Panduan Belajar: Memulai dengan GitHub Agentic Workflows

1. Pendahuluan

Mulai tanggal 11 Juni 2026, GitHub Agentic Workflows telah masuk ke tahap public preview. Fitur ini memberikan kemampuan bagi setiap repositori untuk menjalankan agen AI (coding agents) di dalam GitHub Actions untuk menangani tugas-tugas yang repetitif dan membutuhkan penalaran, seperti triase (pemilahan) issues, pemeriksaan pull request, hingga meringkas laporan aktivitas.

Catatan Penting Ini bukanlah sekadar auto-complete kode (seperti Copilot biasa) atau sidebar chat. Ini adalah agen otomatis berbasis jadwal atau peristiwa (event-triggered) yang membaca, menganalisis, dan mengambil tindakan secara terstruktur pada repositori Anda.

2. Apa itu GitHub Agentic Workflows?

Secara konsep, Agentic Workflows dirancang agar sangat sederhana bagi pengguna:

• Format File: Anda hanya perlu menulis file Markdown (.md) yang disimpan di folder .github/workflows/.
• Struktur File: Bagian atas berisi YAML frontmatter yang mendefinisikan kapan workflow berjalan dan izin apa yang dimilikinya. Bagian bawah berisi instruksi dalam bahasa Inggris (atau bahasa natural) untuk agen AI.
• Kompilasi: Sebuah alat CLI bernama gh-aw akan membaca Markdown tersebut dan mengkompilasinya menjadi file .lock.yml (sebuah workflow GitHub Actions standar).
• Mesin AI (Engines): Didukung oleh 4 mesin bawaan: GitHub Copilot (default), Anthropic Claude, OpenAI Codex, dan Google Gemini.

Pendekatan ini merupakan bagian dari visi Continuous AI dari GitHub—menerapkan AI secara sistematis ke seluruh siklus hidup perangkat lunak, bukan sekadar respons terhadap prompt tunggal.

3. Sorotan Fitur Utama

4. Model Keamanan (Sangat Penting!)

Risiko prompt injection sangat nyata ketika agen membaca teks yang tidak tepercaya (seperti komentar dari pengguna luar). GitHub mengatasi hal ini dengan 5 Lapis Keamanan:

1. Token Read-Only: Secara default, token GitHub agen hanya memiliki akses baca (read-only). Agen tidak bisa secara langsung mendorong kode, membuka PR, atau menghapus file.
2. Zero Secrets: Proses yang menjalankan model AI tidak pernah menerima write token atau kredensial API. Kredensial hanya ada di job terpisah setelah hasil akhir disetujui.
3. Network Firewall: Agen dieksekusi di dalam kontainer yang terisolasi. Trafik keluar dibatasi melalui Agent Workflow Firewall dengan allowlist domain yang ketat.
4. Safe Outputs: Agen tidak bisa menulis langsung ke repositori. Ia hanya mengusulkan tindakan terstruktur (misal: “tambahkan label ini”). Job terpisah yang memiliki izin tulis akan memvalidasi apakah tindakan tersebut diizinkan berdasarkan batasan yang Anda tetapkan.
5. Threat Detection: Sebelum tindakan diterapkan, sebuah job khusus berbasis AI akan memindai usulan perubahan dari ancaman seperti injeksi atau kebocoran kredensial. Jika mencurigakan, run akan dibatalkan.

5. Persiapan & Instalasi (Prerequisites)

Untuk memulai, Anda membutuhkan hal berikut:

1. Akun dengan salah satu mesin AI yang didukung.
2. Repositori GitHub dengan hak akses write dan GitHub Actions dalam status aktif.
3. GitHub CLI versi 2.0.0 atau terbaru.

