Docker Engineering merilis Docker Agent, sebuah plugin CLI Docker untuk membangun dan menjalankan AI agent dari satu berkas konfigurasi YAML. Repositori resminya di GitHub sudah mengumpulkan sekitar 3.500 bintang dan 483 fork per awal Oktober 2026, dengan lisensi Apache-2.0. Intinya sederhana: Anda mendefinisikan agent, memberinya tool, lalu menjalankannya dengan perintah docker agent run. Tidak ada kode yang perlu ditulis untuk merangkai alur dasarnya.
TL;DR
- Docker Agent adalah plugin CLI Docker resmi dari Docker Engineering, berlisensi Apache-2.0.
- Agent didefinisikan secara deklaratif lewat YAML, bukan kode, sehingga bisa di-versioning dan dibagikan.
- Mendukung banyak provider model: OpenAI, Anthropic, Gemini, AWS Bedrock, Mistral, xAI, dan Docker Model Runner.
- Bisa memakai MCP server lokal, remote, atau berbasis Docker, plus RAG dengan BM25, embedding, hybrid search, dan reranking.
- Agent bisa di-push ke OCI registry apa pun lalu ditarik dan dijalankan di mesin lain.
Apa itu Docker Agent dan mengapa dibungkus sebagai plugin CLI Docker?
Docker Agent adalah AI agent builder sekaligus runtime yang dipasang sebagai plugin CLI Docker, sehingga perintahnya menyatu dengan docker yang sudah Anda pakai sehari-hari. Menurut README resminya, tujuannya adalah membuat agent yang bisa berkolaborasi menyelesaikan masalah kompleks tanpa menulis kode. Karena berbentuk plugin, ia memakai ekosistem Docker yang sudah ada: image, registry, dan MCP server berbasis container bisa dipanggil langsung tanpa lapisan integrasi tambahan.
Pendekatan ini berbeda dari framework agent yang mengharuskan Anda menyusun kode orkestrasi sendiri. Di Docker Agent, definisi agent ditulis dalam YAML yang bisa disimpan di Git, ditinjau lewat pull request, dan direproduksi di mesin mana pun. Berikut contoh minimal dari dokumentasi resminya, yaitu satu agent root yang memakai model OpenAI dan satu toolset MCP:
agents:
root:
model: openai/gpt-5-mini
description: A helpful AI assistant
instruction: |
You are a knowledgeable assistant.
toolsets:
- type: mcp
ref: docker:duckduckgoDengan satu berkas itu, agent sudah punya model, instruksi, dan akses ke tool pencarian. Konsep declarative, versionable, shareable inilah yang menjadi pembeda utama dibanding merangkai skrip ad hoc.
Bagaimana cara memasang Docker Agent di berbagai sistem operasi?
Ada tiga jalur pemasangan resmi, dan pilihannya bergantung pada apakah Anda sudah memakai Docker Desktop atau tidak. Yang paling cepat adalah lewat Docker Desktop versi 4.63 atau lebih baru, karena plugin CLI-nya sudah terpasang otomatis. Kalau Anda memakai Homebrew di macOS atau Linux, cukup menjalankan brew install docker-agent. Untuk lingkungan tanpa keduanya, tersedia binary release yang bisa diunduh dari halaman rilis GitHub lalu ditautkan ke direktori plugin Docker.
| Metode | Cocok untuk | Perintah inti |
|---|---|---|
| Docker Desktop 4.63+ | Pengguna desktop yang sudah pakai Docker Desktop | docker agent langsung jalan |
| Homebrew | macOS dan Linux tanpa Docker Desktop | brew install docker-agent |
| Binary release | Server, CI, atau lingkungan terkunci | Unduh dari GitHub Releases, tautkan ke ~/.docker/cli-plugins/ |
Setelah terpasang, Anda tetap perlu menyiapkan setidaknya satu kunci API provider, misalnya variabel lingkungan untuk OpenAI, Anthropic, atau Google. Alternatifnya, gunakan Docker Model Runner untuk menjalankan model secara lokal sehingga tidak bergantung pada API cloud. Baru setelah itu agent bisa dijalankan dengan perintah seperti docker agent run, docker agent new untuk membuat agent baru secara interaktif, atau docker agent run agent.yaml untuk berkas tertentu.
