Laravel 13 membawa first-party AI tooling yang memungkinkan aplikasi membangun agents, tools, embeddings, vector search, dan RAG dengan pola yang lebih native terhadap Laravel. Perubahan terbesarnya bukan sekadar AI lebih mudah diintegrasikan, tetapi agent sekarang dapat ikut menjalankan workflow aplikasi.
Transparansi AI. Artikel ini disusun dengan bantuan AI untuk riset dan drafting, kemudian ditinjau dan disunting oleh tim Sequel Cloud untuk memastikan akurasi teknis dan relevansi isi.
Intisari Artikel
- Laravel 13 memperluas workflow AI melalui first-party Laravel AI SDK: agents, tools, structured output, embeddings, vector stores, queueing, dan capability AI lain.
- AI SDK, Boost, dan MCP berbeda fungsi: AI SDK membangun AI feature di aplikasi, Boost membantu coding agent memahami Laravel project, sedangkan MCP menghubungkan AI tools dengan capability eksternal/aplikasi.
- Ketika agent dapat membaca data, memanggil API, atau menjalankan tools, capability aplikasi bertambah sekaligus memperluas security dan operational surface area.
- AI tidak otomatis berarti server perlu diperbesar. Pisahkan local application workload, database/vector workload, queue, dan external inference sebelum mengambil keputusan infrastructure.
Dulu AI Hanya Dipanggil. Sekarang Agent Bisa Ikut Bekerja.
Model paling sederhana untuk aplikasi Laravel tradisional adalah User → Laravel → Database/API. Ketika generative AI mulai masuk, pola awalnya sering hanya menambah satu external call: User → Laravel → LLM API → Response.
Dengan agent + tools, alurnya dapat berubah. Agent dapat memahami intent, memilih tool yang sesuai, mengambil data melalui business logic aplikasi, lalu menyusun structured response atau meminta approval sebelum action sensitif.
Apa yang Sebenarnya Berubah di Laravel 13?
Laravel 13 dirilis pada 17 Maret 2026. Official release notes memperkenalkan first-party Laravel AI SDK dan menempatkan provider-agnostic AI features, tool-calling agents, embeddings, audio, image, serta vector-store integrations sebagai bagian penting dari release ini.
Ada satu boundary yang penting: AI SDK adalah first-party Laravel package, bukan berarti seluruh AI capability melebur ke framework core tanpa instalasi tambahan.
composer require laravel/aiDengan package ini, developer mendapat interface Laravel untuk agents, tools, structured output, streaming, queueing, embeddings, vector stores, provider failover, testing, MCP tools, dan capability lain.
Referensi: Laravel 13 Release Notes · Laravel AI SDK.
Agent adalah Perubahan yang Lebih Penting daripada Chatbot
Chatbot sederhana cukup menjawab. Agent dapat diberi context dan capability untuk mencari informasi atau melakukan pekerjaan.
Bayangkan customer bertanya:
“Status order saya bagaimana?”
Chatbot yang hanya menerima prompt mungkin tidak tahu data aktual. Agent dapat memanggil tool seperti FindOrder, memeriksa order yang memang boleh diakses user tersebut, lalu menyusun jawaban dari data aktual.
Use case yang sama bisa berkembang menjadi tool untuk knowledge base, subscription, invoice, internal summary, atau external API.
Tools: Di Sinilah AI Bertemu Business Logic
Tool adalah capability yang sengaja diberikan aplikasi kepada agent. Contohnya:
SearchKnowledgeBaseFindCustomerOrderCheckSubscriptionGenerateReportCreateSupportTicket
Developer tetap menentukan input, authorization, data yang boleh dikembalikan, dan action mana yang membutuhkan approval.
Laravel AI SDK, Boost, dan MCP Itu Berbeda
AI SDK membangun AI ke aplikasi; Boost membantu coding agent; MCP menghubungkan AI dengan external capability.
| Tool | Fungsi utama | Dipakai oleh |
|---|---|---|
| Laravel AI SDK | Membangun AI feature, agent, tools, embeddings, vector store, structured output | Application |
| Laravel Boost | Memberi coding agent context dan Laravel-specific tooling | Developer / coding agent |
| Laravel MCP | Menghubungkan external AI tools dengan application/external capability melalui MCP | External AI tools / agents |
Referensi: Laravel AI SDK, Boost, or MCP: Which Tool Do You Need?
