Panduan Belajar GH-600: Cara Menyiapkan Diri untuk Ujian Agentic AI Developer GitHub

Profil peserta yang disusun Microsoft untuk ujian ini menggambarkan orang dengan keahlian dalam mengoperasikan, mengintegrasikan, mengawasi, dan mengatur AI agent di dalam alur kerja SDLC tingkat produksi, dengan GitHub sebagai system of record sekaligus control plane. Tanggung jawabnya, sebagaimana tertulis di panduan belajar, mencakup mengoperasikan alur kerja agent di dalam SDLC, mengawasi perilaku otonom dengan kontrol bawaan GitHub, mengevaluasi dan menyetel keluaran agent memakai hasil pemindaian dan artefak, mengonfigurasi custom agent, serta mengoordinasikan eksekusi multi-agent dengan aman. Mereka bekerja berdampingan dengan arsitek, platform engineer, DevOps engineer, developer aplikasi, product manager, dan security engineer.

Soal pengalaman, panduan belajar mengharapkan Anda paham siklus pengembangan perangkat lunak, alur kerja dan kontrol GitHub, kualitas kode, keamanan, dan praktik review, serta pernah langsung memakai coding agent, termasuk GitHub Copilot, MCP server, dan kustomisasi agent seperti custom instructions, custom agents, tools, dan Copilot setup steps. Soal logistik: ujian diawasi proktor, dijadwalkan lewat Pearson VUE, berlangsung dua jam, berbiaya US$165 (harga berbeda menurut negara atau wilayah), tersedia dalam bahasa Inggris, dan butuh skor skala 700 atau lebih untuk lulus. Percobaan yang gagal bisa diulang 24 jam kemudian; halaman Microsoft tidak mempublikasikan jumlah soal maupun tingkat kelulusan, sehingga panduan ini tidak mengarang angkanya.

Setiap fakta di halaman ini dicek terhadap dua halaman yang dibuka langsung saat panduan ini ditulis: "Study guide for Exam GH-600: Developing in Agentic AI Systems" di Microsoft Learn, dan halaman "GitHub Certified: Agentic AI Developer", keduanya di learn.microsoft.com, dibaca pada 26 Oktober 2026. Bila salah satu halaman mengubah bobot, harga, atau domain, halaman ini pun harus diubah; tidak ada yang bersumber dari situs latihan soal pihak ketiga atau unggahan forum.

Domain ini membahas di mana agent berada dalam proses pengembangan Anda, bukan sekadar apakah agent itu berfungsi. Panduan belajar Microsoft membaginya menjadi tiga bagian: menempatkan agent di dalam SDLC (menentukan langkah mana yang layak dikerjakan agent, mengenali anti-pattern umum, dan menetapkan input, output, serta kriteria keberhasilan sejak awal); memisahkan perencanaan dari eksekusi (mengonfigurasi agent agar menghasilkan rencana terstruktur, memvalidasi rencana itu, dan mencegah agent bertindak sebelum rencana diperiksa dan disetujui); serta mengonfigurasi observabilitas dan kontrol (menentukan tingkat otonomi yang tepat, menghasilkan artefak yang bisa diperiksa di tooling Anda yang biasa, dan menyisipkan intervensi manusia tanpa memperlambat pengiriman).

Latihan minggu ini: pilih satu tugas nyata yang biasa Anda serahkan ke coding agent. Sebelum agent menyentuh apa pun, minta ia menulis rencananya lebih dulu sebagai teks biasa: file mana yang akan disentuh, urutan langkah, dan seperti apa kondisi "selesai". Baca rencana itu dan setujui atau tolak sebelum satu pun suntingan dilakukan. Itulah batas yang diuji domain ini: rencana yang dibuat agent, dan manusia (atau aturan) yang memeriksanya sebelum eksekusi dimulai.

Domain ini membahas apa yang diingat agent dan untuk berapa lama. Cakupannya: memilih antara memori jangka pendek, jangka panjang, dan eksternal serta membatasi memori pada yang relevan dengan tugas, dengan aturan kapan memori kedaluwarsa, dipangkas, atau direset; menyimpan state dan mengelola context drift, yaitu mencatat kemajuan dan keputusan sebagai artefak tahan lama agar agent bisa melanjutkan pekerjaan tanpa mengulang langkah atau bertentangan dengan keputusan sebelumnya, serta menangkap drift di tengah proses yang panjang; dan menjaga memori serta state tetap konsisten di berbagai tool dan lingkungan, sehingga agent berbagi state tanpa konflik atau konteks basi.

Latihan minggu ini: sebelum memulai tugas bertahap bersama agent, buat file state singkat (teks biasa cukup) yang mencatat tujuan, keputusan yang sudah diambil, dan sisa pekerjaan. Perbarui setelah tiap langkah, jangan bergantung pada ingatan agent atas percakapan. Tutup sesi, buka lagi beberapa hari kemudian, lalu lihat apakah file itu saja sudah cukup untuk melanjutkan persis dari titik terakhir.

Domain ini membahas cara menjalankan lebih dari satu agent sekaligus tanpa saling bentrok. Panduan belajar Microsoft mengelompokkannya menjadi: mengoperasikan alur kerja multi-agent (menerapkan pola orkestrasi, mengisolasi agent untuk eksekusi paralel, serta mendeteksi dan menyelesaikan konflik seperti perubahan kode yang tumpang tindih atau keluaran yang saling bertentangan); mengonfigurasi observabilitas lintas agent (menghasilkan artefak yang layak untuk review dan audit, serta mendokumentasikan serah terima dan keputusan); mendeteksi dan menanggapi kegagalan multi-agent (mengenali eksekusi yang macet atau menurun serta menerapkan pola pemulihan, termasuk rollback dan human-in-the-loop); dan mengelola siklus hidup agent di dalam alur kerja tanpa mengganggunya.

Latihan minggu ini: beri dua coding agent repository yang sama, masing-masing di branch sendiri, masing-masing dengan perubahan yang tumpang tindih (file yang sama, suntingan berbeda). Biarkan keduanya selesai, lalu selesaikan sendiri konflik merge-nya dan tulis satu kalimat tentang tumpang tindih mana yang akan Anda cegah lain kali, misalnya dengan membatasi satu agent pada file lain, atau mengurutkan kedua tugas alih-alih menjalankannya paralel.