Ringkasan singkat: Dalam rutinitas yang sama—mencari berita setiap hari, menyiapkan topik, dan mengisi backend—sebagian AI Agent lebih cocok untuk langsung mengambil alih pekerjaan, sedangkan sebagian lainnya lebih cocok untuk membantu Anda membangun sistem otomasi terlebih dahulu. Garis pemisah sesungguhnya ada pada alat, izin, dan lingkungan eksekusi.
Artikel ini membandingkan kemampuan berdasarkan bahan referensi dengan tanggal verifikasi 12 November 2026. Tugas yang diseragamkan adalah skenario hipotetis, bukan pengujian langsung tugas yang sama pada sembilan produk. Artikel ini tidak mencantumkan tingkat keberhasilan, durasi, atau peringkat keseluruhan; paket, wilayah, dan akses fitur tetap perlu dikonfirmasi berdasarkan akun aktual.
Pahami dulu beberapa istilah praktis dalam perbandingan AI Agent
AI Agent bukan sekadar model yang menghasilkan jawaban, melainkan sistem kerja yang dapat memanggil alat, membaca hasil, lalu melanjutkan eksekusi sesuai tujuan. Dalam operasional konten, yang dibutuhkan bukan hanya “bisa menulis perencanaan”, tetapi juga akses pencarian, izin backend, dan lingkungan yang bisa dijalankan lagi besok.
| Istilah | Artinya dalam pekerjaan ini | Bukan berarti |
|---|---|---|
| Tugas lokal | Merapikan materi dan mengoperasikan perangkat lunak di komputer Anda atau lingkungan lokal yang terhubung | Tetap bisa berjalan setelah komputer dimatikan |
| Tugas cloud | Mencari, memproses materi, dan melakukan operasi di lingkungan remote | Secara otomatis membaca file dari komputer yang sudah dimatikan |
| Tugas terjadwal | Memicu alur kerja berita pada waktu tertentu setiap hari | Pasti memiliki lingkungan eksekusi yang selalu online |
| Operasi browser／Computer Use | Yang pertama mengklik halaman web dan mengisi formulir; yang kedua menggunakan aplikasi melalui antarmuka grafis | Mencari di web berarti mengendalikan desktop |
| API／MCP | API memungkinkan program memanggil model atau sistem bisnis; MCP menghubungkan alat eksternal dan data | Memperoleh antarmuka API berarti otomatis mendapat izin atas sistem bisnis |
| Sub-Agent | Menugaskan unit independen atau terbatas untuk mengecek berita tertentu dan memverifikasi materi tertentu | Semakin banyak proses paralel, hasilnya pasti semakin andal |
Perbedaan-perbedaan ini menentukan pilihan pada bagian berikutnya. Yang terutama perlu diingat: API model, langganan produk Agent, dan lingkungan eksekusi adalah tiga hal yang berbeda. Anda tidak bisa membeli salah satunya lalu menganggap dua lainnya sudah tersedia.
Memberi 9 AI Agent pekerjaan yang sama
Bayangkan Anda mengajukan permintaan yang sama kepada setiap produk: “Setiap hari pukul 9 pagi, cari berita AI terbaru, pilih 5 topik yang layak ditulis, susun materi resmi dan rencana artikel untuk setiap topik, lalu buka backend konten perusahaan, isi kolomnya dan simpan sebagai draf.”
Persyaratan tambahannya adalah tidak perlu memberikan tugas ulang setiap hari, dan menangani kegagalan login, persetujuan, atau penyimpanan secara wajar. Di sini “simpan draf” ditetapkan sebagai titik akhir, bukan publikasi otomatis, agar izin moderasi konten tidak tercampur ke dalam verifikasi putaran pertama.
