Bahasa Indonesia
Cara Membangun AI Agent dengan OpenAI Assistants (Kini Responses API)
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
Assistants API OpenAI memungkinkan developer membangun aplikasi bergaya agent dengan thread percakapan yang persisten, retrieval file, eksekusi kode, dan function calling, tanpa harus mengelola semua state itu secara manual. API ini penting, dan untuk integrasi yang sudah ada, API ini masih berjalan hingga hari ini. Namun OpenAI mengumumkan penghentiannya pada 26 Agustus 2025, dengan tanggal sunset penuh 26 Agustus 2026, dan mengarahkan seluruh pengembangan baru ke Responses API dan Agents SDK. Jika Anda memulai proyek baru, bangunlah di sana. Panduan ini membahas apa yang dilakukan Assistants API, penggantinya, dan cara membangun agent di tool OpenAI yang berlaku saat ini.
Apa Itu Assistants API, dan Mengapa Dihentikan
Diluncurkan pada konferensi developer OpenAI 2023, Assistants API memberi developer empat primitif inti: Assistant (agent yang dikonfigurasi, lengkap dengan instruksi dan tool), Thread (percakapan persisten), Run (satu eksekusi assistant terhadap sebuah thread), dan Run Steps (tindakan individual yang diambil selama sebuah run). API ini juga menyertakan retrieval atas file yang diunggah, code interpreter, dan function calling, yang untuk sementara waktu menjadikannya cara tercepat membangun agent berstate yang menggunakan tool tanpa membangun sendiri infrastrukturnya.
Masalahnya, menurut OpenAI sendiri, adalah kompleksitas. Ketika perusahaan merilis Responses API pada Maret 2025, mereka menyatakan dengan jelas bahwa mereka berencana membawa setiap fitur Assistants ke API yang lebih sederhana dan menghentikan yang asli, dan mereka menepatinya: pemberitahuan penghentian disampaikan kepada developer pada 26 Agustus 2025, dengan penghapusan dari API tepat satu tahun kemudian. Panduan migrasi OpenAI menegaskan tidak ada fungsionalitas yang hilang dalam perpindahan ini, fitur-fiturnya ditata ulang, bukan dibuang.
Penggantinya: Responses API dan Agents SDK
Responses API bukan sekadar ganti nama, melainkan model yang benar-benar lebih sederhana: kirim item input, terima item output langsung, tanpa polling objek Run sampai statusnya berubah. Empat konsep Assistants dipetakan ke empat konsep Responses.
| Assistants API | Padanan di Responses API | Apa yang berubah |
|---|---|---|
| Assistants | Prompts | Konfigurasi kini berada di dashboard dengan versioning bawaan, bukan dikelola sepenuhnya lewat panggilan API |
| Threads | Conversations | Diperluas untuk menyimpan lebih dari pesan: panggilan tool, output, dan jenis item lainnya |
| Runs | Responses | Anda mengirim input dan menerima output langsung; tidak perlu loop polling |
| Run steps | Items | Objek yang digeneralisasi untuk mencakup beragam data yang dapat dimuat sebuah respons |
Responses API juga menyertakan lima tool bawaan yang tidak perlu Anda bangun sendiri: web search, file search, code interpreter, computer use, dan koneksi remote MCP server. File search adalah penerus langsung fitur retrieval Assistants API, pola grounding dokumen yang sama seperti yang dibahas dalam RAG untuk AI agent dan, pada tingkat pattern, RAG assistant pattern.
Untuk kebutuhan di luar satu agent, OpenAI juga menyediakan Agents SDK, penerus siap produksi dari framework eksperimental "Swarm" sebelumnya. Jika Responses API memberi Anda blok bangunannya, satu panggilan masuk, satu respons keluar, maka Agents SDK memberi orkestrasi di sekitarnya: Agents (model ditambah instruksi dan tool), Handoffs (memungkinkan satu agent mendelegasikan tugas ke agent lain), dan Guardrails (memvalidasi apa yang masuk dan apa yang keluar). Pembingkaian OpenAI sendiri lugas: gunakan Responses API ketika Anda ingin memegang sendiri loop agent, gunakan Agents SDK ketika Anda ingin SDK yang menjalankan loop itu untuk Anda. Tambahan SDK pada 2026 mencakup integrasi Realtime API native untuk agent suara dan dukungan kelas satu untuk Model Context Protocol server, sehingga tool apa pun yang mendukung MCP menjadi kapabilitas yang dapat dihubungkan tanpa kode perekat kustom.
Panduan Build Langkah demi Langkah
- Putuskan siapa yang memegang loop. Untuk satu agent yang cukup sederhana, panggil Responses API secara langsung dan tangani siklus input/output/function-call di kode Anda sendiri. Untuk beberapa agent yang berkoordinasi, atau jika Anda tidak ingin menulis loop itu sendiri, mulailah dengan Agents SDK.
- Tulis instruksi agent. Ini adalah blok Role dan Rules dari cara membangun AI agent, dinyatakan sebagai system prompt: apa yang menjadi tanggung jawab agent, apa yang tidak boleh dilakukannya.
