Analisis Kemampuan Antarmuka GPT-6.2 Astra: Apa yang Dapat Dilakukan Multi-agen, Computer Use, dan MCP? Mengurai 8 Kemampuan Satu per Satu

Analisis Kemampuan Antarmuka GPT-6.2 Astra: Apa yang Dapat Dilakukan Multi-agen, Computer Use, dan MCP? Mengurai 8 Kemampuan Satu per Satu

gpt-6-2-astra-multi-agent-computer-use-mcp-analysis-id-image-0

Jawaban langsung: GPT-6.2 Astra dalam Responses API dapat mendelegasikan subtugas secara paralel (Multi-agent), dapat mengoperasikan browser atau antarmuka desktop dengan bantuan tangkapan layar (Computer Use), dan dapat terhubung ke layanan MCP jarak jauh untuk memanggil alat bisnis tim. Namun, pelaksana ketiga kemampuan ini berbeda: delegasi dihosting oleh API, lingkungan operasi antarmuka disediakan oleh aplikasi Anda, dan objek pemanggilan MCP adalah layanan jarak jauh yang Anda konfigurasi.

Kesimpulan inti: Kesulitan dalam rekayasa terutama terletak pada orkestrasi, bukan pada kemampuan model itu sendiri. Agen bisnis yang benar-benar dapat diterapkan perlu menjelaskan tiga hal sejak awal: siapa yang mengeksekusi setiap alat, sampai mana otorisasi data, dan siapa yang memverifikasi hasil akhir.

Apa yang bisa Anda pahami setelah membaca artikel ini?

  • 6 jenis alat bawaan dan Structured Outputs yang didukung GPT-6.2 Astra dalam Responses API, serta pelaksana dan prasyarat penggunaan masing-masing;
  • Cara mengaktifkan Multi-agent beta, jumlah konkurensi default, serta tugas mana yang cocok untuk paralel dan mana yang harus dieksekusi berurutan;
  • Perbedaan dua jalur eksekusi Computer Use dan MCP jarak jauh, termasuk persetujuan, cakupan izin, dan pembagian tanggung jawab;
  • Bagaimana menghubungkan pencarian, komputasi, dan keluaran terstruktur untuk menyerahkan hasil verifikasi pengadaan yang dapat diperiksa.

Indeks: Bagian utama terlebih dahulu merangkum identitas model, spesifikasi, dan harga yang diumumkan OpenAI pada 17 November. Kemudian menggunakan satu tabel untuk membandingkan pelaksana 8 kemampuan, lalu mengikuti contoh desain “verifikasi pengadaan hanya-baca” untuk menjelaskan secara berurutan batas paralel Multi-agent, jalur eksekusi Computer Use dan MCP, serta cara serah-terima dari pencarian ke keluaran terstruktur. Bagian analisis di akhir artikel akan menjawab: apa yang harus dilakukan pengembang dan pemilik produk terlebih dahulu sekarang.


GPT-6.2 Astra To Know: Penjelasan Konsep

Konsep Penjelasan singkat
Responses API Antarmuka OpenAI untuk respons model dan pemanggilan alat; alat bawaan dan Multi-agent yang dibahas di artikel ini mengacu pada antarmuka ini
Multi-agent Fitur beta yang mengaktifkan beberapa agen kolaboratif dalam satu permintaan Responses yang didukung
Sub-agen Unit kerja yang menangani tugas yang didelegasikan dalam konteks terpisah, lalu melapor kembali ke agen akar setelah selesai
Computer Use Kemampuan model untuk menemukan elemen antarmuka berdasarkan tangkapan layar dan meminta eksekusi operasi browser atau desktop
MCP Protokol yang mengatur cara klien model menemukan dan memanggil alat layanan eksternal
Web Search Alat untuk menelusuri informasi di internet publik dan dapat mengembalikan anotasi sumber dalam respons
File Search Alat untuk mencari file yang sudah diunggah di penyimpanan vektor tertentu
Code Interpreter Sandbox terkelola untuk menjalankan Python guna menganalisis data dan menghasilkan file
Hosted Shell Lingkungan terisolasi yang dikelola OpenAI dan dapat menjalankan perintah terminal
Structured Outputs Kemampuan output yang membatasi format respons melalui JSON Schema
ID pemanggilan alat Pengenal yang menghubungkan permintaan pemanggilan tertentu dengan hasil eksekusinya, seperti call_id