| Tahap kerja | Apa yang harus diserahkan | Poin penerimaan utama |
|---|---|---|
| Mencari berita | Daftar berita dan sumber | Apakah membedakan tanggal terbit, tanggal pembaruan, dan repost |
| Menyaring topik | 5 topik dan alasan rekomendasi | Apakah melakukan deduplikasi, apakah cocok untuk pembaca target |
| Menyiapkan materi | Fakta, sumber resmi, dan item yang perlu diverifikasi | Apakah menulis kesimpulan sebagai fakta |
| Menghasilkan rencana | Judul, ringkasan, struktur, dan batasan penulisan | Apakah sesuai template perusahaan |
| Penyimpanan backend dan eksekusi hari berikutnya | Catatan draf, notifikasi hasil, dan konfigurasi penjadwalan | Apakah benar-benar tersimpan, apakah besok ada lingkungan yang berjalan |
Tugas ini setidaknya mencakup empat tahap: riset, pembuatan konten, operasi bisnis, dan penjadwalan. Sebuah produk yang mampu menyelesaikan tiga langkah pertama bukan berarti bisa login ke situs web perusahaan; bisa menyimpan hari ini juga bukan berarti besok dapat berjalan ulang secara otomatis.
AI Agent mana yang lebih cocok untuk langsung menangani pekerjaan konten?
Jika hari ini Anda ingin langsung mendapatkan topik dan perencanaan konten, sebaiknya pelajari ChatGPT Work, Claude Cowork, dan Kimi Work terlebih dahulu. DeepSeek Harness dan Kimi Claw juga bisa dilibatkan, tetapi yang pertama memerlukan perakitan sistem runtime, sedangkan keunggulan yang kedua terutama terletak pada hosting cloud dan pengiriman melalui kanal.
| AI Agent | Kecocokan kemampuan yang dipublikasikan untuk tugas terpadu | Yang perlu dikonfirmasi sebelum mulai |
|---|---|---|
| ChatGPT Work | Meneliti materi dan menghasilkan output perkantoran; materi serah terima menyebutkan kemampuan browser cloud dan operasi formulir | Akses akun, dukungan login, konfirmasi penting, dan persyaratan akses situs web |
| Claude Cowork | Riset lintas file, pembuatan laporan, konektor, browser, dan tugas terjadwal | Paket yang memenuhi syarat, otorisasi alat, apakah materi lokal masih bergantung pada aplikasi desktop |
| Kimi Work | Perapian file lokal, pembuatan dokumen, browser, dan pekerjaan desktop | Lingkungan desktop, plugin, izin; komputer harus menyala saat tugas lokal dijalankan |
| DeepSeek Harness | Riset, pemrosesan file, dan alur kerja yang dapat disesuaikan | Model, alat pencarian, penyedia browser, persetujuan, dan lingkungan deployment |
| Kimi Claw | Hosting OpenClaw di cloud, mencari, merapikan, dan mengirimkan ke kanal yang sudah terhubung | Otorisasi kanal, serta alat atau API yang diperlukan backend perusahaan |
ChatGPT Work lebih dekat dengan cara penggunaan “menyerahkan tugas riset dan perkantoran”. Namun, tautan terkait mengembalikan 403 saat pemeriksaan materi pada putaran ini. Artikel ini mengacu pada deskripsi kemampuan dalam materi serah terima, tidak menganggapnya sebagai verifikasi independen yang berhasil pada putaran ini, dan tentu tidak menjanjikan bahwa backend perusahaan dapat diakses atau disimpan.
Claude Cowork juga cenderung langsung menyerahkan hasil kerja pengetahuan. Materi menjelaskan bahwa sejak 6 Oktober 2026, tugas baru pada paket Pro, Max, dan Ultra yang memenuhi syarat beralih ke mode cloud; tetapi akses file lokal yang diotorisasi masih berkaitan dengan aplikasi desktop dan status perangkat. Jadi, menjalankan di cloud tidak berarti dependensi lokal sudah hilang.
Kimi Work lebih cocok ketika materi terutama disimpan di komputer dan perlu mengoperasikan perangkat lunak perkantoran lokal. Ini adalah Agent lokal dalam fase Beta; kontrol desktop memerlukan konfigurasi Computer Use yang sesuai. Deskripsi vendor tentang jumlah sub-Agent dan durasi tugas panjang bukan hasil pengujian konkurensi atau tingkat penyelesaian dalam artikel ini.
DeepSeek Harness dapat menangani tugas riset dan file, tetapi bukan produk perkantoran siap pakai yang semua alatnya sudah terpasang secara default. Operasi browser memerlukan komponen terkait dan secara eksplisit mengaktifkan penyedia eksperimental; pemulihan sesi juga tidak otomatis memulihkan status login browser, yang akan langsung memengaruhi input ke backend perusahaan.
