Tutorial Botpress: Membangun dan Mendeploy Chatbot AI

Perusahaan berlomba-lomba mengotomatiskan dukungan pelanggan, kualifikasi prospek, dan alur kerja internal dengan agen AI. Teknologinya kini cukup andal untuk benar-benar bermanfaat, tetapi membangun chatbot dari nol berarti harus merangkai framework seperti LangChain dan men-debug integrasi API. Cara itu bisa bekerja dan punya kelebihan, namun siklus pengembangannya akan lambat. 

Platform seperti Botpress menawarkan alur kerja yang berbeda. Anda mendapatkan alat visual untuk merancang alur percakapan. Model AI yang digunakan bisa saja sama, tetapi infrastruktur untuk membangun, menguji, dan mendeploy sudah tersedia.

Dalam artikel ini, saya akan memandu Anda membangun agen AI dengan Botpress. Anda akan mempelajari arsitektur platform, membangun bot pertama, menghubungkannya ke layanan nyata, dan mendeploy ke produksi. Saya juga akan berbagi beberapa teknik dan praktik terbaik yang saya pelajari saat bekerja dengan platform ini agar Anda bisa menghemat waktu.

Apa itu Botpress?

Botpress adalah platform untuk membangun agen AI yang dapat berinteraksi dengan pengguna, memicu aksi berdasarkan percakapan, dan terhubung ke alat seperti Shopify, Google Sheets, atau REST API milik Anda. Pesaingnya meliputi Dialogflow, Rasa, Microsoft Bot Framework, dan Amazon Lex.

Gambaran platform

Botpress menyediakan lingkungan pengembangan visual (Botpress Studio) dan kontrol programatis melalui API. Antarmuka visual memungkinkan anggota tim non-teknis merancang alur percakapan, sementara developer dapat menulis kode. Beberapa platform seperti Rasa bersifat code-first, yang bisa lebih lugas jika Anda developer solo yang nyaman menulis YAML dan Python.

Dengan Botpress, Anda mendefinisikan apa yang harus dilakukan bot (instruksi dan workflow), apa yang diketahui (basis pengetahuan dan tabel), serta aksi yang bisa diambil (integrasi dan kode kustom). Platform menangani infrastrukturnya: hosting, skalabilitas, dan orkestrasi.

Arsitektur dan lapisan Botpress. Gambar oleh Penulis

Dibandingkan membangun dari nol dengan framework seperti LangChain, Botpress memberi Anda komponen siap produksi. Dibandingkan platform no-code murni, Botpress memberi opsi untuk menulis kode saat alat visual bawaan tidak memenuhi kebutuhan Anda

Siapa yang menggunakan Botpress?

Platform ini digunakan oleh semua kalangan, dari developer solo yang membangun chatbot pertama hingga perusahaan yang mendeploy agen di banyak kanal. Use case umum mencakup otomasi dukungan pelanggan, kualifikasi prospek, penjadwalan janji, dan sistem help desk internal.

Menurut kisah pelanggan Botpress, Ruby Labs melaporkan tingkat penyelesaian 98% setelah mengadopsi solusi mereka. Angka-angka ini berasal dari studi kasus vendor dan sebaiknya ditafsirkan dalam konteks.

Menyiapkan Botpress

Sekarang saya tunjukkan cara menyiapkan Botpress, yaitu mengonfigurasi Botpress CLI dan SDK untuk alur kerja "bot-as-code".

Instalasi

Untuk mulai, Anda memerlukan:

• Node.js versi 18 atau lebih tinggi (disarankan LTS)

• Manajer paket: npm, pnpm, atau yarn

• Editor kode. VS Code atau Cursor sangat direkomendasikan untuk dukungan TypeScript

Untuk menginstal, ikuti langkah-langkah ini:

1. Buka terminal atau command prompt

2. Instal Botpress CLI secara global menggunakan npm:

npm install -g @botpress/cliDidukung oleh

3. Verifikasi instalasi dengan memeriksa versinya:

bp --versionDidukung oleh

Saya merekomendasikan menjalankan Node.js dan Botpress CLI di dalam WSL2 (Windows Subsystem for Linux) untuk menghindari masalah path dan izin yang umum di Windows.

Jika Anda menerima error saat menjalankan bp di PowerShell, Anda mungkin perlu menyesuaikan execution policy. Jalankan PowerShell sebagai Administrator dan eksekusi: Set-ExecutionPolicy RemoteSigned.