Provider model apa saja yang didukung Docker Agent?
Docker Agent bersifat agnostik terhadap provider, artinya Anda tidak terkunci pada satu vendor model. README resminya menyebut dukungan untuk OpenAI, Anthropic, Gemini, AWS Bedrock, Mistral, xAI, dan Docker Model Runner. Karena model ditulis di YAML, mengganti provider cukup mengubah satu baris, bukan menulis ulang kode integrasi.
Sifat agnostik ini punya implikasi praktis. Tim bisa memakai model cloud murah untuk tugas rutin dan model yang lebih kuat untuk penalaran rumit, semuanya dalam satu proyek. Untuk data sensitif, Docker Model Runner memungkinkan inferensi berjalan lokal sehingga prompt tidak meninggalkan mesin. Pola bring your own key juga membuat biaya mudah dipisahkan per tim atau per proyek.
Bagaimana Docker Agent menangani multi-agent dan integrasi MCP?
Docker Agent dirancang untuk multi-agent sejak awal: Anda bisa membuat tim agent terspesialisasi yang mendelegasikan tugas secara otomatis. Satu agent bisa menjadi koordinator, sementara agent lain menangani subtugas khusus. Selain itu, ia menyertakan tool bawaan untuk penalaran seperti think, todo, dan memory, yang membuat agent bisa menyusun rencana dan menyimpan konteks antar langkah.
Untuk integrasi eksternal, Docker Agent memakai Model Context Protocol (MCP). Toolset MCP bisa berupa server lokal, server remote, maupun server yang dibungkus sebagai container Docker. Karena Docker sudah menjadi bagian dari alur kerja, membungkus tool sebagai image container membuat distribusinya konsisten. Fitur RAG juga tersedia sebagai komponen pluggable dengan beberapa strategi pencarian: BM25, embedding, hybrid search, dan reranking.
Kemampuan berbagi menjadi nilai tambah tersendiri. Agent bisa di-push ke OCI registry apa pun, lalu ditarik dan dijalankan di mesin lain dengan perintah docker agent run myorg/agent:tag. Artinya, tim bisa menyimpan agent sebagai artefak berversi layaknya image aplikasi, lengkap dengan riwayat perubahan lewat Git.
Apakah Docker Agent butuh kunci API berbayar?
Tidak wajib, karena Anda bisa memakai Docker Model Runner untuk menjalankan model secara lokal tanpa kunci API cloud. Namun bila ingin memakai model komersial seperti OpenAI atau Anthropic, Anda perlu menyiapkan kunci API provider tersebut. Dokumentasi resminya menekankan dua jalur: kunci API cloud, atau model lokal lewat Docker Model Runner.
Untuk eksperimen awal, jalur lokal lebih hemat karena tidak ada biaya per token. Untuk beban produksi yang menuntut kualitas penalaran tinggi, model cloud umumnya masih menjadi pilihan. Karena konfigurasinya hanya satu baris YAML, berpindah dari model lokal ke model cloud tidak menuntut perubahan arsitektur.
Bisakah Docker Agent dijalankan tanpa Docker Desktop?
Bisa, lewat Homebrew atau binary release. Docker Desktop hanya salah satu cara memasang plugin; inti runtime-nya tetap binary yang bisa ditautkan ke direktori plugin Docker. Ini penting untuk server headless dan pipeline CI yang biasanya tidak memasang Docker Desktop.
Pada lingkungan seperti itu, pastikan direktori plugin Docker sudah ada, lalu tautkan binary docker-agent ke dalamnya agar perintah docker agent dikenali. Kalau Anda hanya butuh menjalankan agent sesekali, binary bisa dipanggil langsung tanpa menautkannya sebagai plugin.
Format konfigurasi YAML-nya seperti apa?
Konfigurasi berisi blok agents dengan satu atau beberapa agent bernama, dan tiap agent punya model, description, instruction, serta toolsets. Model ditulis dengan pola provider/nama-model, sedangkan toolset MCP merujuk ke server yang ingin dipakai. Skema lengkapnya dipublikasikan sebagai agent-schema.json di repositori, sehingga editor bisa memberi validasi otomatis.