Kimi Claw adalah layanan OpenClaw yang dihosting di cloud yang disediakan oleh Kimi, bukan kerangka eksekusi yang dikembangkan sendiri dari nol. Ini cocok untuk terus mengumpulkan berita dan mendorong topik, tetapi terhubung ke platform chat tidak sama dengan dapat mengoperasikan situs perusahaan mana pun; penyimpanan di backend tetap memerlukan alat, kemampuan browser, atau API bisnis yang sesuai.
Saran untuk memulai: Verifikasi kualitas materi dengan satu topik terlebih dahulu, lalu verifikasi penyimpanan di backend. Jika perlu membandingkan efek perencanaan yang dihasilkan oleh model berbeda, Anda dapat menguji bagian model melalui APIYI apiyi.com, tetapi ini tidak akan memberi Anda langganan atau izin backend untuk produk-produk di atas.
AI Agent mana yang lebih cocok untuk membangun sistem otomasi lebih dulu?
Ketika tugas harus diulang setiap hari, fokusnya bergeser dari “hari ini selesaikan klik halamannya untuk saya” menjadi “mantapkan alur kerjanya agar bisa dirawat”. Pada titik ini, Codex, Claude Code, Antigravity, Kimi Code, dan DeepSeek Harness lebih layak untuk diteliti.
| AI Agent | Apa yang bisa dibantu bangun | Batas ekstensi dan penggunaan |
|---|---|---|
| Codex | Pengumpulan berita, deduplikasi, pembuatan materi, pengiriman ke backend, dan program pengujian | Kode terbuka dan akses model pada CLI/Harness terpisah dari layanan cloud terkelola |
| Claude Code | Mengintegrasikan alur bisnis melalui kode, MCP, Hooks, Subagents | Antarmuka ekstensi produk komersial tidak sama dengan mesin dasarnya yang open source |
| Antigravity | Pengembangan paralel, verifikasi browser, tugas jarak jauh, dan otomasi | Pilihan model, Remote Agents, dan penjadwalan dibatasi oleh akun serta kondisi lingkungan |
| Kimi Code | Menggunakan CLI, antarmuka pengembangan, pencarian, MCP, dan lain-lain untuk alur pengembangan dan pemeliharaan | Tidak berfokus utama pada pengambilalihan langsung backend perusahaan mana pun |
| DeepSeek Harness | Menyesuaikan adaptor model, tool, sesi, loop eksekusi, dan mekanisme backend | Open source MIT, masih Developer Preview, perlu konfigurasi dan pemeliharaan sendiri |
Nilai Codex, Claude Code, dan Antigravity bukan sekadar menghasilkan sepotong kode pengumpulan data, melainkan kemampuan memodifikasi file di sekitar proyek, menjalankan perintah, menguji, dan memperbaiki masalah. Kimi Code juga cocok untuk membangun dan memelihara program semacam ini, tetapi untuk input ke backend perlu menyambungkan API atau tool browser tambahan.
Tingkat kustomisasi DeepSeek Harness lebih mendalam: adaptor model, registrasi tool, catatan sesi, dan Agent Loop semuanya dapat disesuaikan. Namun pihak resmi secara jelas menyatakan bahwa audit keamanannya belum selesai, jadi jangan menganggapnya sudah memiliki keamanan tingkat produksi; disarankan untuk memverifikasinya dulu di lingkungan terisolasi dengan hak akses minimal.
Jika perusahaan menyediakan API konten yang stabil, prioritaskan verifikasi pengiriman melalui API, bukan bergantung pada klik mouse setiap hari. Saran ini bukan berarti API tidak akan pernah berubah, melainkan API umumnya lebih memudahkan penentuan field, pemeriksaan hasil kembalian, dan pencatatan penyebab kegagalan.
Untuk lapisan model, bisa mempertimbangkan APIYI apiyi.com. Menurut keterangan publik platform tersebut, ia menyediakan satu kunci API untuk mengakses model-model utama seperti OpenAI, Claude, Gemini, antarmuka kompatibel OpenAI, penagihan berdasarkan pemakaian, dan kuota uji coba pengguna baru; harga dan hak model spesifik mengikuti halaman platform, bukan berarti kesembilan Agent dapat langsung dialihkan ke antarmuka tersebut.
