AWS Emulator Dibangun Ribuan Agen AI Otonom, Kode 100% Tanpa Manusia

AWS Emulator resmi dirilis sebagai emulator lokal layanan AWS yang seluruh kodenya ditulis oleh ribuan agen AI otonom. Tim pengembang tidak menulis atau meninjau satu baris pun kode, mengandalkan guardrail untuk memastikan agen bekerja sesuai batas.

Emulator ini dapat dijalankan di mesin lokal untuk membangun dan menguji aplikasi AWS. Kode sumbernya tersedia di GitHub dengan lisensi Creative Commons CC0 dan terus diperbarui. Ribuan agen otonom menulis tes, menemukan masalah, dan memperbaiki kode tanpa tinjauan manusia.

Kronologi: Dari Eksperimen Akhir Pekan Hingga Produk Rilis

AWS Emulator berawal dari eksperimen akhir pekan. Seorang penulis yang juga bagian dari tim Amazon terinspirasi demonstrasi peneliti Anthropic yang menunjukkan agen AI dapat membangun kompilator C secara otonom. Ia melihat AWS memiliki dua komponen kunci: spesifikasi berupa AWS API Models dan implementasi referensi berupa cloud AWS asli.

Dengan hipotesis itu, ia memberikan prompt sederhana kepada Kiro, agen AI dari Amazon: tulis tes berdasarkan AWS CLI, iterasi hingga tes lolos terhadap AWS asli, lalu bangun implementasi in-memory yang lolos tes yang sama. Dalam 15 menit, Kiro menghasilkan versi pertama Amazon SQS yang cukup baik. Prompt disempurnakan, dan selama akhir pekan Kiro membangun sebagian besar layanan AWS.

Hasilnya memang memiliki celah, tetapi cukup meyakinkan hingga tim mulai menggunakannya untuk menguji perangkat lunak pada Senin berikutnya. Namun, membangun produk yang layak dipercaya pelanggan membutuhkan upaya rekayasa serius, terutama membangun guardrail agar agen tidak keluar batas.

Tiga Tim Agen AI dan Guardrail yang Menjaga Kualitas

AWS Emulator dibangun oleh tiga tim agen dengan pembagian tugas yang jelas. Tim pertama mengelola suite tes yang mengukur fidelity terhadap cloud AWS asli. Setiap tes adalah skenario dunia nyata, misalnya untuk Amazon SQS: membuat antrean, mengirim pesan, menerima, mengakui, dan menghapus antrean. Agen menyusun tes dari AWS API Models dan memverifikasinya terhadap AWS asli sebelum diajukan. Saat ini terdapat puluhan ribu tes fidelity di seluruh AWS, dan jumlahnya terus bertambah.

Tim kedua memutar ulang tes fidelity untuk menemukan divergensi di emulator. Awalnya, repositori berisi server web kosong yang menangani permintaan untuk 438 AWS API Models tetapi tidak melakukan apa pun. Agen kemudian membanjiri repositori untuk mencari tahu apa yang tidak berfungsi. Mereka diminta menalar kegagalan dan mengelompokkan kegagalan yang mungkin memiliki akar masalah sama.

Setiap masalah diberikan kepada agen di tim ketiga untuk diperbaiki. Agen tersebut memeriksa kode, mencari akar masalah, dan mengedit kode hingga masalah teratasi. Perubahan kode harus melewati gerbang yang memastikan kompilasi, kepatuhan standar koding, keamanan, dan tidak menurunkan fidelity. Jika gagal, perubahan dikembalikan untuk diperbaiki; jika lolos, barulah digabungkan ke mainline. Ribuan masalah diperbaiki setiap hari saat ratusan agen bekerja bersamaan.

Dampak dan Reaksi: Kode Terbuka dan Pelajaran dari Sejarah Agen

Setelah digabungkan ke mainline, perubahan mengalir melalui pipeline rilis yang dibangun sepenuhnya di atas AWS Developer Tools, dengan AWS CodeCommit sebagai repositori utama agen. Komitmen biasanya menumpuk, dibangun, dan diuji ulang sebelum digabungkan ke cabang rilis. Emulator kemudian dikemas sebagai biner yang dapat diunduh. Kode baru dipublikasikan ke GitHub pada akhir proses rilis.

Kode dirilis ke GitHub agar publik dapat melihat apa yang telah dilakukan agen selama ribuan komitmen. Setiap masalah yang diajukan ada di repositori. Yang sudah diperbaiki berada di direktori "issues/things-that-now-work"; yang masih dalam backlog ada di "issues/things-that-do-not-work".

