Agent Teams.
Tim teknis sungguhan, sudah ter-script.
AgentsRoom Teams merangkai AI coding agents kamu seperti tim engineering sungguhan. Seorang Fullstack Dev men-ship fitur, seorang QA Engineer memvalidasi, seorang PM menyetujuinya. Setiap role sudah ter-script, workflow-nya visual, dan setiap handoff membawa ringkasan fitur, diff, risiko, dan hint test. Tidak ada lagi satu agen yang mengerjakan semuanya dengan buruk.
Bangun tim dev AI impian kamu di canvas visual, persis seperti workflow n8n. Conditional edges, feedback loop, retry, max-cycles guard. Simpan sekali, jalankan di setiap tiket, lihat agen kamu mengoper tongkat estafet seperti senior beneran.
AgentsRoom Teams: editor workflow multi-agen visual, handoff otomatis antar agen Claude Code, feedback loop Dev ke QA, komunikasi antar-agen berbasis MCP.
Agent Teams adalah jawaban AgentsRoom atas kenyataan pahit tentang AI coding agents: satu agen yang mencoba mengerjakan semuanya akhirnya melakukan semuanya dengan buruk. Agen Fullstack yang sekaligus coding, testing, review, deploy, dan menulis spec lupa setengah instruksinya di tengah jalan. Jawaban yang benar, yang dipakai setiap tim software serius di dunia, adalah membagi pekerjaan ke dalam role. Developer coding. QA engineer memvalidasi. Product manager menyetujui. Security reviewer mengaudit. Setiap role punya konteksnya sendiri, fokusnya sendiri, tooling-nya sendiri.
Inilah yang dibawa Agent Teams ke AgentsRoom. Kamu menaruh node di canvas tak terbatas (dibangun di atas React Flow, mesin yang sama dengan n8n, Make, Retool, dan Pipedream), setiap node adalah agen Claude Code, Codex, OpenCode, Gemini CLI, atau Aider yang ditugaskan ke role tertentu, lalu kamu menghubungkannya. Jalankan tim pada tiket dari backlog kamu, atau pasang ke spawn agen baru manapun. AgentsRoom mengorkestrasi rangkaiannya: spawn agen pertama, tunggu handoff, ringkas pekerjaan, spawn agen berikutnya dengan ringkasan itu sebagai konteks masuk, ulangi sampai tim mencapai end node.
Tool lain mencoba melakukan ini dengan satu super-agent dan prompt pintar. Kami sudah coba, tidak jalan setelah tiga step. Role melenceng, konteks hilang, agen lupa apa yang seharusnya diverifikasi. Agent Teams memperlakukan agen sebagai rekan satu tim sungguhan: setiap agen dapat session bersih, system prompt yang fokus, payload handoff terstruktur, dan scratchpad bersama untuk berbicara dengan yang lain. Inilah workflow tim engineering AI yang sebenarnya kamu inginkan.
Editor AgentsRoom Teams: taruh node untuk setiap role, hubungkan, tambahkan kondisi, simpan tim, jalankan di tiket manapun.
Orkestrasi multi-agen yang benar-benar scalable
Setiap node di canvas adalah agen. Kamu memilih role-nya (Fullstack, Frontend, Backend, QA, Security, DevOps, PM, Architect, Mobile, Marketing, Git, SEO, Localization, atau role custom yang sudah kamu buat), model-nya (Opus, Sonnet, Haiku, GPT-5, o3, Gemini Pro, dll), mode handoff-nya (auto via Stop hook, atau manual via tombol), dan beberapa baris instruksi spesifik step. Itu saja. Tidak perlu seremoni prompt engineering, tidak perlu menulis file YAML config.