Sekilas Dampak GPT-6.2 Astra

  • Engineer agen bisnis: Dalam satu permintaan, delegasi, pengambilan, alat jarak jauh, dan output terstruktur bisa dikombinasikan, sehingga kode orkestrasi menjadi lebih sedikit. Namun, pengembalian hasil fungsi, lingkungan eksekusi Computer Use, dan persetujuan MCP tetap harus diimplementasikan di sisi aplikasi.
  • Pemilik produk: Anggapan bahwa “agen bisa mengoperasikan sistem sendiri” kini punya dukungan antarmuka resmi. Cakupan izin, konfirmasi penulisan, dan tanggung jawab tinjauan manusia perlu dituliskan ke dalam alur sejak tahap desain produk.
  • Tim yang sensitif terhadap biaya: Harga satuan resmi lebih rendah dibanding generasi sebelumnya. Tetapi Multi-agent yang berjalan paralel bisa meningkatkan penggunaan token, jadi anggaran perlu diestimasi ulang berdasarkan struktur tugas.

Fakta Objektif GPT-6.2 Astra: Rilis, Spesifikasi, dan Daftar Alat

Rilis dan Identitas Model GPT-6.2 Astra

OpenAI merilis GPT-6.2 Astra dan GPT-6.2 Sol secara bersamaan pada 17 November 2026. Secara resmi, Astra diposisikan sebagai model untuk penalaran kompleks, coding, dan pekerjaan profesional. ID model API-nya adalah gpt-6.2-astra, dengan pendahulunya GPT-6 Astra (gpt-6-astra). Log pembaruan API pada hari yang sama mencatat entri terkait rilis model dan jendela penyelesaian di latar belakang.

Spesifikasi yang tercantum di kartu model: jendela konteks 1,050,000 token, input maksimum 922,000 token, output maksimum 128,000 token. Model menerima input teks dan gambar, menghasilkan teks, serta mendukung Responses API dan Chat Completions API. Perlu diperhatikan khusus, kartu model menyatakan bahwa permintaan dengan reasoning.effort diset ke none akan ditolak. Saat memigrasikan kode lama, pastikan untuk memeriksa parameter ini.

Soal harga, harga satuan teks murni konteks pendek standar yang diumumkan OpenAI dihitung per juta token: input biasa $8, input dengan cache hit $0.40, output $40. Dibandingkan dengan pendahulunya, OpenAI mengumumkan harga satuan input biasa dan output turun 20%, sedangkan harga satuan input dengan cache hit turun 60%. Angka-angka ini hanya berlaku untuk estimasi API koneksi langsung resmi. Biaya per soal dalam evaluasi pihak ketiga menggunakan basis harga yang berbeda, jadi tidak bisa dibandingkan langsung.

🚀 Mulai Cepat: Jika ingin memverifikasi dulu performa GPT-6.2 Astra pada data bisnis Anda sendiri, Anda bisa melakukan pemanggilan yang kompatibel dengan OpenAI melalui APIYI apiyi.com menggunakan satu kunci API. Pengguna baru mendapat kuota tes gratis, cocok untuk verifikasi skala kecil sebelum integrasi resmi. Ketersediaan alat beta bergantung pada dukungan aktual platform.

Tabel Lengkap Kemampuan Antarmuka GPT-6.2 Astra

Kartu model mencantumkan Web Search, File Search, Code Interpreter, Hosted Shell, Computer Use, dan MCP sebagai alat yang didukung Astra dalam Responses API, Structured Outputs sebagai kemampuan output, sedangkan Multi-agent merupakan fitur beta dari Responses. Pengembang mendeklarasikan alat yang tersedia dalam permintaan, lalu model memutuskan apakah akan memicu pemanggilan berdasarkan tugas. Di dalam respons bisa muncul permintaan alat, permintaan persetujuan, hasil eksekusi, atau teks akhir; item output mana yang perlu ditangani klien bergantung pada pihak yang mengeksekusi masing-masing alat.

