ShipSF Workshops - Workshop Mini-workers dengan Notion

Highlights

• Workers adalah SDK dan runtime yang memperluas Notion menggunakan kode kustom yang ditulis oleh agen AI maupun pengembang.

• Fitur perantara kredensial dari Vercel menyuntikkan kredensial ke header jaringan keluar tepat waktu sehingga sandbox tidak pernah menyimpan kredensial secara permanen.

• Antarmuka ntmcli memungkinkan agen membuat, menerapkan, dan mengelola alat dengan aman tanpa intervensi manual yang rumit.

• Proses ekstraksi alat membaca modul kode pengguna, melakukan stringify JSON untuk menyingkirkan fungsi eksekusi, lalu memvalidasi bentuknya.

• Eksekusi kode kustom dibatasi dengan batas waktu maksimal lima menit di lingkungan produksi untuk mencegah komputasi berlebih.

Timeline

1. 00:00:00 - 02:30:00

   Pengenalan Notion Workers dan Kemampuannya

   Sesi ini memperkenalkan konsep dasar workers sebagai ekstensi runtime untuk Notion. Pengguna dapat memberikan akses alat internal kepada agen AI secara aman tanpa harus membuka seluruh kredensial secara langsung. Alat worker di Abstraksi dikelola sepenuhnya melalui antarmuka ntmcli.

   • Workers memperluas fungsi Notion melalui kode kustom untuk mengelola perangkat rumah tangga, toko, atau basis data internal.
   • Terdapat tiga kemampuan utama yaitu alat agen, sinkronisasi data eksternal, dan otomatisasi deterministik.
   • Alat worker berbeda dari MCP dan skill lokal karena dapat diterapkan dan dipicu secara andal oleh agen.
2. 02:30:00 - 04:40:00

   Arsitektur Keamanan dan Kemitraan Sandbox Vercel

   Keamanan menjadi prioritas utama ketika mengeksekusi kode yang dihasilkan oleh agen AI. Kemitraan dengan Vercel Sandbox menghadirkan mekanisme proksi yang memastikan kredensial tidak pernah terekspos ke dalam lingkungan sandbox itu sendiri, sehingga mencegah risiko pencatatan kredensial secara jahat.

   • Sandbox mencegah eksekusi kode arbitrer yang berbahaya seperti penambangan kripto atau serangan penolakan layanan.
   • Kredensial perantara dari Vercel menyuntikkan token ke header keluar secara langsung tanpa menyimpannya di dalam sandbox.
   • Mitigasi keamanan ini melindungi data pengguna dari pembacaan kredensial yang tidak sah oleh agen.
3. 04:40:00 - 08:35:00

   Demonstrasi Langsung Pemesanan Makanan Otomatis

   Demonstrasi memperlihatkan agen AI yang berjalan secara berkala untuk menangani pemesanan makan siang mingguan. Agen memanggil alat khusus untuk memeriksa riwayat pesanan, memilih menu dari platform Forkable, dan menyelesaikan transaksi tanpa intervensi manual dari pengguna.

   • Agen AI menggunakan alat kustom untuk mengambil pesanan masa lalu dan restoran yang tersedia.
   • Logika deterministik berjalan secara otomatis untuk memesan makan siang melalui platform Forkable.
   • Agen dapat memperbarui log secara mandiri berdasarkan perubahan preferensi makanan pengguna.
4. 08:35:00 - 17:00:00

   Pembangunan dan Penerapan Worker dari Awal

   Bagian ini mendemonstrasikan proses pembuatan agen sederhana menggunakan Vercel sandbox dan blob. Pengembang atau agen menulis kode TypeScript yang mendefinisikan struktur alat, yang kemudian dikompilasi, dibundel dalam tarball, dan divalidasi bentuknya melalui standar output.

   • Kode sumber TypeScript diunggah ke penyimpanan blob dan dijalankan di dalam sandbox.
   • Modul kode mengekspor nama alat, deskripsi, skema masukan, dan fungsi eksekusi.
   • Sandbox melakukan stringify JSON pada modul untuk mengekstrak skema alat sebelum diberikan kepada agen.
5. 17:00:00 - 21:10:00

   Eksekusi Alat dan Penanganan Sesi Sandbox

   Eksekusi alat dilakukan secara terisolasi untuk memastikan pemanggilan sebelumnya tidak memengaruhi sesi berikutnya. Sistem menggunakan snapshot sandbox agar proses berjalan lebih cepat, serta membatasi ukuran log keluaran dan durasi eksekusi maksimal.

   • Setiap pemanggilan alat dijalankan dalam kondisi sandbox yang baru menggunakan snapshot untuk menghindari efek samping.
   • Keluaran dari fungsi eksekusi dibungkus dalam tag XML khusus untuk memudahkan penguraian data.
   • Komputer agen mendukung mode stateful dengan mencadangkan file ke penyimpanan blob.
6. 21:10:00 - 28:43:00

   Sesi Tanya Jawab dan Studi Kasus

   Sesi tanya jawab membahas pengelolaan konteks saat agen membuat banyak alat, penerapan praktis pada industri seperti asuransi, serta mekanisme agen dalam memperbaiki kesalahan pemanggilan alat secara mandiri berdasarkan memori sistem.

   • Pengungkapan alat secara progresif melalui CLI mencegah pembengkakan jendela konteks agen.
   • Alat worker dapat diintegrasikan dengan API eksternal perusahaan seperti sistem klaim asuransi penglihatan.
   • Pemulihan kesalahan terjadi secara otomatis saat agen membaca pesan galat dari alat yang gagal.