Edge menghubungkan node. Edge sederhana berarti: ketika agen pertama menyelesaikan step-nya, hand off ke yang berikutnya. Conditional edge membawa pengecekan flag, misalnya qaPassed equals true. Agen QA mengeset flag itu di payload handoff-nya, runner memilih edge yang cocok. Inilah cara kamu membangun feedback loop: QA selesai, qaPassed equals false, edge mengirim balik ke Dev dengan hint test dan risiko. Dev memperbaiki, hand off lagi. Loop sampai QA lolos atau sampai max-cycles guard menendang.
Komunikasi antar-agen kokoh by design. AgentsRoom menyertakan server MCP khusus (agentsroom-team) yang memberikan setiap agen di run sebuah set tool: baca konteks tim, baca scratchpad NOTES.md bersama, kirim catatan untuk rekan, kirim pertanyaan ke role lain, baca inbox, baca timeline, baca git diff terhadap baseline run, dan selesaikan step dengan payload terstruktur. Tool ini disuntikkan kembali ke session Claude di setiap turn, jadi mereka selamat dari context compaction. Bahkan setelah /compact atau /clear, agen masih melihat tool tim-nya.
Di atas itu, hook UserPromptSubmit mengingatkan agen tentang catatan baru dari rekan sebelum setiap pesan user. File NOTES.md di workspace bersifat append-only dan selamat dari crash, restart, dan reboot Mac. Skema payload handoff yang divalidasi server-side mencegah agen melakukan handoff dengan payload kosong atau sampah. Inilah bagian yang diam-diam dilewati kebanyakan demo multi-agen, dan alasan kenapa kebanyakan dari mereka berantakan di cycle 3.
Semua yang kamu butuhkan untuk menjalankan kru engineering AI
Workflow visual, handoff sungguhan, feedback loop sungguhan, komunikasi antar-agen sungguhan. Dibangun supaya kamu bisa men-ship fitur dengan satu Slack ping, bukan lima puluh.
Canvas workflow visual
Canvas tak terbatas yang bisa di-zoom, ditenagai React Flow, mesin yang sama di balik n8n, Retool, Pipedream, dan Make. Taruh node, hubungkan, simpan tim. Tanpa code, tanpa YAML.
14 role agen bawaan
Fullstack, Frontend, Backend, DevOps, QA, Security, PM, Architect, Mobile, Marketing, Git Expert, SEO, i18n. Plus role custom apapun yang sudah kamu simpan di proyekmu.
Model dan prompt per node
Setiap node memilih provider, model, dan instruksi step-nya. Pakai Opus untuk Architect, Haiku untuk QA, Codex untuk backend berat, Gemini untuk frontend murah. Campur dan cocokkan.
Handoff otomatis
Saat agen memanggil team_complete_step, AgentsRoom membangun payload handoff (ringkasan fitur, file yang berubah, risiko, hint test, flag) dan men-spawn node berikutnya dengan payload itu sebagai konteks awalnya.
Opsi handoff manual
Lebih suka memvalidasi setiap step? Switch node ke mode manual. Agen menunggu, kamu klik 'Hand off' saat puas dengan hasilnya. Yang terbaik dari kedua dunia.
Conditional edges
Setiap edge bisa membawa pengecekan flag (mis. qaPassed equals true). Bangun cabang: kalau QA lolos lanjut ke PM, kalau tidak loop balik ke Dev. Logika workflow sungguhan, tanpa scripting.
Feedback loop
Dev ke QA ke Dev ke QA. Saat QA mengirim tiket balik, agen Dev original digunakan kembali dengan memori penuh siklus sebelumnya, jadi dia benar-benar memperbaiki regresi alih-alih mulai dari nol.
Max-cycles guard
Cap yang bisa dikonfigurasi (default 3). Menghindari loop QA-tolak-Dev tanpa akhir. Saat cap tercapai, run berhenti di awaiting-finalization dan kamu yang memutuskan.
Scratchpad NOTES.md bersama
Setiap agen di run membaca dan menulis ke file markdown di workspace. Selamat dari compaction, crash, restart. Sumber kebenaran tunggal untuk reasoning tim.