Pengembangan lokal

Pengembangan lokal memungkinkan Anda menggunakan GitHub untuk version control, TypeScript untuk keamanan tipe, dan alat seperti GitHub Copilot untuk menghasilkan kode otomatis. Pendekatan ini memperlakukan chatbot Anda seperti proyek perangkat lunak lainnya.

Konfigurasi awal

Setelah CLI terpasang, Anda perlu menghubungkan lingkungan lokal ke akun Botpress Cloud Anda.

1. Autentikasi

Masuk ke akun Anda untuk menautkan kunci CLI.

bp loginDidukung oleh

Ini akan membuka jendela browser untuk mengotorisasi CLI.

2. Inisialisasi proyek 

Buat direktori baru untuk bot Anda dan inisialisasi strukturnya.

mkdir my-first-bot
cd my-first-bot
bp initDidukung oleh

Ikuti prompt untuk memilih template TypeScript.

3. Menyiapkan variabel lingkungan 

Buat file .env di root proyek Anda untuk menyimpan kunci sensitif (seperti kredensial database atau kunci API pihak ketiga). Jangan pernah commit file ini ke Git.

4. Deploy untuk uji coba 

Dorong bot lokal Anda ke cloud untuk mengujinya di Studio.

bp deployDidukung oleh

Mulai Menggunakan Botpress Studio

Botpress Studio adalah tempat Anda benar-benar membangun bot Anda. 

Lingkungan pengembangan visual

Studio terbuka dengan kanvas yang menampilkan alur percakapan bot Anda. Node merepresentasikan langkah-langkah percakapan, dan koneksi antar-node menunjukkan bagaimana pengguna bergerak melalui bot Anda. Klik kanan di mana saja pada kanvas untuk membuat node baru.

Bilah sisi kiri menampilkan workflow, alur sistem, variabel, dan skema. Bilah sisi kanan menampilkan inspector untuk node yang dipilih, tempat Anda dapat mengonfigurasi instruksi dan aksi yang terlampir. Gunakan emulator di bagian bawah untuk menguji bot secara real time.

Template Botpress

Botpress Hub berisi template siap produksi untuk dukungan pelanggan, penjadwalan janji, kualifikasi prospek, dan lainnya. Template Kitchen Sink mendemonstrasikan konsep tingkat lanjut seperti pemuatan data pengguna, perutean workflow, dan handoff ke agen langsung. Sesuaikan instruksinya, ganti dengan basis pengetahuan Anda, dan deploy.

Membuat bot pertama Anda

Mari kita bangun bot dukungan pelanggan sederhana. Buat bot baru dan beri nama "support-bot". Lewati wizard dan langsung masuk ke Studio.

Di tab Home (jika tidak terlihat, hubungkan start node Anda ke autonomous node baru), tambahkan instruksi:

You are a helpful customer support agent. Answer questions about our products and services using the knowledge base. Be friendly, concise, and professional. If you can't answer a question, offer to connect the user with a human agent.Didukung oleh

Sekarang tambahkan basis pengetahuan. Klik Knowledge Bases di bilah sisi kiri, lalu Create Knowledge Base. Pilih Website sebagai jenis sumber dan masukkan URL situs web perusahaan Anda. Botpress akan merayapi situs dan mengekstrak informasi.

Kembali ke tab Home, gulir ke Knowledge Bases dan aktifkan basis pengetahuan yang baru Anda buat. Ini memberi autonomous node Anda akses ke informasi tersebut.

Uji di emulator. Tanyakan "Apa jam operasional Anda?" atau "Bagaimana cara mengembalikan produk?" Bot akan menelusuri basis pengetahuan Anda dan merespons dengan info yang relevan.

Menguji bot dukungan pelanggan di emulator Botpress dengan respons waktu nyata

Bot dasar ini sudah mampu menangani cukup banyak dukungan pelanggan. Ia menjawab pertanyaan dari situs web Anda, mempertahankan konteks percakapan, dan merespons secara alami. Anda membangunnya dalam sekitar lima menit.

Pemahaman Bahasa Alami

Jika Anda pernah membangun chatbot sebelum 2023, Anda mungkin memperhatikan hal yang berbeda dari yang baru saja Anda lakukan: Anda tidak melatih classifier intent atau menulis aturan ekstraksi entitas seperti pada sistem NLU (pra-LLM). (Dan jika Anda baru di bidang ini, ketahuilah bahwa platform lama memerlukan banyak pekerjaan pelatihan di awal yang sepenuhnya dilewati Botpress.)

Begini yang terjadi: Botpress menggunakan model bahasa berskala besar untuk pemahaman bahasa alami. Anda menulis instruksi yang menjelaskan apa yang harus dilakukan bot Anda, dan LLM menangani pengenalan intent, ekstraksi entitas, dan pemahaman kontekstual saat runtime. 