Kemampuan Pelaksana Prasyarat / Konfigurasi Cocok untuk
Multi-agent Delegasi terkelola Responses Mengaktifkan beta secara eksplisit Memproses subtugas independen secara paralel lalu merangkumnya
Computer Use Browser atau desktop yang disediakan aplikasi Aplikasi bertanggung jawab atas lingkungan dan status login Melihat atau mengoperasikan antarmuka yang memerlukan interaksi
MCP OpenAI memanggil layanan jarak jauh yang Anda konfigurasi Alamat layanan, autentikasi, allowed_tools Mengkueri sistem bisnis atau meminta penulisan data
Web Search Dikelola OpenAI Cukup deklarasikan alatnya Mencari materi publik yang berubah cukup cepat
File Search Dikelola OpenAI Unggah dan indeks ke vector store terlebih dahulu Mencari dokumen internal berdasarkan semantik dan kata kunci
Code Interpreter Kontainer Python yang dikelola OpenAI Mengelola input dan pengambilan file Rekonsiliasi, statistik, membuat grafik
Hosted Shell Kontainer terminal yang dikelola OpenAI Dapat dikonfigurasi dengan container_auto Perintah baris perintah multi-langkah dan pemrosesan banyak file
Structured Outputs Batasan format respons Deklarasikan JSON Schema di text.format Menghasilkan data bisnis yang dapat divalidasi

gpt-6-2-astra-multi-agent-computer-use-mcp-analysis-id-image-1

Cara Mengaktifkan dan Cakupan Berbagi Multi-agent GPT-6.2 Astra

Saat mengaktifkan Multi-agent, Anda perlu menyetel multi_agent.enabled pada permintaan Responses. Jika menggunakan HTTP mentah atau WebSocket, sertakan juga header permintaan OpenAI-Beta: responses_multi_agent=v1; jika menggunakan SDK, panggil antarmuka beta yang sesuai. Agen akar dapat membuat sub-agen, berkomunikasi dengan mereka, menunggu mereka selesai, dan bertanggung jawab atas agregasi akhir.

Setiap sub-agen memiliki konteksnya sendiri, tetapi berbagi model dan alat yang tersedia dalam permintaan tersebut. Nilai default max_concurrent_subagents adalah 3, yang membatasi jumlah giliran sub-agen yang aktif secara bersamaan di seluruh pohon agen. Aksi delegasi multi_agent_call dikelola oleh API. Jika sub-agen memanggil fungsi kustom yang didefinisikan pengembang, aplikasi perlu mengembalikan hasil eksekusi sesuai ID panggilan yang terkait. Pihak resmi juga mengingatkan bahwa paralelisme cocok untuk tugas investigasi yang saling independen, sehingga penggunaan token bisa meningkat karenanya; langkah-langkah yang bergantung pada hasil sebelumnya dan penulisan bersama perlu Anda atur sendiri urutan eksekusinya.

Batas Eksekusi Computer Use dan MCP pada GPT-6.2 Astra

Lingkungan eksekusi Computer Use disediakan oleh aplikasi. Saat menggunakan alat computer bawaan, model mengirimkan computer_call, lalu lingkungan eksekusi Anda menjalankan aksi klik, input, dan sebagainya di dalamnya, kemudian mengirimkan tangkapan layar baru kembali ke model melalui computer_call_output dan call_id yang sesuai, dan siklus ini berlanjut hingga tugas selesai. Panduan resmi juga menyebutkan cara lain: biarkan model menghasilkan skrip, lalu aplikasi mengeksekusinya di lingkungan terisolasi. Apa pun cara yang dipilih, lingkungan itu sendiri, status login, halaman yang dapat diakses, serta konfirmasi sebelum penulisan penting, semuanya menjadi tanggung jawab aplikasi.

Cara eksekusi MCP jarak jauh berbeda. API akan terhubung ke alamat layanan yang Anda tentukan, mengimpor alat yang diekspos oleh server, dan menjalankan panggilan yang disetujui. Autentikasi jarak jauh dikonfigurasi sesuai kebutuhan layanan, dan allowed_tools dapat membatasi alat mana yang diimpor. Secara default, sebelum mengirim data ke konektor atau layanan jarak jauh, sistem akan meminta persetujuan terlebih dahulu: aplikasi dapat membaca nama alat dan parameter di mcp_approval_request, lalu mengembalikan mcp_approval_response satu per satu.

gpt-6-2-astra-multi-agent-computer-use-mcp-analysis-id-image-2

Aturan Pencarian, Komputasi, dan Structured Outputs GPT-6.2 Astra

Web Search ditujukan untuk internet publik; aplikasi dapat menggunakan url_citation untuk mengaitkan kesimpulan dengan sumbernya. File Search mencari file yang telah diunggah di penyimpanan vektor yang ditentukan, cocok untuk materi internal yang sudah diarsipkan. Code Interpreter menyediakan sandbox Python dan dapat menghasilkan file. Hosted Shell dapat mengonfigurasi terminal cloud melalui container_auto; panduan Shell juga menjelaskan cara menjalankan runtime yang dihosting sendiri oleh aplikasi. File di kedua lingkungan komputasi perlu dikelola dan diambil secara aktif saat digunakan.