Inbox role-ke-role
Butuh QA bertanya ke Architect di tengah run? team_ask mengirim pesan ke inbox role tersebut. Agen berikutnya di role itu membacanya dan menjawab. Chat sungguhan antar agen.
Komunikasi antar-agen berbasis MCP
Semua tool tim diekspos lewat server MCP. Tool selamat dari context compaction Claude (Anthropic mengirim ulang setiap turn). Tahan terhadap /clear, /compact, dan loop panjang.
Ringkasan handoff bertenaga Haiku
Kalau agen tidak menulis ringkasan fitur sendiri, panggilan Haiku kecil membuatnya dari git diff. Murah, cepat, dan agen berikutnya selalu mendarat dengan konteks.
Propagasi Browser MCP
Node tim dengan verifyInBrowser otomatis switch agennya ke mode akses browser. Node QA mendarat dengan tool browser lengkap (navigate, click, type, screenshot, get logs).
Agen ephemeral per run
Setiap run tim men-spawn agen baru dan menghancurkannya saat dismiss. Daftar agen proyek kamu tetap bersih. Tim adalah workflow-nya, agen adalah runtime-nya.
Tim global dan tim proyek
Simpan tim yang bisa dipakai ulang di library global kamu (~/.agentsroom/teams) atau pin ke proyek tertentu (di-commit bersama room). Editor sama, scope berbeda.
Template tim disertakan
Tiga template seed disertakan di app: Dev ke QA, Dev ke QA dengan feedback loop, dan Dev ke Security ke QA. Duplikat, edit, jalankan. Mulai dalam 30 detik.
UI timeline run
Setiap handoff muncul sebagai card di timeline run: role mana yang baru selesai, apa kata ringkasan, file mana yang berubah, flag mana yang diset. Bisa diaudit, bisa diputar ulang.
Jalankan di tiket backlog manapun
Drop tiket ke tim dan rangkaian dimulai pada tiket itu. Agen pertama membaca judul dan body tiket, sisa tim mengambilnya dari sana.
14 role spesialis, siap dihubungkan
Setiap role punya system prompt sendiri, area fokus, dan contoh tugas. Campur dan cocokkan di canvas. Tambahkan role custom kamu sendiri kapan saja.
Kenapa tim sungguhan mengalahkan satu super-agent
Orkestrasi multi-agen terdengar seperti buzzword. Berikut perbedaan praktisnya, di sebuah fitur yang benar-benar akan kamu ship.
Skenario: menambahkan flow checkout Stripe ke situs e-commerce
Solo super-agent
- โข Membaca tiket. Menulis 600 baris di API, form React, webhook, migration, test.
- โข Lupa idempotency key di webhook. Lupa test failure path. Lupa env var staging.
- โข Bilang 'Done'. Kamu habis dua jam berburu bug di production.
Agent Team (Dev ke Security ke QA)
- โข Agen Fullstack men-ship implementasi, commit, hand off dengan ringkasan dan daftar risiko yang menandai perubahan auth.
- โข Agen Security membaca diff, mengaudit pengecekan signature webhook, menulis hint test untuk QA di payload handoff.
- โข Agen QA menjalankan hint test di browser yang tertanam, menemukan bug idempotency, mengeset qaPassed equals false, menendang tiket balik ke Dev dengan reproduksi pasti.
- โข Dev memperbaiki, hand off lagi. QA lolos. PM finalisasi. Run selesai.
Tiket sama, model sama, proyek sama. Bentuk pekerjaan beda. Pendekatan tim menangkap apa yang dilewatkan agen solo, karena setiap role punya brief yang fokus dan handoff yang terstruktur.
Cara kerja sebuah run tim
Buka tab Teams
Di tampilan proyekmu, tab Teams menampilkan tiga template seed (Dev ke QA, Dev ke QA dengan feedback loop, Dev ke Security ke QA) plus tim yang sudah kamu simpan. Duplikat sebuah template atau klik 'New team'.
