AI
Bawa agen AI Anda sendiri ke WhatsApp: hubungkan framework apa pun (LangGraph, ADK, kustom) dengan endpoint webhook
Tim Anda membangun agen dengan LangGraph, Google ADK, CrewAI, atau kode biasa, dan agen itu berfungsi. Berikut cara menempatkannya di hadapan pelanggan di WhatsApp dan setiap kanal lain tanpa membangunnya ulang, dengan inbox tim dan serah terima ke petugas di sekitarnya.
Tim MonoChat Diperbarui: 5 menit baca
Di halaman ini
Anda dapat menghubungkan hampir semua agen AI ke WhatsApp tanpa menulis ulang. Jalankan agen Anda, yang dibangun dengan LangGraph, Google ADK, CrewAI, atau kode Anda sendiri, di balik endpoint HTTPS, lalu tambahkan di MonoChat sebagai AI Harness dengan penyedia Custom: URL endpoint dan shared secret. Letakkan node AI Agent dalam alur, hubungkan nomor WhatsApp Anda, dan agen Anda menjawab pelanggan di WhatsApp dan setiap kanal lain yang terhubung ke MonoChat, dengan inbox bersama dan serah terima ke petugas di sekitarnya.
Panduan ini ditujukan untuk tim yang sudah memiliki agen, atau menginginkan kendali penuh atas cara kerjanya. Panduan ini membahas kapan membawa agen sendiri masuk akal, apa tanggung jawab endpoint Anda, penyiapan di MonoChat, dan detail yang penting dalam produksi.
Mengapa membawa agen sendiri?
Kebanyakan platform pesan pelanggan hadir dengan satu agen AI bawaan. Itu praktis sampai:
- Agen Anda sudah dibangun. Developer Anda menghabiskan berbulan-bulan untuk graf LangGraph atau penyiapan multi-agen ADK, lengkap dengan evaluasi dan pengujian. Membangunnya ulang di dalam pembuat bot vendor berarti membuang pekerjaan itu.
- Anda memerlukan logika sendiri. Aturan harga, pemeriksaan kelayakan, langkah kepatuhan, atau sistem internal yang hanya dapat dijangkau kode Anda.
- Anda ingin memilih framework. Framework berkembang cepat. Hari ini LangGraph; tahun depan mungkin yang lain. Kanal dan inbox Anda tidak seharusnya ikut berubah.
- Data harus tetap bersama Anda. Sebagian organisasi menginginkan penalaran dan pemanggilan alat agen berjalan di infrastruktur mereka sendiri.
Agent Harness MonoChat dibangun untuk ini: bawa framework agen Anda sendiri dan pertahankan semua yang ada di sekitarnya, yaitu kanal, inbox, dan orang-orangnya, di satu tempat.
Cara kerja harness Custom
Anggap ini sebagai pembagian tugas.
MonoChat menangani lapisan percakapan:
- Koneksi resmi ke WhatsApp, Instagram, Messenger, TikTok, Telegram, web chat, SMS, dan suara (MonoChat adalah Meta Business Partner resmi).
- Alur yang menentukan kapan agen dipanggil, melalui node AI Agent.
- Inbox tim bersama, tempat petugas dapat mengambil alih dengan riwayat lengkap.
Endpoint Anda menangani agen:
- Menerima percakapan dari MonoChat.
- Menjalankan agen Anda: penalarannya, alatnya, memorinya.
- Mengembalikan balasan agen.
Di antara keduanya ada shared secret, nilai yang diketahui kedua pihak, sehingga endpoint Anda dapat memverifikasi bahwa permintaan berasal dari akun MonoChat Anda. MonoChat menetapkan format permintaan dan respons yang tepat untuk diimplementasikan endpoint Anda; jika Anda belum memilikinya, hubungi kami dan kami akan membagikannya kepada developer Anda.
Apa yang harus dilakukan endpoint Anda
Framework apa pun yang Anda gunakan, endpoint agen yang siap produksi memiliki beberapa tugas.
Verifikasi setiap permintaan
Periksa shared secret pada setiap panggilan dan tolak yang tidak cocok. Simpan secret di secrets manager atau environment variable Anda, bukan di kode, dan ganti jika pernah terekspos.
Pisahkan setiap percakapan
Pelanggan menulis secara paralel. Pastikan state, memori, dan file kerja agen Anda dibatasi pada satu percakapan, sehingga detail satu pelanggan tidak pernah bocor ke jawaban pelanggan lain.
Jawab dengan pesan seukuran chat
Agen yang dibuat untuk aplikasi web cenderung menulis jawaban panjang dan berformat. WhatsApp dibaca di ponsel. Minta agen Anda menulis pesan singkat, satu pertanyaan sekali waktu, dan hindari Markdown yang berat dalam balasan.