Structured Outputs mendeklarasikan JSON Schema melalui text.format; yang dibatasi adalah respons yang telah selesai dan tidak ditolak. Pihak resmi secara jelas menyatakan bahwa penerima tetap perlu menangani penolakan, respons yang belum selesai, kesalahan API, serta aturan bisnis yang tidak dapat dinyatakan oleh schema.


Analisis dan Penilaian GPT-6.2 Astra: Merangkai Semua Kemampuan dengan Satu Verifikasi Pengadaan

Alur berikut adalah contoh rancangan yang diturunkan dari kombinasi kemampuan dalam materi referensi, bukan studi kasus resmi. Setiap permintaan perlu mengonfigurasi alat sesuai kondisi aktual; kombinasi mana yang akhirnya dapat diaktifkan bergantung pada akun, konfigurasi alat, dan lingkungan runtime Anda.

Kapan Multi-agent GPT-6.2 Astra Cocok Dijalankan secara Paralel

Tujuan tugasnya adalah: memverifikasi apakah ketentuan dalam sebuah kontrak, catatan pesanan di sistem pengadaan, dan informasi publik di situs web pemasok konsisten satu sama lain, sepenuhnya hanya-baca. Ketiga kueri ini tidak memiliki ketergantungan satu sama lain, dan persis sesuai dengan jumlah konkurensi default 3: kelompok kontrak menggunakan File Search untuk mencari klausul, kelompok pengadaan menggunakan MCP hanya-baca untuk mencari pesanan, dan kelompok web menggunakan Web Search untuk mencari informasi publik. Agen akar menunggu ketiga kelompok melapor sebelum melakukan penggabungan.

Untuk menentukan apakah bisa diparalelkan, ada satu kriteria: apakah input suatu subtugas membutuhkan output dari subtugas lain. Misalnya, “dapatkan nomor pesanan dulu, lalu gunakan nomor pesanan untuk mencari faktur” harus dijalankan secara berurutan; memaksakan pemecahan menjadi paralel hanya akan membuat sub-agen menebak sendiri-sendiri, dan hasilnya lebih sulit diverifikasi. Perhatikan juga bahwa meskipun tindakan delegasi dikelola oleh API, jika sub-agen memanggil fungsi yang Anda definisikan, hasil fungsi tetap perlu dikirim balik oleh aplikasi berdasarkan ID panggilan. Jika langkah ini terlewat, seluruh pohon agen akan berhenti di status menunggu.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Antarmuka kompatibel OpenAI APIYI
)

# Kode contoh: untuk struktur parameter, harap ikuti panduan terbaru OpenAI
resp = client.responses.create(
    model="gpt-6.2-astra",
    reasoning={"effort": "medium"},  # Jika diatur ke none akan ditolak
    input="只读核验:合同 C-102 条款、订单 PO-881 记录、供应商官网公示信息是否一致",
    tools=[
        {"type": "file_search", "vector_store_ids": ["vs_contracts"]},
        {"type": "web_search"},
        {
            "type": "mcp",
            "server_label": "procurement",
            "server_url": "https://mcp.example.com/procurement",
            "allowed_tools": ["get_purchase_order"],  # Hanya membuka satu alat hanya-baca
            "require_approval": "always",
        },
    ],
    extra_headers={"OpenAI-Beta": "responses_multi_agent=v1"},
    extra_body={"multi_agent": {"enabled": True, "max_concurrent_subagents": 3}},
)

💡 Saran pemilihan: Delegasi paralel akan meningkatkan konsumsi token, disarankan untuk mengukur penggunaan aktual satu kali verifikasi terlebih dahulu dengan sampel kecil, lalu memutuskan jumlah konkurensi. Dengan penagihan berbasis penggunaan melalui APIYI apiyi.com, Anda dapat dengan cepat membandingkan biaya antara konfigurasi konkurensi yang berbeda.