Langkah-langkah di Terminal / CLI Pastikan Anda telah login ke CLI dengan hak akses repo dan workflow:

gh auth login --scopes repo,workflow

Selanjutnya, instal ekstensi untuk kompilasi Markdown ke YAML:

gh extension install github/gh-aw

Catatan: Jika CLI Anda versi 2.90.0 ke atas, ekstensi ini akan ditawarkan untuk diinstal otomatis saat Anda pertama kali menjalankan perintah gh aw.

6. Konfigurasi Autentikasi

Metode autentikasi bergantung pada jenis repositori dan AI yang digunakan:

• Untuk Organisasi (dengan Copilot): Anda dapat menggunakan metode GITHUB_TOKEN bawaan tanpa perlu mengelola Personal Access Token (PAT). Cukup tambahkan blok izin (permissions) di file frontmatter untuk merutekan penagihan (billing) langsung ke org: copilot-requests: write.
• Repositori Pribadi atau AI Pihak Ketiga (Claude/Codex): Anda tetap harus menambahkan API Key atau fine-grained PAT sebagai Actions secrets.

7. Membuat Workflow Pertama Anda

Contoh berikut adalah workflow untuk mengotomatisasi triase issue baru (memberi label dan membalas komentar secara otomatis).

Inisialisasi Otomatis (Direkomendasikan) Gunakan perintah ini untuk memandu repositori Anda agar agen AI (seperti GitHub Copilot) mengerti cara membuat workflow ini:

gh aw init

Contoh File Workflow (issue-triage.md) Simpan file ini di .github/workflows/issue-triage.md:

---
description: Mengklasifikasikan issue baru, menerapkan label, dan merespons.
on:
  issues:
    types: [opened] # Hanya berjalan saat issue baru dibuat
permissions:
  contents: read # Agen dapat membaca file repo
  issues: read # Agen dapat membaca issue
  network: defaults
tools:
  github:
    toolsets: [issues]
  safe-outputs:
    add-label:
      max: 3 # Batas maksimal 3 label per run
    add-comment:
      max: 1 # Batas maksimal 1 komentar balasan
---
# Issue Triage Agent
Saat issue baru dibuka, baca judul, deskripsi, dan cuplikan kodenya.

Klasifikasikan issue ini menjadi salah satu dari: bug, feature request, question, atau documentation gap.
Nilai prioritas sebagai critical, high, medium, atau low, berdasarkan seberapa banyak sistem yang terdampak.
Terapkan label yang mencerminkan jenis dan prioritasnya.
Tuliskan satu komentar singkat (di bawah 4 kalimat) yang berisi ucapan terima kasih kepada pelapor dan mengonfirmasi klasifikasi dalam bahasa yang sederhana.
Jangan berspekulasi tentang perbaikan. Cukup konfirmasi dan arahkan.

Penjelasan Baris per Baris:

• Blok on: Memastikan skrip ini hanya menyala saat issue benar-benar baru, bukan saat ada yang mengedit atau komentar. Ini mencegah lonjakan biaya AI.
• Blok permissions: Dibatasi secara ekstrem (hanya read).
• Blok safe-outputs: Disinilah batas aman Anda terpasang (misal max: 3 label). Agen tidak akan bisa melakukan spam.
• Teks Bawah: Instruksi transparan yang langsung dipahami oleh Anda dan Mesin AI.

Setelah ini disimpan, proses kompilasi (gh-aw) akan mengubahnya menjadi Actions workflow di repositori Anda. Setelah file .md disimpan, jalankan kompilasi menggunakan alat gh-aw, dan file YAML GitHub Actions siap berjalan di latar belakang tanpa risiko membahayakan keamanan repositori Anda.

Ringkasan

GitHub Agentic Workflows mengubah AI dari alat yang harus Anda “panggil secara manual” menjadi proses yang berjalan secara terstruktur dan terjadwal di balik layar (Continuous AI). Keunggulan utamanya bukan sekadar kemampuannya berinteraksi dengan AI, namun integrasinya yang mulus dan lapisan keamanan berlapis yang mencegah risiko manipulasi terhadap kode repositori.