Ini mengubah apa yang sebenarnya Anda konfigurasikan. Entitas umum seperti tanggal, waktu, dan informasi kontak langsung berfungsi karena LLM sudah memahami pola-pola ini. Entitas spesifik domain memerlukan perlakuan berbeda: Anda jelaskan kebutuhan Anda dalam instruksi, dan opsional mendefinisikan skema. LLM menafsirkan persyaratan ini sama seperti hal lainnya.

Membangun Logika Percakapan Lanjutan

Bot sederhana menjawab pertanyaan. Bot lanjutan membuat keputusan dan terintegrasi dengan sistem eksternal. Botpress menyediakan alat untuk membangun keduanya, meski saya berpendapat kebanyakan tim terlalu cepat membuatnya rumit. Sering kali Anda tidak memerlukan logika workflow sampai Q&A dasar benar-benar terbukti bekerja.

Arsitektur workflow

Workflow mengorganisasi logika bot Anda menjadi segmen yang mudah dikelola. Workflow utama menangani alur percakapan primer. Sub-workflow menangani tugas spesifik, seperti penjadwalan janji atau pemrosesan retur.

Node dalam workflow merepresentasikan langkah-langkah yang berbeda. Node standar mengeksekusi serangkaian aksi dari atas ke bawah. Node otonom menggunakan LLM untuk memutuskan aksi apa yang diambil dan urutannya. Entry dan exit node menandai di mana pengguna masuk dan keluar sub-workflow.

Arsitektur workflow modular Botpress. Gambar oleh Penulis

Logika percakapan modular berarti memecah tugas kompleks menjadi bagian yang lebih kecil dan dapat digunakan kembali. Bangun workflow untuk mengumpulkan informasi pembayaran sekali saja, lalu gunakan kembali di alur checkout, langganan, dan donasi. Ini mengurangi duplikasi dan mempermudah perawatan.

Pola router mengarahkan pengguna ke workflow yang sesuai berdasarkan kebutuhannya. Setelah sapaan awal, klasifikasikan intent pengguna dan arahkan mereka ke sub-workflow yang tepat. Ini menjaga setiap workflow fokus pada satu tugas.

Praktik terbaik desain percakapan

Terobosan dalam pemahaman bahasa memang nyata, tetapi itu tidak akan memperbaiki bot yang strukturnya buruk. Anda tetap memerlukan alur percakapan yang jelas dan desain yang terarah. Perbedaannya adalah kini Anda merancang di tingkat yang lebih tinggi dengan mendefinisikan apa yang harus dilakukan bot alih-alih melatihnya untuk mengenali frasa spesifik.

Mulailah dengan sapaan yang jelas dan menetapkan ekspektasi. Rancang jalur ideal terlebih dahulu, lalu tambahkan penanganan error. Jaga agar node otonom fokus pada satu tugas konseptual. Gunakan langkah konfirmasi untuk aksi penting seperti pembayaran. Peta perjalanan pengguna sebelum membangun workflow untuk mengidentifikasi titik keputusan dan informasi yang dibutuhkan.

Saya juga pernah membaca bahwa terlalu banyak prompt seperti "apakah Anda yakin?" membuat pengguna terbiasa mengklik tanpa memproses apa yang mereka baca. “Ketika setiap aksi memerlukan konfirmasi, tidak ada satu pun konfirmasi yang efektif,” mungkin menjadi heuristik yang baik. Simpan kebutuhan konfirmasi untuk operasi yang benar-benar tidak bisa dibatalkan: pembayaran, penghapusan akun, kehilangan data.

Otomasi workflow

Di luar dasar-dasar yang dibahas di sini, Botpress mendukung hook untuk otomasi siklus hidup (menjalankan kode saat percakapan dimulai, pesan dikirim, dll.) dan workflow terjadwal untuk tugas berulang seperti pengingat janji. Ini adalah alat yang kuat, tetapi juga area yang cepat menjadi kompleks.

Integrasi dan Ekosistem Plugin

Bot Botpress menjadi kuat saat terhubung ke layanan eksternal. Botpress Hub menyediakan integrasi siap pakai untuk alat umum, dan Anda dapat membangun integrasi kustom untuk sistem proprietari.

Integrasi siap pakai

Hub mencakup integrasi untuk platform perpesanan (WhatsApp, Slack, Microsoft Teams, Telegram), CRM (HubSpot, Salesforce), alat produktivitas (Google Calendar, Google Drive, SharePoint), dan pemroses pembayaran (Stripe). Jika Anda perlu terhubung ke layanan populer, kemungkinan besar sudah ada integrasinya.

