi secara berarti.
- Gartner memprediksi lebih dari 40% proyek agentic AI akan dibatalkan pada akhir 2027, karena biaya yang membengkak, nilai bisnis yang tidak jelas, atau kontrol risiko yang lemah.
- Fenomena “agent washing”. Gartner memperkirakan hanya sekitar 130 dari ribuan vendor yang mengklaim produk “agentic” benar-benar menghadirkan kemampuan agen yang sesungguhnya. Sisanya hanyalah chatbot, RPA, atau asisten lama yang diberi label baru.
- Tata kelola tertinggal. Menurut survei WRITER, 36% perusahaan belum punya rencana formal untuk mengawasi agen AI, dan 35% mengaku tidak bisa segera menghentikan agen yang bertindak di luar kendali.
Risiko yang Perlu Dipahami
Agen yang bisa bertindak juga bisa melakukan kesalahan yang berdampak nyata. Beberapa risiko utama:
- Prompt injection. Agen yang membaca email, halaman web, atau dokumen bisa “disusupi” instruksi tersembunyi. Misalnya, halaman web berisi teks tak terlihat yang memerintahkan agen mengirim data rahasia ke pihak luar.
- Izin yang terlalu luas. Agen dengan akses ke email, rekening, atau server produksi bisa menimbulkan kerusakan besar jika salah langkah. Prinsip least privilege, yaitu memberi akses seminimal mungkin, menjadi wajib.
- Instalasi yang terekspos. Pada awal 2026, peneliti keamanan menemukan banyak instalasi OpenClaw yang dapat diakses dari internet tanpa pengamanan memadai, bahkan setelah celahnya ditambal pada akhir Januari.
- Skill dan plugin berbahaya. Ekosistem skill dan server MCP pihak ketiga yang tumbuh pesat juga membuka celah bagi kode berbahaya, mirip serangan rantai pasok di npm dan PyPI.
- Biaya tak terkendali. Agen yang bekerja berjam-jam dengan banyak subagen bisa menghabiskan jutaan token. Tanpa batasan anggaran, tagihan bisa membengkak tanpa disadari.
Cara Memulai dengan Agentic AI
Bagi pembaca yang ingin mencoba, berikut panduan sederhana sesuai profil:
| Profil | Rekomendasi untuk mulai |
|---|---|
| Pengguna umum dan pekerja kantor | ChatGPT agent atau Claude Cowork lewat paket berlangganan yang sudah ada |
| Pengembang perangkat lunak | Claude Code, GitHub Copilot, atau Codex. Mulai dari tugas kecil dan tinjau setiap perubahan. |
| Pengembang yang ingin bebas vendor | OpenCode atau Cline dengan model pilihan sendiri |
| Penggemar teknologi yang ingin asisten pribadi | OpenClaw atau Hermes Agent di komputer khusus, bukan di laptop utama |
| Tim bisnis tanpa latar belakang coding | n8n atau Dify untuk otomasi alur kerja |
| Perusahaan yang membangun produk agen | LangGraph, OpenAI Agents SDK, Claude Agent SDK, atau Google ADK |
Tiga prinsip yang berlaku untuk semuanya: mulai dari tugas yang kecil dan mudah diverifikasi, beri akses seminimal mungkin, dan selalu tinjau hasil sebelum dipakai di produksi.
Opini Softovator
Agentic AI bukan sekadar tren pemasaran. Di dunia pemrograman, perubahannya sudah nyata dan terukur: dua pertiga pengembang memakai coding agent, dan di perusahaan seperti Anthropic sebagian besar kode kini ditulis oleh AI. Bagi pengembang Indonesia, kemampuan bekerja bersama agen sudah menjadi keterampilan dasar, sama pentingnya dengan menguasai Git.
Namun di luar coding, kita masih di fase awal. Personal agent seperti OpenClaw dan Hermes Agent sangat menarik, tetapi masih menuntut keahlian teknis dan kehati-hatian keamanan yang tinggi. Memberi agen akses penuh ke WhatsApp, email, dan rekening bank tanpa memahami risikonya adalah resep bencana.
Untuk perusahaan, prediksi Gartner adalah pengingat yang sehat. Banyak proyek agen gagal bukan karena teknologinya tidak mampu, tetapi karena dimulai dari hype, bukan dari masalah bisnis yang jelas. Agen terbaik adalah yang mengerjakan tugas spesifik, terukur, dan diawasi, bukan yang dijanjikan bisa “mengerjakan segalanya”.
Satu hal lagi yang menarik: popularitas agen ternyata sangat bergantung pada ekosistem terbuka. OpenClaw, Hermes, OpenCode, dan n8n tumbuh pesat karena siapa pun bisa memodifikasi dan menjalankannya sendiri. Persaingan antara agen tertutup dari perusahaan besar dan agen open source dari komunitas akan menjadi cerita besar di 2027.
Kesimpulan
Agentic AI adalah lompatan dari AI yang menjawab ke AI yang bertindak. Jika ditanya mana yang paling populer, jawabannya: Claude Code memimpin di kalangan pengembang menurut survei, OpenClaw paling banyak mendapat perhatian komunitas di GitHub, Hermes Agent paling cepat tumbuh dan memimpin volume token di OpenRouter, sementara LangGraph menjadi framework yang paling banyak dipakai untuk membangun agen sendiri.
Agen mana pun yang Anda pilih, kuncinya tetap sama: pahami cara kerjanya, batasi aksesnya, dan jangan pernah melepas pengawasan sepenuhnya.
Sumber
- Stack Overflow: The results of the 2026 Developer Survey are here
- JetBrains Research: AI coding agent adoption 2026
- OpenRouter: App Rankings
- GitHub: openclaw/openclaw
- GitHub: NousResearch/hermes-agent
- Gartner: Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
- Forrester: The State of Agentic AI in 2026
- WRITER: Enterprise AI adoption in 2026
- Business Wire: CrewAI Survey on Agentic AI Adoption
- Linuxiac: Model Context Protocol Joins Linux Foundation
- NxCode: OpenClaw, The Complete Story
- Keenable: Developers star Dify, but measured usage runs through LangGraph
- Wikipedia: Google Antigravity
- Zeron: The open source workspace for your coding agents
Baca Juga
- Claude Fable 5.2 Dikupas Tuntas: Benchmark, Harga, Fitur Baru, dan Catatan Keselamatan
- Mengenal REA (Reverse Engineer Anything): Tools GitHub Viral yang Membuat Agen AI Bisa Membongkar Aplikasi hingga Level Biner
- Apa yang Terjadi Ketika Raksasa AI Menutup Pintu Open Source: Kisah OpenClaw dan Anthropic
- Ulasan Lengkap Mac mini M6 (2026): Chip 2nm Pertama Apple, Lebih Kencang tapi Tak Lagi Murah
- Dari Tugas Akhir Kampus ke Investasi 30 Juta Dolar: Bagaimana AI Menciptakan ‘Super Individual’ Baru