DEV Community

Cover image for MiroFish: Mesin AI Open Source untuk Prediksi Segala Hal
Walse
Walse

Posted on • Originally published at apidog.com

MiroFish: Mesin AI Open Source untuk Prediksi Segala Hal

Kecerdasan buatan berkembang pesat, tetapi sebagian besar alat AI masih mengikuti pola yang akrab: Anda memberikan perintah kepada model, dan ia menghasilkan respons.

Coba Apidog hari ini

Namun, selama beberapa tahun terakhir, kategori baru sistem AI mulai menarik perhatian — simulasi multi-agen, di mana banyak agen AI berinteraksi satu sama lain di dalam lingkungan digital bersama.

Alih-alih satu model yang mencoba memprediksi atau menghasilkan jawaban, sistem ini mensimulasikan seluruh kelompok agen otonom yang bertukar informasi, membentuk opini, dan saling memengaruhi.

Salah satu proyek yang menonjol di bidang ini adalah MiroFish, mesin kecerdasan kelompok (swarm intelligence) open source yang dirancang untuk mensimulasikan skenario dunia nyata dengan ribuan agen AI. Tujuan utamanya: menyediakan kotak pasir digital di mana peristiwa kompleks—pasar keuangan, pergeseran opini publik, reaksi kebijakan, hingga narasi fiksi—bisa disimulasikan sebelum benar-benar terjadi.

💡Membangun atau berinteraksi dengan agen AI dan server MCP? Apidog menyediakan Klien MCP bawaan yang kuat, dirancang khusus untuk debug dan menguji Server MCP. Baik Anda terhubung melalui STDIO untuk proses lokal atau HTTP untuk server jarak jauh, Apidog menawarkan antarmuka visual yang intuitif untuk menguji Alat yang dapat dieksekusi, Prompt yang telah ditentukan, dan Sumber Daya server dengan mudah. Ini secara otomatis menangani otentikasi OAuth 2.0 yang kompleks dan merender respons Markdown serta gambar secara dinamis—menjadikannya alat terbaik untuk pengujian integrasi MCP yang seamless.

Tidak seperti alat AI tradisional yang menghasilkan jawaban secara langsung, MiroFish membangun masyarakat digital agen AI. Setiap agen memiliki memori, kepribadian, dan logika pengambilan keputusan sendiri. Ketika peristiwa baru diperkenalkan—misal berita, kebijakan, atau sinyal keuangan—agen-agen akan berinteraksi, bereaksi, dan memengaruhi satu sama lain.

Seiring waktu, pola interaksi ini meniru reaksi kelompok manusia terhadap peristiwa. Pola ini bisa mengungkap kemungkinan hasil, narasi yang muncul, atau pergeseran sentimen—menjadikan sistem ini sangat kuat untuk eksperimen dan prediksi.

image-144.png
Sumber: X

Apa Itu MiroFish?

image-150.png

Pada dasarnya, MiroFish adalah mesin simulasi kecerdasan kelompok berbasis multi-agen AI.

Alih-alih satu model AI, platform ini membangun populasi besar agen otonom yang eksis di lingkungan digital simulasi. Setiap agen merepresentasikan individu dalam masyarakat virtual.

Setiap agen memiliki:

  • ciri kepribadian
  • aturan perilaku
  • memori jangka panjang
  • hubungan sosial
  • logika pengambilan keputusan

Agen bertukar informasi, membentuk opini, dan merespon peristiwa secara kolektif. Hasilnya adalah emergent behavior—perilaku kolektif yang lahir dari interaksi individu.

Konsep ini meniru masyarakat manusia nyata, di mana opini publik, pasar, dan tren sosial tumbuh dari jutaan keputusan individu. Dengan mensimulasikan interaksi ini, MiroFish mencoba memodelkan bagaimana peristiwa dapat berkembang sebelum benar-benar terjadi.