Menginstal integrasi akan menambahkan kartu baru ke baki kartu Anda. Misalnya, integrasi CRM menyediakan kartu untuk membuat kontak, memperbarui transaksi, dan mencari record. Seret kartu-kartu ini ke workflow Anda untuk menghubungkan bot.

Konfigurasi dilakukan di pengaturan integrasi. Anda menyediakan kredensial API, memilih data yang akan diakses, dan memetakan variabel bot ke field eksternal. Integrasi menangani autentikasi, pembatasan laju, dan pemulihan error.

Integrasi kustom

Untuk sistem proprietari atau kebutuhan unik, bangun integrasi kustom menggunakan integration SDK. Definisikan antarmuka integrasi, implementasikan logika koneksi, dan tangani autentikasi. SDK menyediakan helper untuk alur OAuth dan penanganan webhook. Uji secara lokal dengan utilitas yang disertakan sebelum deployment. Simpan kredensial dalam variabel konfigurasi, validasi semua input, dan terapkan penanganan error yang tepat.

Model Harga dan Opsi Deployment

Harga Botpress disusun berdasarkan penggunaan AI, bukan biaya per pesan atau per percakapan. Apakah itu mahal bergantung pada volume dan use case Anda. Bot dukungan pelanggan sederhana yang kita buat sebelumnya—menjawab pertanyaan dari basis pengetahuan—melakukan satu atau dua panggilan LLM per pesan pengguna dan biayanya sangat kecil, yang tidak mengherankan karena kita membangunnya cepat dan ini hanya contoh. 

Bot yang lebih kompleks yang juga mencari CRM Anda, memeriksa inventaris, dan menghitung biaya pengiriman akan melakukan panggilan LLM tambahan untuk memproses data tersebut, sehingga biaya AI meningkat secara proporsional. Platform meneruskan biaya AI sesuai tarif penyedia tanpa markup, jadi pengeluaran aktual Anda bergantung pada berapa banyak panggilan LLM yang dibutuhkan setiap percakapan dan model mana yang Anda pilih.

Struktur harga

Botpress menawarkan beberapa paket berlangganan dengan fitur dan use case yang berbeda.

Bot restoran yang saya buat sebelumnya menggunakan tier gratis. Model pay-as-you-go memungkinkan Anda bereksperimen tanpa komitmen bulanan apa pun, dan Anda baru mulai membayar saat bot Anda benar-benar menangani percakapan.

Deployment dan penskalaan

Botpress melakukan penskalaan otomatis saat trafik meningkat, menangani 10 atau 10.000 percakapan secara konsisten. Add-on memperluas fungsionalitas dengan penyimpanan tambahan, peningkatan batas, dan integrasi premium. Fitur Enterprise mencakup SSO, log audit, kontrol akses berbasis peran, dan dukungan khusus.

Komunitas dan Dukungan

Dokumentasi resmi mencakup contoh kode, tutorial video, dan materi referensi. 

Server Botpress Discord memiliki lebih dari 30.000 anggota yang bertanya, berbagi bot, dan belajar dari developer lain. Tim Botpress aktif berpartisipasi. Diskusi GitHub menyediakan ruang untuk permintaan fitur dan laporan bug. Anda juga akan menemukan template buatan komunitas yang mencakup use case umum, jadi Anda tidak selalu harus mulai dari nol.

Kesimpulan

Bot restoran yang kita bangun sederhana, tetapi pendekatan yang sama berlaku untuk proyek yang lebih kompleks. Editor workflow visual dan sistem integrasi dapat diskalakan dengan baik apakah Anda membangun bot FAQ dasar atau sesuatu yang lebih canggih.

Kuncinya adalah mulai dari yang kecil. Bangun bot yang melakukan satu hal dengan baik, deploy, pelajari dari penggunaan nyata, lalu kembangkan dari sana. Jangan mencoba mengotomatiskan semuanya sekaligus. Fokus pada tugas yang akan memberikan nilai terbesar dengan kompleksitas paling rendah.

Untuk membangun keterampilan AI dan chatbot Anda, lihat kursus Building Chatbots in Python dan track ChatGPT Fundamentals. Untuk teknik prompt engineering yang meningkatkan respons bot Anda, lihat Understanding Prompt Engineering. Untuk otomasi workflow dan agen AI di luar chatbot, jelajahi tutorial n8n: A Guide With Practical Examples dan sesi code-along Building Your First AI Agent with n8n.