RAG dan Vector Search Tetap Penting — Tapi Bukan Seluruh Cerita
RAG relevan ketika model perlu menjawab berdasarkan informasi di luar knowledge model: SOP, product documentation, knowledge base, manual, atau dokumen customer.
RAG membantu menjawab “informasi apa yang relevan?”. Tool calling menjawab pertanyaan yang berbeda: “data aktual apa yang perlu diperiksa atau action apa yang perlu dilakukan?”
Keduanya dapat berada dalam workflow yang sama. Jika Anda masih memilih pendekatan antara prompting, fine-tuning, dan retrieval, lihat Prompt Engineering vs Fine-Tuning vs RAG.
Structured Output Mengubah AI dari Teks Menjadi Input Aplikasi
Free-form text berguna untuk percakapan, tetapi banyak workflow aplikasi membutuhkan contract yang lebih pasti. Structured output memungkinkan agent mengembalikan field sesuai schema yang ditentukan aplikasi.
priority
category
summary
requires_human_reviewHasilnya dapat digunakan untuk ticket routing, queue, dashboard, atau workflow berikutnya tanpa mengandalkan parsing text yang rapuh.
Queue Menjadi Lebih Penting Saat AI Masuk Production
Tidak semua AI task perlu membuat user menunggu. Document summarization, batch analysis, embedding generation, file processing, atau multi-step workflow sering lebih cocok dijalankan asynchronous.
Laravel AI SDK menyediakan queueing untuk agent workload. Di sinilah Laravel ecosystem lama bertemu AI stack baru:
Referensi: Laravel AI SDK — Queueing.
Security Boundary: Agent Jangan Diberi “Kunci Gudang”
Semakin banyak authority yang diberikan kepada agent, semakin penting authorization dan tool boundary.
Tool seharusnya menjadi boundary antara reasoning model dan application authority.
Jika customer hanya boleh membaca order miliknya, tool juga harus menerapkan scope dan authorization tersebut. Agent tidak perlu mengetahui seluruh database schema atau mendapat arbitrary query capability.
Human Approval Tetap Dibutuhkan untuk Action Tertentu
Action bisa dibedakan berdasarkan konsekuensinya:
Read-only / low risk
Mencari knowledge, membaca status order, membuat draft, atau internal summary bisa memiliki automation yang lebih luas jika authorization jelas.
Sensitive / consequential
Refund, cancel subscription, delete data, mengubah permission, atau komunikasi eksternal tertentu sebaiknya mempertahankan human approval sesuai risk.
Laravel AI SDK mendukung human tool approval flow. Jadi target production tidak harus “agent sepenuhnya autonomous”. Untuk banyak workflow bisnis, agent yang tahu kapan harus meminta manusia justru lebih berguna.
Workload Aplikasi Juga Berubah
Munculnya AI tidak otomatis berarti harus membeli server lebih besar. Bila inference dilakukan oleh external model provider, model compute tidak berjalan di Laravel server.
Tetapi workflow AI tetap bisa menambah:
- local request dan tool execution;
- database lookup;
- queue/background jobs;
- vector/search workload;
- outbound API dependency;
- retry dan failure handling.
AI Menambah Operational Surface Area
Dulu aplikasi mungkin hanya perlu memonitor Application + Database. Kemudian bertambah queue dan cache. AI dapat menambah model provider, tools, vector/search, external API, async jobs, rate limit, usage cost, permission boundary, dan tool failures.
Lebih banyak moving parts bukan otomatis berarti architecture buruk. Tetapi lebih banyak dependency berarti tim perlu lebih disiplin pada:
- monitoring dan logs;
- clear PIC/ownership;
- fallback behaviour;
- cost visibility;
- credential handling;
- security boundary;
- recovery path.