Antarmuka model dalam diagram hanyalah satu komponen. Melalui APIYI apiyi.com, lapisan ini dapat diverifikasi input-outputnya, tetapi pencarian, login, browser, penjadwalan, dan pemulihan kegagalan tetap menjadi tanggung jawab sistem kerja.
Garis pemisah kunci perbandingan AI Agent: apa yang terjadi setelah komputer dimatikan?
Saat menilai, ajukan dua pertanyaan: “Di mana tugas dijalankan?” dan “Sumber daya lokal apa lagi yang dibutuhkannya?” Tugas jarak jauh bisa terus berjalan, tetapi bukan berarti bisa langsung mengakses komputer yang sudah dimatikan.
| AI Agent | Syarat tugas yang sudah dikirim tetap berjalan setelah komputer dimatikan | Batasan kunci untuk eksekusi berulang harian |
|---|---|---|
| ChatGPT Work | Materi serah terima menjelaskan tugas cloud dapat berlanjut | Entri penjadwalan, akun, dan alat yang digunakan perlu dikonfirmasi |
| Codex | Codex Cloud dapat berlanjut; CLI lokal tidak sama dengan cloud | Penjadwalan berkelanjutan tidak bisa hanya mengandalkan satu tugas cloud |
| Antigravity | Remote Agents yang memenuhi syarat dapat berlanjut | Penjadwalan dalam sesi dan otomasi persisten perlu dibedakan |
| Claude Cowork | Tugas cloud baru pada paket yang memenuhi syarat dapat berlanjut | Tetap tidak dapat membaca file lokal di komputer yang offline |
| Claude Code | Bergantung pada apakah ada lingkungan eksekusi jarak jauh atau terkelola lain | Sesi lokal tidak otomatis menjadi layanan yang selalu aktif |
| DeepSeek Harness | Memerlukan lingkungan deployment lain yang berjalan terus-menerus | Pekerjaan latar belakang lokal bergantung pada proses yang sedang berjalan |
| Kimi Work | Tugas lokal tidak dapat bergantung pada komputer yang dimatikan agar bisa berlanjut | Eksekusi terjadwal lokal memerlukan perangkat dan perangkat lunak dalam keadaan online |
| Kimi Code | Memerlukan lingkungan lain yang berjalan terus-menerus | Perlu membangun atau terhubung ke mekanisme penjadwalan |
| Kimi Claw | Lingkungan terkelola cloud dapat berjalan terus | Koneksi alat, otorisasi, kuota, dan penanganan kegagalan tetap perlu dikonfigurasi |
/schedule milik Antigravity mendukung tugas terjadwal sekali dan Cron, tetapi tugas yang dibuat dalam sesi menjadi milik sesi tersebut. Tugas mandiri jangka panjang memerlukan Sidecar persisten atau mekanisme otomasi lain; tidak bisa langsung menulis “sudah membuat tugas terjadwal” sebagai “lini produksi sudah berjalan permanen”.
Jika backend perusahaan hanya dapat diakses melalui intranet perusahaan, eksekusi cloud masih harus menyelesaikan masalah akses jaringan yang patuh regulasi. Jika situs web dapat diakses dari publik, tetap mungkin menghadapi captcha, login kedaluwarsa, atau persetujuan operasi; semua ini adalah kondisi yang perlu diverifikasi, bukan hambatan yang otomatis terlewati.
Bagaimana mengotomatiskan validasi tahap model untuk AI Agent?
Dua potongan kode berikut hanya mendemonstrasikan “menyerahkan materi yang sudah dikumpulkan kepada model untuk menghasilkan perencanaan”; tidak mencakup pencarian berita, penyimpanan di backend perusahaan, atau eksekusi terjadwal. Contoh menggunakan OpenAI Python SDK; nama model dan kunci dibaca dari variabel lingkungan, dan perlu diisi dengan nilai yang benar-benar tersedia di akun.
