Tutorial Paperclip: Cara Menyiapkan dan Menggunakan Paperclip

AI bergerak melampaui chatbot. Dengan Dots dari OpenAI, Muse dari Meta, dan Grok Bot, kita mulai melihat cara baru menggunakan AI di pekerjaan dan kehidupan sehari-hari. 

Alih-alih berpindah antar alat dan mengelola semuanya sendiri, kita bisa memberi asisten AI sebuah tugas, membiarkannya bekerja lintas aplikasi, dan turun tangan saat diperlukan persetujuan kita.

Namun bagaimana jika kita bisa melangkah lebih jauh dan membuat seluruh perusahaan berisi agen AI?

Itulah yang dirancang oleh Paperclip. Ini adalah platform sumber terbuka tempat Anda dapat membuat organisasi, merekrut agen AI untuk berbagai peran, menetapkan sasaran, dan mengelola pekerjaan mereka dari satu dasbor.

Dalam panduan ini, saya akan menunjukkan cara menyiapkan Paperclip di Windows menggunakan Claude Code dengan MiMo-V2.6-Pro alih-alih langganan Anthropic. Saya juga akan berbagi bagaimana saya menggunakannya untuk membuat tim AI kecil dengan satu tujuan sederhana: membangun bot trading.

Apa itu Paperclip?

Paperclip adalah sebuah platform orkestrasi sumber terbuka untuk agen AI. Bayangkan Anda menjalankan sebuah perusahaan kecil di mana karyawan Anda adalah agen AI, masing-masing dengan peran, tanggung jawab, dan tugasnya.

Ini berperan sebagai control plane pusat, mengelola agen, proyek, penugasan tugas, anggaran, dan persetujuan Anda. Pekerjaan aktual ditangani oleh lingkungan runtime agen seperti Claude Code, Codex, Cursor, dan Gemini CLI.

Cara kerja Paperclip

Anda mulai dengan membuat organisasi, mendefinisikan sasarannya, dan menyiapkan agen pertama Anda. 

Dari sana, agen dapat membuat rencana proyek, memecahnya menjadi tugas-tugas kecil, dan mendelegasikan pekerjaan sesuai hierarki pelaporannya.

Di balik layar, Paperclip menggunakan adapter agen untuk terhubung ke berbagai alat AI dan sebuah sistem heartbeat untuk menjalankan agen secara otomatis. 

Saat sebuah agen ditugaskan sebuah tugas atau jadwal heartbeat-nya menyala, agen akan bangun, memeriksa penugasan melalui API Paperclip, melakukan pekerjaan, memposting pembaruan, lalu berhenti hingga giliran berikutnya.

Sebagai contoh, proyek bot trading saya memiliki tiga agen:

• Chief of Staff: Merencanakan proyek, mengoordinasikan tim, dan mendelegasikan tugas.
• Peneliti Kuant ML: Mengembangkan strategi trading, melatih model, dan menjalankan backtest.
• Insinyur Sistem Trading: Membangun infrastruktur trading, mesin eksekusi, dan kontrol risiko.

Alih-alih mengelola tiga sesi coding terpisah, saya bisa memantau seluruh tim dari satu dasbor. 

Paperclip melacak aktivitas agen, log eksekusi, dan biaya, sementara kontrol persetujuan memungkinkan saya meninjau keputusan penting sebelum agen melanjutkan.

Fitur Utama Paperclip

Berikut beberapa fitur yang membuat Paperclip menarik:

• Orkestrasi multi-agen: Buat seluruh tim agen AI dengan peran, hierarki pelaporan, dan sasaran bersama yang terdefinisi.
• Agen otonom: Agen dapat merencanakan, mendelegasikan tugas, berkolaborasi, dan terus bekerja dengan intervensi manusia minimal, dalam batas izin yang diberikan.
• Penjadwalan dan otomatisasi: Jadwalkan agen untuk berjalan otomatis atau picu saat tugas baru datang menggunakan sistem heartbeat Paperclip.
• Banyak alat AI: Sambungkan Claude Code, Codex, OpenCode, dan runtime agen lain yang didukung.
• Dasbor pusat: Kelola agen, proyek, tugas, log eksekusi, dan pengeluaran dari satu tempat.
• Anggaran dan persetujuan: Tetapkan batas pengeluaran, setujui perekrutan agen baru, dan tinjau keputusan penting sebelum agen melanjutkan.