Tim Laravel Tidak Harus Berubah Menjadi Tim Machine Learning
Developer Laravel tidak perlu menjadi ML researcher hanya untuk mulai memakai AI SDK. Skill baru yang lebih penting justru dekat dengan application engineering:
- Instructions / prompting: memberi task dan context dengan jelas.
- Tool design: menentukan capability yang memang perlu diberikan.
- Authorization: membatasi data dan action.
- Async workflow: menentukan task yang perlu queue.
- Structured output: memasukkan hasil AI kembali ke application flow.
- Testing: menguji agent/tool behaviour.
- Observability: mengetahui failure terjadi di application, database, tool, provider, atau queue.
- Cost / rate-limit awareness: memahami external provider sebagai usage-based dependency.
AI di Laravel lebih banyak memperluas application engineering daripada mengganti application engineering.
Laravel Ecosystem di 2026 Lebih Lebar daripada AI SDK
| Layer | Peran |
|---|---|
| Laravel Framework | Routing, Eloquent, queue, cache, events, validation, authentication, dan application primitives. |
| AI SDK | Agents, tools, structured output, embeddings, vector stores, queueing, provider integration. |
| Boost | Laravel-aware context dan tooling untuk coding agents. |
| MCP | Standardized bridge ke tools/capability eksternal. |
| Octane | Persistent application-server execution untuk workload yang memang membutuhkan model tersebut. |
| Deployment / Operations | Forge, Vapor, Laravel Cloud, dan pilihan deployment lain menyelesaikan problem operasi yang berbeda. |
Current Octane mendukung FrankenPHP, Open Swoole, Swoole, dan RoadRunner. Karena application tetap berada di memory setelah boot, state dan memory behaviour perlu dipahami sebelum adoption.
Referensi: Laravel Octane Documentation.
Apakah Semua Aplikasi Laravel Perlu AI Agent?
Tidak. Agent masuk akal ketika problem membutuhkan natural-language reasoning, dynamic tool selection, atau interaksi dengan beberapa capability.
Contohnya:
- support assistant yang mencari knowledge dan melihat order;
- internal operations assistant;
- document-analysis workflow;
- sales assistant yang membaca data aplikasi;
- multi-source research workflow.
Tetapi workflow deterministic tidak perlu dipaksa menjadi agent. Jika rule dapat ditulis jelas dalam code, normal application flow biasanya lebih predictable dan lebih mudah diuji.
Checklist Sebelum Memasukkan Agent ke Production
- Apakah ada user problem yang jelas?
- Apakah AI memberi value dibanding deterministic workflow?
- Data apa yang perlu diketahui agent?
- Tool apa yang benar-benar diperlukan?
- Apakah setiap tool sudah menerapkan authorization sendiri?
- Adakah action yang membutuhkan human approval?
- Berapa latency yang masih acceptable untuk workflow ini?
- Apa fallback jika model/provider gagal?
- Apakah workload perlu queue?
- Apakah vector search memang dibutuhkan?
- Siapa PIC yang memonitor output dan failure?
- Bagaimana usage dan cost provider dipantau?
Kalau sebagian besar pertanyaan ini belum terjawab, problem utamanya bukan memilih model—architecture AI feature-nya belum selesai.
Implikasi untuk Infrastructure
AI feature tidak otomatis berarti qVM baru atau server yang lebih besar. Existing infrastructure dapat tetap digunakan jika local workload masih sesuai.
Infrastructure baru mulai relevan ketika evidence menunjukkan application workload bertambah, queue worker bertambah, memory/database requirement berubah, storage/search workload bertambah, service tambahan perlu dijalankan, atau current environment membatasi observability dan operational control.
Jika Laravel masih berjalan di shared hosting dan AI feature mulai menambah queue/service/control requirement, evaluasi yang lebih mendasar adalah apakah current hosting environment masih cocok. Lihat Shared Hosting vs VPS untuk Laravel: Kapan Environment Mulai Membatasi Aplikasi?