Pemisahan Tugas antara GPT-6.2 Astra Computer Use dan MCP

Misalkan masa berlaku kualifikasi di situs web pemasok hanya muncul setelah membuka popup “sertifikat kualifikasi” tertentu, dan Web Search tidak dapat menangkap bidang ini—di sinilah Computer Use diperlukan. Prosesnya terbagi menjadi tiga langkah: aplikasi membuka halaman di browser terisolasi dan mengambil tangkapan layar; model mengembalikan koordinat klik atau instruksi operasi; setelah aplikasi mengeksekusinya, tangkapan layar baru dikirim kembali ke model bersama call_id. Karena status login dan cakupan akses berada di tangan aplikasi, untuk tugas hanya-baca sebaiknya larang pengiriman formulir sejak tingkat lingkungan, jangan hanya mengandalkan batasan petunjuk.

Untuk pencarian pesanan, gunakan MCP. Pada fase penemuan alat, impor hanya satu alat hanya-baca get_purchase_order melalui allowed_tools; autentikasi menggunakan kredensial hanya-baca dengan hak akses paling minimal. Sebelum setiap pemanggilan, aplikasi membaca parameter di mcp_approval_request, memastikan nomor pesanan berada dalam cakupan verifikasi kali ini, lalu mengembalikan persetujuan. Tanggung jawab kedua jalur dapat dibagi seperti ini: apa yang terjadi di antarmuka menjadi tanggung jawab aplikasi, apa yang dikembalikan sistem jarak jauh menjadi tanggung jawab penyedia layanan, dan model hanya bertugas mengajukan permintaan.

Dimensi Computer Use MCP Jarak Jauh
Lingkungan eksekusi Browser / desktop yang disediakan aplikasi Layanan jarak jauh yang Anda konfigurasi
Penanda rangkaian computer_call dan call_id mcp_approval_request / response
Titik kontrol izin Isolasi lingkungan, status login, daftar putih halaman Autentikasi layanan, allowed_tools, persetujuan per pemanggilan
Bidang yang cocok Informasi publik yang hanya muncul setelah interaksi Catatan terstruktur dalam sistem bisnis
Risiko utama Klik keliru, perubahan tata letak halaman Pemanggilan melampaui wewenang, parameter di luar batas

GPT-6.2 Astra: dari mengumpulkan data hingga output yang siap pakai

Pilih alat pencarian berdasarkan lokasi dokumen: untuk informasi publik yang sering berubah, gunakan Web Search dan pertahankan url_citation; untuk kontrak yang sudah diarsipkan, gunakan File Search. Pilih lingkungan komputasi berdasarkan bentuk tugas: untuk pekerjaan seperti rekonsiliasi nominal dan statistik ringkasan, sandbox Python Code Interpreter sudah cukup; jika perlu mendekompresi banyak file sekaligus, mengonversi beberapa file, atau merangkai alat command-line, pertimbangkan Hosted Shell. Jangan lupa cantumkan langkah pengambilan file dalam alur.

Setelah agen utama selesai menggabungkan, sebaiknya hasilkan hasil terstruktur secara terpisah dalam permintaan Responses lanjutan yang dimulai oleh aplikasi; jangan mencampurnya dengan pencarian dalam permintaan yang sama. Dengan begitu, schema menjadi lebih sederhana dan lebih mudah diulang saat gagal.

Lihat contoh kode untuk pengembalian persetujuan dan output terstruktur
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

ALLOWED_PO = {"PO-881"}

def handle_approvals(resp):
    """Setujui panggilan MCP satu per satu: hanya izinkan nomor pesanan yang termasuk dalam cakupan verifikasi ini"""
    replies = []
    for item in resp.output:
        if item.type == "mcp_approval_request":
            ok = item.name == "get_purchase_order" and \
                 item.arguments and any(po in item.arguments for po in ALLOWED_PO)
            replies.append({
                "type": "mcp_approval_response",
                "approval_request_id": item.id,
                "approve": bool(ok),
            })
    return replies

schema = {
    "type": "object",
    "properties": {
        "records": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "record_id": {"type": "string"},
                    "evidence": {"type": "array", "items": {"type": "string"}},
                    "status": {"type": "string",
                               "enum": ["match", "mismatch", "needs_review"]},
                },
                "required": ["record_id", "evidence", "status"],
                "additionalProperties": False,
            },
        }
    },
    "required": ["records"],
    "additionalProperties": False,
}

def to_structured(prev_id):
    final = client.responses.create(
        model="gpt-6.2-astra",
        previous_response_id=prev_id,
        input="把核验结论整理为结构化记录,evidence 只写可追溯来源",
        text={"format": {"type": "json_schema", "name": "procurement_check",
                         "schema": schema, "strict": True}},
    )
    if final.status != "completed":
        raise RuntimeError(f"未完成:{final.status}")  # Penolakan dan status belum selesai perlu ditangani terpisah
    return final.output_text