Intinya, platform ini adalah kotak pasir digital untuk eksplorasi skenario "bagaimana jika".

Visi: Cermin Kecerdasan Kolektif

image-154.png

Tujuan utama MiroFish adalah menciptakan cermin kecerdasan kolektif dunia nyata.

Sistem prediksi tradisional sangat mengandalkan data historis dan statistik. Namun, ketika perilaku manusia menjadi tidak terduga, model ini sering gagal.

Contoh kasus:

  • Pasar keuangan bergejolak karena sentimen investor
  • Tren media sosial menyebar secara acak
  • Reaksi publik terhadap kebijakan bisa berubah cepat

Alih-alih sekadar menghitung masa depan dari data, MiroFish mensimulasikan lingkungan digital di mana agen saling memengaruhi.

Dengan mengamati respons agen terhadap peristiwa, platform dapat memberikan insight potensi hasil di dunia nyata.

Dari Data Awal ke Dunia Digital

image-153.png

Simulasi di MiroFish dimulai dari materi awal (seed material)—informasi yang mendefinisikan skenario simulasi. Bentuknya bisa:

  • artikel berita
  • laporan keuangan
  • dokumen kebijakan
  • makalah riset
  • diskusi medsos
  • cerita fiksi

Pengguna meng-upload materi dan mendefinisikan tujuan prediksi dengan bahasa alami.

Contoh permintaan simulasi:

  • Bagaimana reaksi pasar terhadap kebijakan baru?
  • Bagaimana respons publik pada isu kontroversial?
  • Bagaimana kelanjutan cerita jika bab yang hilang dilengkapi?

Sistem membangun dunia digital paralel untuk menjalankan skenario tersebut.

Alur Kerja MiroFish: Cara Kerja Pipa Simulasi

image-151.png

MiroFish memiliki pipeline terstruktur untuk mengubah data nyata menjadi lingkungan simulasi dinamis. Berikut tahapan utamanya:

1. Konstruksi Grafik Pengetahuan

image-147.png

Tahap awal: ekstraksi data dunia nyata (berita, laporan, kebijakan, diskusi sosial).

Sistem membangun grafik pengetahuan via arsitektur GraphRAG—mengorganisasi entitas, relasi, dan konteks yang akan digunakan agen. Memori individu dan kelompok juga disuntikkan, sehingga agen bisa mempertahankan konteks historis.

2. Pembentukan Lingkungan

image-146.png

Setelah grafik pengetahuan siap, sistem membangun lingkungan simulasi:

  • ekstraksi entitas dan relasi
  • pembuatan persona agen
  • konstruksi jaringan sosial
  • konfigurasi parameter simulasi

Agen diberi identitas, latar belakang, aturan perilaku agar interaksi menyerupai dinamika sosial nyata.

3. Eksekusi Simulasi Paralel

Setelah lingkungan siap, simulasi dijalankan. Ribuan agen bekerja paralel, bereaksi terhadap peristiwa, dan saling berinteraksi.

Secara otomatis sistem:

  • menginterpretasi permintaan prediksi
  • mensimulasikan interaksi sosial
  • memperbarui memori setiap agen
  • mengembangkan lingkungan secara dinamis

Hasil: simulasi hidup di mana opini, narasi, dan perilaku berkembang seiring waktu.

4. Pembuatan Laporan

Setelah beberapa siklus simulasi, ReportAgent (komponen AI khusus) menganalisis hasil.

ReportAgent menggunakan berbagai alat analitik dan dapat berinteraksi mendalam dengan lingkungan simulasi. Ia membuat laporan prediktif terstruktur, meliputi:

  • hasil utama
  • tren yang muncul
  • insight perilaku
  • risiko potensial

5. Interaksi Mendalam dengan Simulasi

image-152.png

Fitur unik: pengguna bisa berinteraksi langsung dengan dunia simulasi.