Mulai Menggunakan Paperclip

Kita akan mulai dengan memasang Node.js dan Claude Code di Windows, mengonfigurasi Claude Code agar menggunakan MiMo-V2.6-Pro, lalu memasang Paperclip untuk membuat organisasi bertenaga AI pertama kita.

1. Pasang Node.js

Pertama, unduh versi LTS Node.js untuk Windows dari situs resmi. Paperclip memerlukan Node.js 24.11.0 atau lebih baru.

Jalankan penginstal dan biarkan opsi default. Setelah pemasangan selesai, buka jendela PowerShell baru dan jalankan:

node -v
npm -v
npx -v

Jika ketiga perintah mengembalikan nomor versi dan Node.js setidaknya v24.11.0, kita siap memasang Claude Code.

2. Pasang dan Konfigurasi Claude Code

Berikutnya, kita perlu memasang Claude Code dan menghubungkannya ke MiMo-V2.6-Pro. Claude Code akan bertindak sebagai harness agen, sementara MiMo menangani pemrosesan AI sebenarnya.

Pertama, pasang Git untuk Windows jika Anda belum memasangnya. Disarankan untuk alat berbasis Bash milik Claude Code.

Buka PowerShell dan pasang Claude Code menggunakan penginstal Windows resmi:

irm https://claude.ai/install.ps1 | iex

Periksa bahwa semuanya berfungsi:

claude --version

Biasanya, Claude Code terhubung ke model Anthropic. 

Dalam kasus saya, saya sudah memiliki MiMo Token Plan, jadi saya ingin menggunakan MiMo-V2.6-Pro sebagai gantinya, tanpa membeli langganan Claude.

Konfigurasi Claude Code agar menggunakan MiMo

Pertama, buat direktori konfigurasi Claude Code:

New-Item -ItemType Directory -Force "$HOME\.claude"

Buka berkas pengaturan:

notepad "$HOME\.claude\settings.json"

Tambahkan konfigurasi berikut:

{
  "env": {
    "ANTHROPIC_BASE_URL": "YOUR_TOKEN_PLAN_BASE_URL",
    "ANTHROPIC_AUTH_TOKEN": "YOUR_MIMO_API_KEY",
    "ANTHROPIC_MODEL": "mimo-v2.6-pro",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "mimo-v2.6-pro",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "mimo-v2.6-pro",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "mimo-v2.6-pro"
  }
}

Ganti YOUR_TOKEN_PLAN_BASE_URL dan YOUR_MIMO_API_KEY dengan endpoint dan kunci API dari dasbor MiMo Token Plan Anda. 

Jika Anda sudah memiliki berkas pengaturan, gabungkan nilai-nilai ini ke konfigurasi yang ada alih-alih menimpa semuanya.

Selanjutnya, buka konfigurasi onboarding Claude Code:

notepad "$HOME\.claude.json"

Jika berkas baru, tambahkan:

{
  "hasCompletedOnboarding": true
}

Jika sudah ada, tambahkan atau perbarui properti ini tanpa menghapus pengaturan lainnya. Ini memungkinkan kita melewati proses onboarding standar Claude Code saat menggunakan MiMo.

Simpan kedua berkas, lalu tutup dan buka kembali PowerShell.

Uji koneksi

Jalankan prompt sederhana untuk memeriksa apakah Claude Code menggunakan MiMo:

claude -p "Hey! Introduce yourself in one sentence."