Batasan format hanyalah garis pertahanan pertama; logika field tetap perlu dijaga oleh program dan manusia. Berikut contoh output dan tanggung jawab validasi untuk setiap field:

Field Contoh nilai Jaminan format Yang masih perlu diperiksa Penanggung jawab
record_id PO-881 dibatasi schema sebagai string apakah benar-benar ada di sistem pengadaan pengecekan ulang oleh program
evidence Pasal 5.2 kontrak; halaman kualifikasi situs resmi harus berupa array apakah sumber dapat dibuka dan kutipan sesuai program + uji petik
status mismatch hanya boleh berupa nilai enum apakah penetapan sesuai ketentuan bisnis tinjauan manual

gpt-6-2-astra-multi-agent-computer-use-mcp-analysis-id-image-3

🎯 Saran teknis: Sebaiknya pisahkan “schema valid” dan “benar secara bisnis” menjadi dua langkah pemeriksaan independen. Catatan dengan status mismatch atau needs_review selalu masuk ke antrean manual. Sebelum go-live, Anda dapat memutar ulang seluruh alur dengan pesanan pengadaan historis di APIYI apiyi.com, menghitung tingkat kesalahan klasifikasi, lalu memutuskan status mana yang boleh dilewatkan otomatis.

Penilaian urutan implementasi GPT-6.2 Astra

Berdasarkan fakta-fakta di atas, penilaian kami terhadap urutan integrasi adalah: pertama sambungkan Structured Outputs dan File Search, lalu hubungkan MCP read-only, terakhir tambahkan Multi-agent dan Computer Use. Dua yang pertama dikelola sepenuhnya oleh OpenAI sehingga kemungkinan error paling rendah; mekanisme pengembalian persetujuan pada MCP adalah state machine yang perlu diuji secara terpisah; Multi-agent masih berstatus beta, sementara stabilitas Computer Use bergantung pada kualitas lingkungan yang Anda bangun sendiri. Keduanya sebaiknya ditambahkan setelah alur utama stabil.

Prasyarat agar penilaian ini berlaku: antarmuka beta tidak mengalami perubahan yang merusak (breaking change) dalam waktu dekat, dan akun Anda juga dapat mengaktifkan alat yang bersangkutan. Keduanya menuntut Anda untuk terus memantau changelog API OpenAI. Selain itu, “read-only” dalam contoh ini merupakan batasan desain. Begitu bisnis membutuhkan operasi tulis, strategi persetujuan, urutan penulisan, dan rencana rollback harus dirancang ulang — konfigurasi dalam artikel ini tidak bisa langsung dipakai.

💰 Optimasi biaya: Saat kontrak panjang diambil berulang kali, harga per unit input yang kena cache jauh lebih murah daripada input biasa. Menempatkan instruksi sistem dan schema yang tetap di bagian awal permintaan membantu meningkatkan tingkat cache hit. Tim kecil dan menengah juga dapat memanggil sesuai kebutuhan melalui APIYI apiyi.com, lalu memperluas cakupan verifikasi secara bertahap.

Daftar alat terus bertambah panjang, tetapi yang benar-benar menentukan apakah sebuah agent bisa masuk produksi tetaplah beberapa batas sederhana: siapa yang mengeksekusi, siapa yang memberi izin, siapa yang memverifikasi. Seperti yang ditulis Lu You dalam puisi 《冬夜读书示子聿》:

Ilmu yang didapat dari kertas selalu terasa dangkal;
untuk benar-benar memahaminya, kita harus mempraktikkannya sendiri.


Penulis: Tim Teknis APIYI
Diskusi teknis: Silakan hubungi kami melalui halaman utama situs APIYI apiyi.com untuk mendapatkan materi praktik lebih lanjut seputar integrasi GPT-6.2 Astra.

Artikel terkait

Similar Posts