Bangun workflow di canvas
Taruh node agen di canvas React Flow. Untuk setiap node, pilih role (Fullstack, QA, Security, PM, dll), provider, model, dan beberapa baris instruksi step. Hubungkan dengan edge. Tambahkan kondisi di edge kalau butuh percabangan.
Dev โ QA โ PMSet mode handoff per node
Auto handoff: agen memanggil team_complete_step saat pekerjaannya selesai, runner mengambil alih. Manual handoff: agen menunggu kamu klik 'Hand off'. Campur keduanya sesuai kebutuhan.
Jalankan tim
Dari tiket backlog, klik 'Run with team'. Dari slot agen kosong, klik 'Create as team'. Node pertama spawn sebagai agen ephemeral di workspace proyek.
Saksikan handoff terjadi
Saat agen N selesai, AgentsRoom membangun payload handoff (ringkasan fitur via agen atau via Haiku, git diff, risiko, hint test, flag), menambahkan catatan ke NOTES.md, memilih edge keluar yang tepat berdasarkan flag, dan men-spawn agen N+1 dengan payload itu sebagai konteks masuk.
Loop, end, finalisasi
Feedback loop masuk kembali ke agen original (memori penuh dipertahankan). End node memicu awaiting-finalization. Kamu klik 'Finish run'. Dismiss banner untuk menghancurkan agen dan membebaskan PTY.
Komunikasi antar-agen yang selamat dari apa saja
Detail yang dilewatkan kebanyakan demo multi-agen. Berikut yang membuat Agent Teams bertahan di run panjang dan banyak siklus.
Agen Claude Code punya context window dan mereka memadatkannya. Kesalahan klasik sistem multi-agen adalah menaruh koordinasi tim hanya di system prompt. Setelah dua siklus /compact, agen tidak punya ide lagi bahwa dia ada di sebuah tim. AgentsRoom tidak melakukan itu.
Semua koordinasi tim hidup di tiga tempat yang selamat dari compaction. Pertama, server MCP (agentsroom-team) mengekspos tool (team_get_context, team_read_notes, team_post_note, team_read_inbox, team_ask, team_read_timeline, team_read_diff, team_complete_step). Tool MCP dikirim ulang ke Claude di setiap turn oleh CLI, jadi kebal terhadap kompresi konteks.
Kedua, hook UserPromptSubmit berjalan sebelum setiap pesan user dan menambahkan pengingat kecil kalau ada catatan baru atau pesan inbox baru untuk role itu. Murah saat tidak ada apa-apa, menentukan saat ada.
Ketiga, NOTES.md dan state.json hidup di disk di workspace. Agen bisa membacanya kembali kapan saja dengan Read sederhana atau dengan team_read_notes. Mereka selamat dari crash, restart, /clear, /compact, dan reboot Mac. System prompt tidak pernah menjadi sumber kebenaran, disk dan tool MCP-lah sumbernya.
Apa yang dibangun orang dengan Agent Teams
Pipeline Dev ke QA
Yang klasik. Fullstack men-ship fitur. QA memvalidasi di browser yang tertanam, menjalankan hint test, sign off. Tim dua node, jalan di setiap tiket dari backlog.
Dev ke QA dengan feedback loop
Sama seperti di atas, tapi dengan conditional edge: qaPassed equals false mengirim tiket balik ke Dev dengan hint test. Maks 3 siklus. Menangkap regresi sebelum sampai ke reviewer manusia.
Dev ke Security ke QA
Untuk fitur yang menyentuh auth, payment, atau PII. Agen Security mereview diff, menandai risiko, menulis hint test untuk QA. Dipakai tim yang men-ship fintech, healthtech, dan B2B SaaS.
PM ke Architect ke Dev
Workflow spec-first. Agen PM mengubah tiket menjadi spec terstruktur. Architect memilih pendekatan. Dev mengimplementasi. Tiga role, separasi bersih, keputusan yang bisa ditelusuri.
