Seorang pengembang perangkat lunak mengalami kendala saat membangun bot layanan pelanggan menggunakan LangGraph, di mana sistem tersebut selalu melupakan nama pengguna setelah beberapa interaksi. Kejadian ini terjadi karena sang pengembang mencampuradukkan fungsi transisi status dengan penyimpanan memori, bukan karena kecerdasan buatan yang lemah.
Bot tersebut bertanya ulang tentang identitas pengguna di setiap sesi baru, seolah tidak memiliki ingatan sama sekali. Hal ini membuat pengalaman pengguna menurun dan bot terkesan tidak cerdas. Masalah serupa kerap muncul pada banyak proyek agen konversional yang dibangun dengan kerangka kerja berbasis graf.
LangGraph merupakan pustaka yang memungkinkan pembuatan alur kerja AI melalui StateGraph. Komponen ini mendefinisikan alur percakapan, termasuk transisi bersyarat antarstatus. Namun, data yang disimpan di dalam variabel status tidak otomatis tersimpan permanen ketika sesi berakhir.
Kesalahan umum yang dilakukan pemrogram pemula adalah menganggap bahwa perpindahan dari satu node ke node lain sudah menyimpan informasi pengguna. Padahal, setelah jendela obrolan ditutup, seluruh konteks di dalam StateGraph hilang. Untuk mempertahankan ingatan lintas sesi, diperlukan modul manajemen memori eksternal.
Dalam tulisannya di platform Dev.to, Yashwanth Kasi menjelaskan bahwa solusi atas masalah itu adalah memanfaatkan MemoryManager dari Model Context Protocol (MCP). Dengan fungsi penambah dan pengambil data, nama pengguna dapat disimpan ke penyimpanan terpisah dan dimuat kembali sebelum bot menjawab.
Penggunaan memori eksternal membawa implikasi penting bagi pengembang di Indonesia. Banyak startup lokal mulai mengadopsi LangGraph dan LangChain untuk membangun asisten virtual di sektor perbankan, e-commerce, dan layanan publik. Tanpa pemahaman memori yang benar, bot tersebut berisiko kehilangan konteks atau justru mencampur data antarpengguna.
Kendala privasi menjadi sorotan utama. Jika penyimpanan memori bersifat global tanpa pembatasan kunci antarkonversi, terjadi kebocoran data antarsesi yang melanggar Undang-Undang Pelindungan Data Pribadi (UU PDP). Pengembang di Tanah Air harus merancang skope memori berdasarkan identitas unik setiap pengguna.
Di sisi lain, ekosistem AI domestik seperti proyek-proyek yang didukung Kominfo dan komunitas sumber terbuka mulai menyediakan pola desain serupa. Namun, literatur teknis berbahasa Indonesia tentang pemisahan state dan memory masih terbatas, sehingga banyak tim engineering mengandalkan dokumentasi internasional.
Kasi menekankan bahwa kesalahan terbesarnya adalah mengasumsikan transisi status menyimpan nama pengguna secara otomatis. "Setelah interaksi berakhir, status dan informasi apa pun di dalamnya hilang," ujarnya. Ia juga memperingatkan agar fungsi akses memori selalu memperhatikan konteks percakapan.
Peringatan tersebut relevan mengingat bot multi-pengguna sering dijalankan pada server bersama. Tanpa pemisahan yang jelas, satu pelanggan bisa mendapatkan sapaan dengan nama pelanggan lain. Hal ini merusak kepercayaan dan berpotensi memicu sengketa hukum.
Ke depan, pengelolaan status dan memori akan semakin krusial seiring meningkatnya kompleksitas agen AI. Integrasi dengan sistem eksternal dan tugas bertahap menuntut memori yang adaptif. Yashwanth berencana membahas percakapan dinamis pada tulisan berikutnya dalam seri 30 hari tersebut.
Bagi industri teknologi Indonesia, tren ini menunjukkan bahwa pembangunan chatbot tidak cukup hanya dengan model bahasa besar. Arsitektur memori yang matang menjadi pembeda antara asisten cerdas dan sistem yang sekadar menjawab satu kali. Penguasaan LangGraph dan MCP diprediksi menjadi keahlian dicari tahun depan.