- Pasang tool bawaan sesuai kebutuhan. File search jika agent perlu menjawab dari dokumen Anda sendiri, web search jika membutuhkan informasi terkini, code interpreter untuk perhitungan, computer use hanya jika benar-benar perlu mengoperasikan sebuah UI.
- Hubungkan tool function-calling kustom untuk sistem Anda sendiri. Definisikan JSON schema untuk setiap fungsi (nama, parameter, deskripsi); model meminta sebuah panggilan dengan argumen tertentu, kode aplikasi Anda yang benar-benar mengeksekusinya terhadap CRM, database, atau API Anda, lalu mengembalikan hasilnya agar model melanjutkan penalarannya. Ini adalah mekanisme tool-calling yang sama seperti yang dibahas mendalam dalam cara AI agent menggunakan tool.
- Gunakan Conversations untuk apa pun yang perlu bertahan lintas sesi, penerus langsung Assistants Threads.
- Tambahkan Handoffs jika pekerjaan terbagi dengan rapi ke beberapa agent spesialis, pola orkestrasi yang sama seperti yang dibahas dalam sistem multi-agent.
- Tambahkan Guardrails untuk memvalidasi input dan output, dan tambahkan tracing (integrasi Sentry-native milik SDK, atau logging Anda sendiri) agar Anda dapat melihat persis tool mana yang berjalan dan mengapa sebelum mempercayakan volume nyata kepada agent.
- Deploy di balik backend Anda sendiri. Tidak ada host visual di sini; Anda yang memiliki server, autentikasi, dan logika retry.
Implementasi bergerak dari kepemilikan loop dan instruksi, melalui tool, state persisten, handoff, guardrail, hingga tracing.
Contoh Kasus: AI Knowledge Base Agent
Knowledge base agent sangat cocok untuk Responses API, karena bertumpu langsung pada tool bawaan file search, bukan kode retrieval kustom.
Seorang pengguna mengajukan pertanyaan. Instruksi agent membatasinya hanya menjawab dari kumpulan dokumen perusahaan yang diunggah dan diindeks, yang terhubung melalui tool file search. Agent mencari, menemukan bagian yang relevan, dan menjawab dengan sitasi ke dokumen sumber, bukan klaim tanpa dasar. Jika file search tidak mengembalikan kecocokan yang meyakinkan, instruksi memerintahkannya mengatakannya secara eksplisit alih-alih menebak, dan tool function-calling kustom memungkinkannya mengeskalasi pertanyaan ke antrean manusia saat tidak dapat menjawab.
Itu adalah struktur rules dan guardrails yang sama seperti yang dispesifikasikan penuh oleh blueprint AI Knowledge Base Agent: batasi pada sumber yang disetujui, sitasi asal jawaban, eskalasi alih-alih menebak. Membangunnya di Responses API pada dasarnya berarti menghubungkan tool file search dan fungsi eskalasi, lalu membiarkan penalaran model sendiri memutuskan kapan masing-masing berlaku.
Biaya dan Batasan
API OpenAI menagih berdasarkan token (input dan output dihargai terpisah, bervariasi menurut model), dan setiap tool bawaan memiliki pengukuran sendiri: web search dan file search menagih per panggilan atau per volume dokumen yang disimpan, code interpreter dan computer use menagih waktu komputasi yang mereka jalankan. Tarif sering berubah sehingga sebaiknya Anda memeriksa langsung halaman harga OpenAI, bukan menganggap angka apa pun di sini sebagai yang terkini. Yang penting untuk perencanaan adalah bentuk biayanya, berbasis pemakaian di beberapa meteran terpisah, bukan satu harga tetap, jadi baca total cost of ownership AI sebelum Anda memperkirakan agent berat yang selalu aktif dari tagihan pilot yang ringan.
Batasan yang lebih besar bagi kebanyakan tim bukan biaya, melainkan bahwa jalur ini sama sekali tidak menyediakan visual builder. Setiap hal yang ditangani n8n, Make, atau Lindy untuk Anda (hosting, retry, UI agar non-engineer dapat menyesuaikan agent) menjadi tugas tim Anda di sini. Itulah trade-off yang perlu disebut dengan jelas: Anda mendapat akses first-party ke model dan tool OpenAI dengan abstraksi paling sedikit antara Anda dan API, sebagai ganti memiliki seluruh runtime sendiri. Dan jika Anda memiliki integrasi Assistants API yang sudah ada, migrasi bukan pilihan. Migrasi harus dilakukan sebelum 26 Agustus 2026, dengan pemetaan di atas, atau integrasi akan berhenti berfungsi sepenuhnya.