Gagal dengan jelas, bukan diam-diam
Jika alat habis waktu atau penyedia model Anda mengembalikan error, kembalikan kegagalan yang jelas, bukan jawaban setengah jadi. Kegagalan yang dapat diprediksi memungkinkan alur melakukan hal yang tepat, misalnya menyerahkan percakapan ke petugas.
Bersikaplah cepat
Pelanggan mengharapkan balasan dalam hitungan detik. Jauhkan pekerjaan yang berjalan lama dari jalur balasan bila mungkin, dan buat alat Anda cepat atau asinkron.
Langkah demi langkah di MonoChat
1. Deploy agen Anda di balik HTTPS
Host agen LangGraph, ADK, CrewAI, atau kustom Anda di server atau cloud Anda sendiri, yang dapat dijangkau melalui HTTPS. Implementasikan format permintaan dan respons MonoChat serta pemeriksaan shared secret.
2. Tambahkan AI Harness dengan penyedia Custom
Di MonoChat, tambahkan AI Harness, pilih Custom, dan masukkan URL endpoint serta shared secret Anda. Anda menambahkan harness sekali dan dapat menggunakannya di alur sebanyak yang Anda mau.
3. Tambahkan node AI Agent ke alur
Di alur yang menerima percakapan masuk, tambahkan node AI Agent dan pilih harness kustom Anda. Gunakan alur di sekitarnya untuk apa yang paling baik dilakukan alur: menyapa, perutean berdasarkan bahasa atau topik, jam kerja, dan jalur ke petugas.
4. Tetapkan anggaran per proses
Setiap node AI Agent mendukung batas anggaran per proses. Gunakan sebagai jaring pengaman di samping batas yang sudah Anda terapkan di kode Anda sendiri.
5. Hubungkan WhatsApp dan kanal lain
Hubungkan nomor WhatsApp Business Anda, lalu sambungkan alur yang sama ke kanal lain yang Anda gunakan. Tidak ada pekerjaan integrasi tambahan per kanal: endpoint Anda melihat percakapan, bukan API kanal.
6. Uji, lalu luncurkan
Putar ulang pesan pelanggan nyata melalui alur. Periksa pemanggilan alat, waktu respons, nada, dan serah terima. Pantau dengan cermat beberapa hari pertama lalu lintas langsung, kemudian perluas apa yang diizinkan untuk dilakukan agen.
Catatan framework
LangGraph. Graf berisi node dan edge cocok secara alami untuk alur dukungan (triase, pencarian, penyelesaian, eskalasi). Bungkus graf yang telah dikompilasi dalam layanan HTTP kecil, muat state percakapan pada setiap permintaan, dan kembalikan pesan akhirnya.
Google ADK. Pohon multi-agen ADK, koordinator dengan sub-agen spesialis, cocok dengan tim dukungan, penjualan, dan penagihan. Ekspos agen akar melalui endpoint Anda dan biarkan ADK melakukan perutean secara internal.
CrewAI. Kru agen berbasis peran bekerja baik untuk tugas dengan serah terima yang jelas, seperti riset lalu jawaban. Jaga kru tetap kecil untuk chat: setiap agen tambahan menambah latensi.
Kode Anda sendiri. Siklus sederhana dengan API model dan beberapa fungsi sering kali sudah cukup. Anda mempertahankan kendali penuh, dan MonoChat menyediakan kanal dan inbox.
Serah terima: tentukan di dalam alur
Tentukan di dalam alur percakapan mana yang diteruskan ke petugas dan tim mana yang menerimanya, dan tulis agen Anda agar jujur memberi tahu pelanggan saat tidak dapat membantu, bukan menebak. Alur kemudian menyerahkan percakapan ke tim yang tepat di inbox bersama dengan riwayat lengkap. Business Messaging Policy WhatsApp juga mengharapkan balasan otomatis menyediakan jalur yang jelas ke petugas.
Jaga juga agen Anda tetap di dalam bisnis Anda. Sejak 15 Januari 2026, WhatsApp melarang asisten AI serbaguna di platform; agen yang melayani pelanggan Anda sendiri tidak masalah. Panduan kebijakan chatbot AI WhatsApp kami menjelaskan aturannya.
Kapan tidak perlu membangun sendiri
Agen kustom adalah opsi paling fleksibel dan juga yang harus Anda pelihara. Jika Anda mulai dari nol, opsi bawaan membuat Anda tayang lebih cepat tanpa apa pun yang perlu di-host:
- Harness bawaan MonoChat pada model AI MonoChat Anda.
- OpenAI Agents SDK, dijalankan di dalam MonoChat (panduan).
- Claude Agent SDK atau Pi, dijalankan di agent runner MonoChat (panduan Claude).
- Agen terkelola: OpenAI Agents API atau Claude Managed Agents, dengan key Anda sendiri.
Karena setiap opsi memakai node AI Agent yang sama, Anda dapat memulai dengan satu dan beralih ke agen Anda sendiri nanti tanpa menyentuh kanal atau serah terima. Bandingkan di halaman Agent Harness.
Terapkan dengan MonoChat