Tidak hanya membaca laporan, pengguna dapat:

  • berbicara dengan agen individual
  • bertanya soal keputusan mereka
  • mengeksplorasi dinamika sosial dalam simulasi

Pengguna juga bisa berdiskusi dengan ReportAgent untuk analisis lanjutan. Layer interaktif ini membuat simulasi lebih fleksibel dibanding alat prediksi konvensional.

Mulai Cepat: Menjalankan MiroFish Secara Lokal

Pengembang bisa bereksperimen dengan MiroFish secara lokal menggunakan deployment source atau deployment Docker.

Persyaratan Sistem

Sebelum instalasi, pastikan alat berikut terpasang:

Alat Versi Tujuan
Node.js 18+ Lingkungan runtime frontend
Python 3.11–3.12 Lingkungan runtime backend
uv Versi terbaru Manajer paket Python

Verifikasi instalasi:

node -v
python --version
uv --version
Enter fullscreen mode Exit fullscreen mode

Langkah 1: Konfigurasi Variabel Lingkungan

Salin file konfigurasi contoh:

cp .env.example .env
Enter fullscreen mode Exit fullscreen mode

Edit file .env dan tambahkan kunci API yang diperlukan.

Konfigurasi API LLM

MiroFish mendukung API LLM yang kompatibel OpenAI SDK.

Contoh:

LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
Enter fullscreen mode Exit fullscreen mode

Rekomendasi: gunakan model Qwen (Alibaba Bailian).

Untuk simulasi awal, disarankan < 40 putaran agar resource tidak berat.

Konfigurasi Sistem Memori

MiroFish menggunakan Zep Cloud untuk memori jangka panjang agen.

Contoh:

ZEP_API_KEY=your_zep_api_key
Enter fullscreen mode Exit fullscreen mode

Tingkat gratis Zep Cloud cukup untuk eksperimen kecil.

Langkah 2: Instal Dependensi

Instal semua dependensi:

npm run setup:all
Enter fullscreen mode Exit fullscreen mode

Atau instal manual:

Instal dependensi Node:

npm run setup
Enter fullscreen mode Exit fullscreen mode

Instal dependensi backend Python:

npm run setup:backend
Enter fullscreen mode Exit fullscreen mode

Perintah ini otomatis membuat virtual environment Python.

Langkah 3: Luncurkan Platform

Setelah instalasi, mulai frontend & backend sekaligus:

npm run dev
Enter fullscreen mode Exit fullscreen mode

Akses:

  • Frontend: http://localhost:3000
  • Backend API: http://localhost:5001

Jalankan layanan terpisah jika perlu:

npm run backend
npm run frontend
Enter fullscreen mode Exit fullscreen mode

Deployment Docker

Jika ingin lingkungan terkonteinerisasi, gunakan deployment Docker.

  1. Konfigurasikan variabel lingkungan seperti di atas:

    cp .env.example .env

  2. Mulai container dengan Docker Compose:

    docker compose up -d

Secara default:

  • Port 3000 untuk frontend
  • Port 5001 untuk backend API

File Docker juga menyediakan mirror source opsional untuk percepat download image.

Pemikiran Akhir

image-155.png

Platform kecerdasan kelompok seperti MiroFish membuka peluang untuk mensimulasikan lingkungan sosial kompleks secara digital. Anda bisa menguji kebijakan, bereksperimen dengan reaksi pasar, atau menelusuri penyebaran informasi sebelum terjadi di dunia nyata—semua dalam skenario digital.

Memang, tidak ada simulasi yang bisa mereplikasi kompleksitas manusia secara sempurna. Namun, MiroFish dan simulasi multi-agen adalah langkah awal menuju generasi baru prediksi: bukan hanya menjawab pertanyaan, tapi juga memodelkan masyarakat digital untuk eksplorasi masa depan.

Siap eksplorasi integrasi dan debugging AI multi-agen? Manfaatkan Apidog untuk pengujian dan validasi endpoint MCP secara visual.

Top comments (0)