Contoh pemanggilan model minimal untuk AI Agent
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["API_KEY"],
base_url="https://api.apiyi.com/v1",
)
result = client.chat.completions.create(
model=os.environ["MODEL_NAME"],
messages=[{
"role": "user",
"content": "根据已提供的新闻资料生成选题策划；缺失事实标为待核实。",
}],
)
print(result.choices[0].message.content)
Contoh pembungkusan perencanaan materi untuk AI Agent
Alur kerja lengkap harus memasukkan materi sumber yang sebenarnya, bukan sekadar meminta model “menulis berita terbaru”. Pembungkusan berikut menuliskan batas bukti ke dalam petunjuk dan membiarkan exception ditangani oleh alur di lapisan atas, agar teks kesalahan tidak keliru disimpan sebagai perencanaan resmi.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["API_KEY"],
base_url="https://api.apiyi.com/v1",
timeout=60.0,
)
def make_plan(source_text: str) -> str:
if not source_text.strip():
raise ValueError("Source material is required")
response = client.chat.completions.create(
model=os.environ["MODEL_NAME"],
messages=[
{
"role": "system",
"content": (
"你是内容策划助手。仅依据提供的资料，输出标题、摘要、"
"文章结构、来源清单和待核实项。不得补造数据。"
),
},
{"role": "user", "content": source_text},
],
)
text = response.choices[0].message.content
if not text:
raise RuntimeError("Empty model response")
return text
Kedua potongan kode ini memvalidasi pemanggilan teks, bukan membuktikan bahwa protokol tool calling, MCP, atau adaptor model milik Agent tertentu sudah kompatibel. Saat terhubung ke sistem nyata, Anda masih perlu memeriksa secara terpisah tool calling, pengembalian error, hasil terstruktur, dan batas izin.
Rekomendasi Skenario AI Agent dan Langkah Pengambilan Keputusan
Jangan langsung memilih produk dengan “fitur terbanyak”, tetapi temukan dulu batas tersulit yang harus dilewati oleh tugas ini. Untuk contoh ini, kualitas riset, akses ke backend, dan pengaktifan otomatis keesokan hari sebaiknya diverifikasi secara terpisah.
- Perlu menyerahkan materi dan perencanaan hari ini: prioritaskan riset ChatGPT Work, Claude Cowork, Kimi Work, dan mulai dengan tugas sekali jalan.
- Ingin membangun program produksi konten jangka panjang: prioritaskan riset Codex, Claude Code, Antigravity, Kimi Code, lalu tetapkan antarmuka dan kriteria penerimaan dengan jelas.
- Ingin tetap menerima topik setiap hari tanpa menyalakan komputer: prioritaskan riset cara kerja cloud Kimi Claw, ChatGPT Work, Claude Cowork, sekaligus periksa kondisi akun dan alat yang dibutuhkan.
- Ingin mengganti mekanisme operasi secara mendalam: riset DeepSeek Harness, tetapi lakukan dulu validasi di lingkungan terisolasi, jangan langsung menghubungkannya ke akun produksi dengan hak istimewa tinggi.
Jika backend perusahaan mengubah “simpan topik” menjadi “kirim draf”, Agent berbasis browser dapat mencoba melanjutkan operasi sesuai halaman baru, sedangkan Agent tipe pengembang juga bisa memeriksa dan memperbaiki program otomasi. Namun keduanya bisa salah menilai, jadi sebaiknya tetap pertahankan pemeriksaan hasil penyimpanan, log operasi, dan konfirmasi manusia bila diperlukan.
FAQ Umum Perbandingan AI Agent
AI Agent bisa menulis rencana, kenapa belum bisa menyelesaikan seluruh pekerjaan?
Pembuatan rencana hanya mencakup satu bagian saja. Pencarian, login, pemetaan field, konfirmasi penyimpanan, dan penjadwalan otomatis semuanya membutuhkan tools, izin, dan lingkungan tambahan.
Apakah antarmuka API Agent bisa menggantikan langganan sembilan AI Agent?
Tidak. APIYI apiyi.com menyediakan layanan antarmuka model, dan tidak secara otomatis menyertakan hak langganan Work, Cowork, Remote Agents, atau produk lainnya.
Setelah AI Agent terhubung ke antarmuka terpadu, apakah model bisa diganti sesuka hati?
Tidak bisa langsung disimpulkan begitu. Saat menguji dengan APIYI apiyi.com, Anda juga perlu memverifikasi protokol adaptor yang sesuai, pemanggilan tool, dan format output. Tidak cukup hanya mengubah Base URL lalu menganggap seluruh Agent sudah bisa dipakai.
Apakah AI Agent berbasis cloud bisa masuk ke backend perusahaan?