Ada cerita menarik dari versi sebelumnya: agen memutuskan membangun interpreter Python sendiri untuk mendukung fungsi AWS Lambda. Kini agen diarahkan untuk menggunakan kembali pustaka yang sudah ada. "Saya menantikan solusi baru apa lagi yang akan dihasilkan agen di versi ini. Tetapi saya percaya pada hasilnya karena guardrail kami," tulis penulis dalam pengumuman resmi.

Lisensi CC0 dipilih sebagai bentuk dedikasi publik. Kode sumber dan tes fidelity tersedia di GitHub. Perusahaan juga merilis seri tulisan lanjutan yang akan membahas arsitektur alur kerja multi-agen, cara mengukur fidelity, serta cara memastikan standar kualitas dan keamanan.

Latar Belakang: Mengapa Agen AI Butuh "Buku Mewarnai"

Dalam pengantar pengumuman, penulis menganalogikan agen AI dengan pengalaman masa kecilnya saat menggambar dinosaurus di kelas. Sebagai anak termuda, kemampuan motoriknya belum cukup untuk memegang krayon dengan benar, dan teman-teman sekelasnya marah karena gambarnya dianggap merusak. Ia menilai agen AI tidak berniat buruk, hanya kurang kompeten.

Karena itu, agen membutuhkan "buku mewarnai"—area kerja yang jelas batasnya. Guardrail dalam AWS Emulator berfungsi seperti itu: memberi ruang bagi agen untuk bekerja mandiri, tetapi tetap dalam koridor yang ditentukan. Pendekatan ini memungkinkan tim mempercayai hasil kerja agen tanpa harus meninjau setiap baris kode.

Keberhasilan ini juga bergantung pada spesifikasi yang terdefinisi baik dan implementasi referensi. AWS API Models menjadi spesifikasi, sedangkan cloud AWS asli menjadi pembanding. Dengan dua hal itu, agen dapat membangun solusi yang secara faithful mengimplementasikan spesifikasi.

Langkah Selanjutnya: Seri Tulisan dan Pengembangan Berkelanjutan

Perusahaan berencana merilis seri tulisan lanjutan yang mengupas lebih dalam arsitektur alur kerja multi-agen, metode pengukuran fidelity, serta cara memastikan kualitas dan keamanan. Kode sumber dan tes fidelity tetap tersedia di GitHub untuk umum.

Emulator ini akan terus diperbarui karena ribuan agen terus bekerja setiap hari. Publik dapat memantau perkembangan melalui repositori, termasuk masalah yang sudah dan belum teratasi. Bagi pengembang yang ingin mencoba, emulator dapat diunduh sebagai biner dan dijalankan secara lokal.

Meski demikian, penulis menegaskan bahwa membangun produk yang siap digunakan pelanggan masih membutuhkan rekayasa serius. AI memang dapat membangun banyak hal, tetapi kepercayaan pada hasilnya berasal dari guardrail yang dirancang manusia.

Analisis Redaksi

Langkah Amazon merilis AWS Emulator yang seluruh kodenya ditulis agen AI otonom adalah sinyal penting bagi industri pengembangan perangkat lunak. Bukan karena AI menggantikan programmer, tetapi karena cara kerja tim engineering berubah secara fundamental. Peran manusia bergeser dari menulis kode menjadi merancang guardrail, spesifikasi, dan gerbang kualitas.

Yang menarik, keberhasilan ini tidak datang dari model AI yang lebih pintar semata, melainkan dari infrastruktur pengujian yang ketat. Puluhan ribu tes fidelity yang diverifikasi terhadap AWS asli menjadi jangkar yang mencegah agen menghasilkan kode asal-asalan. Tanpa itu, ribuan agen yang bekerja bersamaan justru berpotensi menciptakan kekacauan.

Namun, klaim "100% ditulis agen" perlu dibaca kritis. Manusia tetap menentukan prompt, arsitektur tim agen, dan kriteria kelulusan. Agen hanya bekerja dalam batas yang diberikan. Ini bukan akhir dari rekayasa perangkat lunak, melainkan babak baru di mana manusia merancang sistem yang memungkinkan agen bekerja produktif dan aman. Tantangan berikutnya adalah memastikan model serupa dapat diterapkan pada domain lain yang tidak memiliki implementasi referensi sejelas AWS.

Sumber: aboutamazon.com, github.com