Karena semuanya berbasis teks, konfigurasi ini cocok untuk kolaborasi tim: perubahan pada perilaku agent bisa ditinjau seperti perubahan kode biasa. Anda juga bisa memisahkan beberapa berkas YAML untuk beberapa agent, lalu menjalankannya sesuai kebutuhan tugas.
Bagaimana Docker Agent menangani telemetri dan keamanan?
Menurut README resminya, Docker Agent mengumpulkan data pemakaian anonim untuk memperbaiki tool, dan rinciannya dijelaskan di halaman Telemetry pada dokumentasi. Repositori juga menyertakan berkas SECURITY.md beserta kebijakan keamanan, sehingga jalur pelaporan kerentanan tersedia bagi pengguna yang menemukan masalah. Karena agen ini menjalankan tool dan mengakses sistem, memahami data apa yang dikirim keluar penting sebelum dipakai di lingkungan produksi.
Dari sisi arsitektur, memakai Docker sebagai basis memberi keuntungan isolasi: tool yang dibungkus sebagai container bisa dibatasi aksesnya mengikuti kebijakan container yang sudah Anda pakai. Server MCP remote tetap perlu ditinjau karena ia menjadi jalur masuk instruksi eksternal, dan praktik yang aman adalah memperlakukan keluaran tool sebagai data, bukan sebagai perintah. Pola ini sejalan dengan prinsip keamanan agent yang menekankan pemisahan antara instruksi dan konten yang diproses.
Untuk lingkungan yang menuntut inferensi tanpa data keluar dari mesin, Docker Model Runner menawarkan opsi menjalankan model secara lokal. Kombinasi model lokal dan tool yang dibungkus container memberi kontrol lebih besar atas batas data, meski tetap menuntut sumber daya perangkat yang memadai. Jika kualitas penalaran menjadi prioritas, model cloud tetap bisa dipakai dengan konsekuensi data prompt dikirim ke provider terkait.
FAQ
Apakah Docker Agent gratis dipakai?
Ya. Docker Agent dirilis dengan lisensi Apache-2.0 sehingga bebas dipakai, dimodifikasi, dan didistribusikan, termasuk untuk keperluan komersial. Biaya yang muncul hanya dari pemakaian model cloud bila Anda memilihnya.
Apakah agent bisa dibagikan ke rekan tim?
Bisa. Agent dapat di-push ke OCI registry apa pun, lalu ditarik dengan perintah docker agent run memakai referensi registry. Dengan cara ini agent menjadi artefak berversi yang bisa direproduksi di mesin lain.
Tool apa saja yang tersedia secara bawaan?
Ada tool bawaan untuk penalaran seperti think, todo, dan memory, plus dukungan penuh ke server MCP. Untuk kebutuhan khusus, Anda bisa menambahkan server MCP lokal, remote, atau yang berjalan sebagai container Docker.
Apakah Docker Agent mendukung retrieval atau RAG?
Ya. Retrieval bersifat pluggable dan mendukung BM25, embedding, hybrid search, serta reranking. Kombinasi ini berguna saat agent perlu menjawab berdasarkan basis dokumen internal, bukan hanya pengetahuan model.
Di mana dokumentasi lengkapnya?
Dokumentasi resmi tersedia di docker.github.io/docker-agent, sedangkan kode sumber, skema, dan contoh ada di repositori GitHub docker/docker-agent. Keduanya adalah sumber primer yang diperbarui bersama rilis.
Kesimpulan
Docker Agent menarik karena menyatukan tiga hal yang biasanya terpisah: definisi agent, orkestrasi multi-agent, dan distribusi lewat registry. Dengan konfigurasi YAML dan dukungan MCP, ia menurunkan hambatan untuk mengubah agent menjadi artefak yang bisa ditinjau dan dibagikan. Untuk tim yang sudah memakai Docker, biaya adopsinya relatif rendah karena perintahnya menyatu dengan CLI yang sudah dikenal.
Untuk memulai, pasang plugin lewat Docker Desktop 4.63+, Homebrew, atau binary release, siapkan satu kunci API atau aktifkan Docker Model Runner, lalu jalankan docker agent new untuk membuat agent pertama. Sumber rujukan utama artikel ini adalah README resmi Docker Agent, dokumentasi resminya, catatan rilis Docker Desktop, dan halaman paket Homebrew.
💬 Komentar (0)
Belum ada komentar. Jadilah yang pertama! 💬