Glosarium
Istilah berikut adalah yang paling penting untuk memahami AI-enabled Laravel application di 2026.
| Istilah | Arti dalam konteks artikel |
|---|---|
| AI Agent | Komponen AI dengan instructions/context yang dapat menggunakan tools untuk menyelesaikan task. |
| Tool | Capability terkontrol yang dapat dipanggil agent, misalnya mencari order atau membaca knowledge base. |
| LLM Provider | Service/model yang menjalankan inference untuk request AI. |
| Embedding | Representasi numerik data untuk similarity comparison dan retrieval. |
| Vector Search | Pencarian berdasarkan kedekatan embedding, bukan hanya keyword. |
| RAG | Retrieval-Augmented Generation: mengambil context relevan sebelum model menghasilkan response. |
| MCP | Model Context Protocol, protocol untuk menghubungkan AI dengan external tools/capabilities. |
| Structured Output | Output agent dengan schema yang ditentukan aplikasi. |
| Queue | Mekanisme untuk menjalankan pekerjaan secara asynchronous/background. |
| Human Tool Approval | Approval manusia sebelum agent menjalankan tool/action tertentu. |
| Operational Surface Area | Kumpulan component/dependency yang perlu dioperasikan, diamankan, dan dimonitor. |
FAQ
Apa yang baru dari Laravel untuk AI di 2026?
Laravel 13 memperkenalkan first-party Laravel AI SDK untuk agents, tools, structured output, embeddings, vector stores, queueing, dan berbagai AI capability lain dalam Laravel-friendly interface.
Apakah Laravel AI SDK sama dengan Laravel Boost?
Tidak. AI SDK dipakai untuk membangun AI feature di aplikasi. Boost membantu coding agent memahami Laravel project. MCP menghubungkan agent atau external AI tools dengan external capability.
Apakah Laravel sekarang bisa membuat AI agent?
Ya. AI SDK menyediakan agent classes dengan instructions, conversation context, tools, structured output, queueing, sub-agents, MCP tools, provider tools, dan human tool approval.
Apakah aplikasi yang memakai AI perlu VPS lebih besar?
Belum tentu. Jika inference dilakukan external provider, compute model tidak berjalan di Laravel server. Ukur local application, database, queue, storage/search, dan network workload sebelum membuat keputusan infrastructure.
Apakah semua workflow sebaiknya dibuat menjadi agent?
Tidak. Workflow deterministic umumnya lebih baik tetap dijalankan melalui normal application code. Agent lebih relevan ketika natural-language reasoning atau dynamic tool selection memang dibutuhkan.
Apakah agent boleh langsung diberi akses database?
Secara desain lebih aman memberi agent scoped application tools yang menerapkan authorization dan business rules, bukan unrestricted database access.
Kesimpulan
Perubahan Laravel di 2026 bukan hanya bahwa framework PHP sekarang dapat memanggil model AI. Yang lebih penting adalah Laravel menyediakan first-party primitives untuk membangun agent dengan context, tools, structured output, queue, search, dan external capability.
Capability baru membawa responsibility baru. Ketika agent dapat membaca data atau menjalankan action, developer perlu memikirkan authorization, tool boundary, human approval, queue, provider failure, monitoring, dan operational ownership.
Evolusinya bukan sekadar Laravel → AI, tetapi Laravel application → AI-enabled application workflow. Dan skill yang semakin penting bukan hanya prompt engineering, melainkan kemampuan menghubungkan AI reasoning dengan business rules, data authority, dan operational discipline.
Daftar Pustaka
- Laravel. (2026). Release notes: Laravel 13.x. Laravel Documentation. https://laravel.com/framework/docs/releases
- Laravel. (2026). Laravel AI SDK. Laravel Documentation. https://laravel.com/framework/docs/13.x/ai-sdk
- Laravel. (2026, March 4). Laravel AI SDK, Boost, or MCP: Which tool do you need? https://laravel.com/blog/laravel-ai-sdk-boost-or-mcp-which-tool-do-you-need
- Laravel. (2026, June 9). Laravel AI agents now support MCP servers. https://laravel.com/blog/laravel-ai-agents-now-support-mcp-servers
- Laravel. (2026). Laravel Octane. Laravel Documentation. https://laravel.com/framework/docs/octane