Fan-out Frontend, Backend, DevOps
Pemisahan sekuensial untuk fitur full-stack. Frontend men-ship UI. Backend men-ship API. DevOps menambahkan config infra. Setiap role bekerja di areanya, hand off dengan diff yang bersih.
Marketing ke SEO ke i18n
Ya, AgentsRoom Teams tidak hanya untuk code. Marketing menulis copy landing. SEO menyuntikkan keyword. Localization menerjemahkan ke 14 bahasa. Satu tim, satu tiket, satu ship.
Bagaimana ini dibandingkan dengan pendekatan multi-agen lain
Orkestrasi multi-agen adalah buzzword yang ramai. Berikut yang benar-benar di-ship, dan di mana posisi AgentsRoom Teams.
Anthropic Subagents (tool Task, .claude/agents) memungkinkan satu session Claude mendelegasikan ke agen helper khusus. Bagus untuk delegasi inline, tapi session parent tetap menjadi koordinator dan satu konteks. AgentsRoom Teams satu level di atas: setiap node tim adalah session Claude top-level terpisah dengan window-nya sendiri, state-nya sendiri, scrollback-nya sendiri. CrewAI, AutoGen, dan LangGraph adalah framework Python yang excellent untuk flow multi-agen, tapi mereka hidup di luar IDE kamu dan tidak menjalankan Claude Code, Codex, atau Gemini CLI sungguhan secara end-to-end di repo lokal kamu. n8n, Make, Pipedream, dan Retool menyertakan jenis editor canvas yang sama dengan yang kami pakai, tapi mereka platform automasi general-purpose, bukan dibangun untuk AI coding agents. AgentsRoom Teams adalah editor workflow multi-agen gaya canvas, tapi spesifik terhubung dengan agen CLI kamu, proyek kamu, git kamu, terminal kamu, dan browser kamu.
Kalau kamu membangun sistem agentic di Python, terus pakai CrewAI atau LangGraph untuk pipeline production. Kalau kamu men-ship code dengan Claude Code, Codex CLI, OpenCode, Gemini CLI, atau Aider, Agent Teams adalah workflow tim yang berjalan di tempat kamu benar-benar coding.
FAQ
Apa bedanya dengan Claude Code subagents (tool Task, .claude/agents)?
Subagents Claude adalah delegasi inline dari satu session Claude parent. Parent memutuskan kapan memanggil subagent, subagent berjalan di context window terisolasi, mengembalikan hasil, parent lanjut. AgentsRoom Teams satu level di atas: setiap node adalah session Claude Code top-level dengan terminal sendiri, state sendiri, scrollback sendiri. Kamu lihat setiap agen jalan live di tab-nya sendiri, bisa bicara dengan siapa saja kapan saja, bisa jeda tim, ubah workflow, lalu lanjut. Ini bukan pengganti subagents Claude, kamu bisa pakai keduanya. Sebuah node tim bisa memakai subagents secara internal.
Apakah ini hanya jalan dengan Claude Code?
Jalan dengan setiap provider yang didukung AgentsRoom (Claude Code, Codex CLI, OpenCode, Gemini CLI, Aider). Setiap node tim memilih provider dan model-nya sendiri. Tool koordinasi tim berbasis MCP berjalan identik di semua provider karena diekspos lewat Model Context Protocol standar. Kamu bisa menjalankan tim dengan Codex di node backend berat dan Haiku di node QA kalau itu yang cocok untuk budget dan latency kamu.
Apa itu payload handoff?
Sebuah objek terstruktur yang berjalan dari satu agen ke agen berikutnya. Field: featureSummary (deskripsi singkat tentang apa yang baru di-ship), changedFiles (git diff name-status), touchedAreas (UI, API, DB, config), risks (apa pun yang harus dikhawatirkan agen berikutnya), testHints (prioritas untuk QA), flags (boolean seperti qaPassed, dipakai conditional edges). Agen memanggil team_complete_step dengan payload ini, runner memvalidasinya server-side, agen berikutnya menerimanya sebagai konteks awal.