Kapan Memilih Ini vs Alternatif
| Jika Anda menginginkan... | Pilih |
|---|---|
| Kendali kode penuh langsung di model OpenAI, abstraksi minimal, tim Anda sudah menulis software | Responses API dan Agents SDK OpenAI |
| Jalur tercepat menuju agent yang berfungsi tanpa kode sama sekali | Lindy |
| Katalog aplikasi pra-bangun terluas dengan visual builder | Make |
| Self-hosting dengan kanvas visual plus jalan keluar ke kode | n8n |
Pilihan-pilihan ini tidak sepenuhnya saling eksklusif. n8n, Make, dan Lindy semuanya dapat memanggil model OpenAI sebagai mesin penalaran di balik agent yang dibangun di platform mereka; Anda memilih lapisan orkestrasi, belum tentu menjauh dari model OpenAI itu sendiri. Bangun langsung di Responses API dan Agents SDK ketika tim Anda sudah merilis kode dan menginginkan lapisan paling sedikit antara aplikasi dan model. Pilih platform visual ketika Anda bersedia menukar sebagian kendali tingkat rendah dengan iterasi lebih cepat dan builder yang juga dapat disentuh non-engineer. Urgensi di balik pilihan itu nyata: Gartner memprediksi 40% aplikasi enterprise akan memiliki AI agent khusus tugas pada akhir 2026, naik dari kurang dari 5% pada 2025, jenis kurva adopsi yang membuat membangun di platform yang sedang dipensiunkan OpenAI menjadi taruhan yang keliru saat ini.
Key Facts
- OpenAI mengumumkan penghentian Assistants API pada 26 Agustus 2025, dengan tanggal sunset penuh 26 Agustus 2026. Proyek baru sebaiknya dibangun di Responses API.
- Responses API menggantikan empat konsep Assistants: Assistants menjadi Prompts, Threads menjadi Conversations, Runs menjadi Responses, dan Run steps menjadi Items.
- Responses API menyertakan lima tool bawaan: web search, file search, code interpreter, computer use, dan koneksi remote MCP server.
- Agents SDK, penerus siap produksi dari framework eksperimental Swarm milik OpenAI, menambahkan Agents, Handoffs, dan Guardrails untuk mengoordinasikan lebih dari satu agent.
- Gartner memprediksi 40% aplikasi enterprise akan memiliki AI agent khusus tugas pada akhir 2026, naik dari kurang dari 5% pada 2025.
Pertanyaan yang Sering Diajukan tentang Membangun AI Agent dengan OpenAI Assistants
Apakah OpenAI Assistants API masih dapat digunakan pada 2026?
Ya, hingga tanggal sunset 26 Agustus 2026, setelah itu dihapus sepenuhnya dari API. Integrasi yang sudah ada tetap berjalan sampai saat itu, tetapi OpenAI telah mengarahkan seluruh pengembangan baru ke Responses API dan Agents SDK sejak mengumumkan penghentian pada 26 Agustus 2025.
Apa yang menggantikan Assistants API?
Responses API, yang menyatukan dan menyederhanakan kapabilitas yang sama (state persisten, retrieval, eksekusi kode, function calling) ke dalam model di mana Anda mengirim item input dan menerima item output langsung, tanpa polling objek Run. Untuk mengoordinasikan banyak agent, Agents SDK OpenAI berada di atas Responses API dan menambahkan handoff dan guardrail.
Apakah saya perlu memigrasikan integrasi Assistants API yang sudah ada?
Ya, sebelum 26 Agustus 2026. Panduan migrasi OpenAI memetakan setiap konsep Assistants ke padanannya di Responses API (Assistants ke Prompts, Threads ke Conversations, Runs ke Responses, Run steps ke Items), dan menegaskan tidak ada fungsionalitas yang hilang, hanya ditata ulang.
Apa perbedaan Responses API dan Agents SDK?
Responses API adalah primitif dasarnya, Anda mengirim permintaan dan menerima respons, dan Anda yang memegang loop untuk memanggilnya berulang kali, mengeksekusi function call, dan memasukkan hasilnya kembali. Agents SDK dibangun di atasnya dan menjalankan loop itu untuk Anda, ditambah handoff multi-agent dan guardrail input/output, berguna begitu logika satu agent cukup kompleks untuk membutuhkan struktur tersebut.
Bisakah saya membangun AI agent di model OpenAI tanpa menulis kode?
Tidak secara langsung lewat API OpenAI sendiri, karena tidak ada visual builder. Platform seperti n8n, Make, dan Lindy dapat memanggil model OpenAI sebagai mesin penalaran di balik agent yang Anda bangun secara visual, yang merupakan rute lebih mudah diakses jika tim Anda tidak ingin menulis dan meng-host sendiri kode orkestrasinya.
Langkah Selanjutnya
Jika tim Anda sudah menulis software dan menginginkan lapisan paling sedikit antara kode Anda dan model OpenAI, Responses API dan Agents SDK adalah titik awal yang tepat, cukup bangun di sana, bukan di API yang sedang dipensiunkan. Jika Anda lebih suka membangun secara visual, lihat cara membangun AI agent dengan n8n, cara membangun AI agent dengan Make, atau cara membangun AI agent dengan Lindy, tergantung seberapa besar kendali versus kecepatan yang Anda butuhkan. Rangkuman tool pengembang dan panduan cara memilih platform AI chatbot adalah persinggahan berikutnya yang berguna jika Anda masih membandingkan tool OpenAI sendiri dengan platform hosted.