Perlu verifikasi nyata atas keterjangkauan situs web, metode login, kondisi jaringan, dan izin operasi. Punya browser cloud tidak sama dengan sudah punya akses ke backend perusahaan.
AI Agent punya tugas terjadwal, apakah berarti komputer tidak perlu dinyalakan?
Tergantung di mana eksekusinya berjalan. Tugas terjadwal lokal tetap membutuhkan lingkungan lokal untuk berjalan, dan tugas di cloud juga hanya bisa memakai file serta tools yang benar-benar diperolehnya.
Kenapa perbandingan AI Agent tidak memberikan peringkat keseluruhan?
Kali ini belum ada pengujian terpadu. Kalau benar-benar melakukan pengujian, sebaiknya catat tingkat penyelesaian tugas, jumlah intervensi manual, waktu yang dibutuhkan, konsumsi aktual, dan penyebab kegagalan. Jumlah fitur tidak bisa menggantikan hasil pengujian.
Poin Penting AI Agent
- Pengiriman langsung dan membangun sistem adalah dua tujuan pemilihan yang berbeda.
- Mencari di web, mengoperasikan web, dan mengendalikan desktop harus dinilai secara terpisah.
- Cloud yang terus berjalan bukan berarti bisa membaca file di komputer yang sudah dimatikan.
- Selain pemicu terjadwal, juga dibutuhkan lingkungan eksekusi yang selalu tersedia.
- Kode terbuka dan antarmuka ekstensi tidak berarti seluruh layanan hosted terbuka.
- Verifikasi dulu penyimpanan satu draf, baru pertimbangkan pengulangan otomatis setiap hari.
Ringkasan Perbandingan AI Agent: Verifikasi Dulu Langkah Tersulit
Untuk pekerjaan konten berita ini, produk kelas Work／Cowork lebih cocok untuk memverifikasi pengiriman langsung terlebih dahulu, Agent tipe pengembang lebih cocok untuk membangun program yang bisa dieksekusi berulang, Kimi Claw cenderung ke otomatisasi terkelola di cloud, sedangkan DeepSeek Harness memberi ruang kustomisasi sistem runtime yang lebih mendalam.
Langkah berikutnya bukan mengirim petunjuk yang sama ke sembilan produk lalu mengumumkan pemenang, melainkan menyiapkan satu berita nyata, satu templat perencanaan, dan satu backend uji dengan hak akses rendah. Jika perlu membandingkan efek di lapisan model, Anda bisa memverifikasinya lewat APIYI apiyi.com, lalu menghubungkan pencarian, penyimpanan, dan penjadwalan secara bertahap.
Referensi Perbandingan AI Agent
Berikut adalah sumber resmi yang dipakai dalam materi serah-terima ini. Kemampuan terkait dibatasi oleh tanggal verifikasi, versi aktual, dan kondisi akun yang tercantum; di antaranya, halaman terkait ChatGPT Work pada pembacaan putaran ini mengembalikan 403.
- Diferensiasi produk OpenAI dan browser cloud:
help.openai.com/en/articles/20001275-chatgpt-work-and-codex;help.openai.com/en/articles/20001280-using-cloud-browser-in-chatgpt. - Platform terbuka Codex dan eksekusi cloud:
developers.openai.com/blog/codex-as-a-platform;help.openai.com/en/articles/20001545-using-codex-cloud. - Claude Cowork dan Claude Code:
support.claude.com/en/articles/15520349-use-claude-cowork-on-web-desktop-and-mobile;code.claude.com/docs/en/overview. - Eksekusi jarak jauh dan penjadwalan Antigravity:
antigravity.google/docs/remote-agents;antigravity.google/docs/commands/schedule. - Proyek resmi DeepSeek Harness:
github.com/deepseek-ai/deepseek-harness. Materi referensi mencakup arsitektur, perakitan browser, dan catatan keamanan. - Dokumentasi produk Kimi:
www.kimi.com/en/help/kimi-work/overview;www.kimi.com/code/docs/en/;www.kimi.com/en/help/kimi-claw/overview.
Penulis: Tim Teknis APIYI. Jika Anda ingin berdiskusi tentang verifikasi antarmuka model dan rencana pemisahan alur kerja, kunjungi APIYI apiyi.com untuk menghubungi kami; izin produk Agent tertentu masih perlu dikonfirmasi kepada vendor terkait.