Apakah agen benar-benar bisa bolak-balik (Dev ke QA ke Dev)?
Ya. Saat sebuah node dimasuki ulang (siklus lebih dari 1), AgentsRoom tidak men-spawn agen baru. Ia memakai ulang agen original siklus 1, menulis payload handoff baru langsung ke terminal yang sudah ada, dan agen menyimpan memori session Claude penuh dari siklus sebelumnya. Ini krusial: agen Dev yang sudah tahu apa yang ditandai QA terakhir kali memperbaiki bug-nya. Agen Dev baru tanpa memori hanya akan mengulang kesalahan yang sama.
Apa yang terjadi kalau QA terus menolak Dev selamanya?
Config tim punya max-cycles guard, default 3. Saat cap tercapai, run berhenti dengan status 'blocked' dan menunggumu. Kamu bisa finalisasi run, hand off manual sekali lagi, atau batalkan semua. Tidak ada loop tak terbatas, tidak ada tagihan kejutan semalaman.
Apakah semua agen tim berbagi workspace git yang sama?
Ya. Tim berjalan di satu workspace dan satu branch (atau worktree kalau kamu pakai fitur AgentsRoom Worktrees). Setiap agen melihat pekerjaan agen sebelumnya lewat git. Payload handoff menyertakan git diff terhadap baseline run sehingga agen berikutnya tahu persis apa yang baru.
Apakah ini butuh subscription tambahan?
Tidak. Teams adalah bagian dari AgentsRoom. Kamu membawa kunci provider sendiri (Claude, Codex, OpenCode, Gemini, Aider) dan hanya bayar token yang kamu pakai, seperti dengan satu agen. Menjalankan tim Dev ke QA di tiket kecil biasanya berbiaya sama dengan menjalankan satu agen Fullstack, karena Haiku/Sonnet di step QA itu murah.
Di mana tim disimpan? Apakah di-commit ke git?
Tim ber-scope proyek hidup bersama room, di-sync ke cloud dan di-cache di {project}/.agentsroom/teams-cache.json (gitignored). Tim global hidup di ~/.agentsroom/teams/{teamId}.json di mesinmu, satu file per tim. Kamu yang memutuskan scope mana yang cocok untuk setiap workflow.
Bagaimana kalau agen crash atau app restart di tengah run?
State run di-persist ke disk di {workspace}/.agentsroom/team-runs/{runId}/ (state.json, NOTES.md, inbox/, timeline.jsonl). NOTES.md append-only, setiap penulisan state atomik. Agen bisa membaca ulang semuanya kapan saja dengan team_read_notes atau team_get_context. Lapisan orkestrasi sedang di-harden agar bisa memutar ulang sepenuhnya run yang terinterupsi saat app restart, tapi cerita on-disk-nya sudah crash-safe.
Apakah saya bisa menjalankan beberapa tim paralel di tiket berbeda?
Ya. Setiap run tim independen dan diidentifikasi oleh runId-nya. Kamu bisa punya tim Dev ke QA jalan di tiket A, tim Dev ke Security ke QA di tiket B, dan tim PM ke Architect ke Dev di tiket C, semuanya live di proyek yang sama. Di dalam satu run, eksekusinya sekuensial (satu node aktif dalam satu waktu) untuk prediktabilitas.
Bangun tim dev AI impianmu
Tiga template disertakan di app. Buka AgentsRoom, taruh node, gambar edge, jalankan di tiket manapun. Kru engineering AI kamu hanya satu klik jauhnya.
Aplikasi pendamping: pantau agen Anda saat bepergian
Kompatibel dengan Claude, Codex, OpenCode, Gemini CLI, dan Aider
Kirim bug dan permintaan langsung ke backlog publik Anda.