Jika semuanya dikonfigurasi dengan benar, Anda akan menerima respons. Anda juga bisa meluncurkan claude secara interaktif dan menjalankan /status untuk memeriksa konfigurasi model Anda.

Sekarang kita memiliki Claude Code yang berjalan dengan MiMo-V2.6-Pro dan dapat beralih ke Paperclip.

3. Pasang Paperclip

Memasang Paperclip cukup mudah. Karena kita sudah memasang Node.js, kita dapat menggunakan npx untuk mengunduh dan menjalankan Paperclip tanpa memasangnya secara global.

Buka jendela PowerShell biasa, bukan sebagai Administrator, lalu jalankan:

npx paperclipai onboard --yes

Perintah ini mengunduh Paperclip, membuat konfigurasi lokal, menginisialisasi database PostgreSQL tertanam, dan memulai server.

Setelah berjalan, buka alamat berikut di peramban Anda jika halaman onboarding tidak terbuka otomatis:

http://localhost:3100

Sekarang kita siap membuat organisasi pertama, menghubungkan Claude Code sebagai harness agen, dan mulai membangun tim AI kita.

Untuk meluncurkan Paperclip lagi nanti, gunakan:

npx paperclipai run

Biarkan terminal tetap terbuka saat menggunakan setelan lokal ini.

4. Onboarding Paperclip

Sekarang Paperclip berjalan, kita bisa membuat organisasi AI pertama, menyiapkan CEO-nya, dan menghubungkannya ke MiMo-V2.6-Pro.

Layar pertama meminta Anda memberi nama organisasi Anda. Untuk uji coba saya, saya menggunakan DataCamp.

Klik Continue. Paperclip kemudian akan meminta Anda memberi nama agen pertama. Ini akan menjadi CEO Anda, yang bertanggung jawab merencanakan proyek, membuat tugas, dan mendelegasikan pekerjaan ke agen lain.

Selanjutnya, pilih adapter agen. Paperclip mendukung beberapa opsi, termasuk Claude Code, Codex, Cursor, Gemini CLI, dan OpenCode.

Untuk panduan ini, pilih Claude Code.

Karena kita sudah mengonfigurasi Claude Code untuk menggunakan MiMo, setelan kita menjadi seperti ini:

Paperclip -> Claude Code -> MiMo-V2.6-Pro

Selama onboarding, Paperclip juga menanyakan apa yang ingin Anda kerjakan di organisasi tersebut. Untuk proyek pertama saya, saya cukup memasukkan:

“Bangun bot trading”

5. Bangun Proyek Pertama Anda

Setelah onboarding selesai, Paperclip membawa saya langsung ke proyek bot trading saya. 

Chief of Staff saya mulai dengan mengajukan pertanyaan tentang apa yang ingin saya bangun, alih-alih langsung menulis kode.

Setelah saya menjawab pertanyaan-pertanyaan itu, ia menyusun rencana proyek dan mengusulkan merekrut dua agen tambahan: seorang Peneliti Kuant ML dan seorang Insinyur Sistem Trading.

Ia juga memecah proyek menjadi tugas-tugas yang lebih kecil:

• Menyiapkan repositori dan pipeline data.
• Membangun model ML dasar dan menjalankan backtest.
• Mengembangkan mesin eksekusi paper-trading.
• Menambahkan kontrol risiko dasar.
• Menjalankan uji coba paper-trading.

Sebelum melanjutkan, Paperclip menyajikan rencana tersebut dan memberi saya tiga opsi: Setujui, Minta Revisi, atau Tolak. Ini bagian penting dari platform karena Anda tetap mengontrol apa yang boleh dilakukan agen Anda.

Saya menyetujui rencananya, dan Paperclip mulai menjalankan semuanya. Ia membuat agen tambahan dan mulai menugaskan tugas berdasarkan peran mereka.

Yang paling saya sukai adalah saya tidak perlu membuat setiap agen, menulis prompt satu per satu, atau membagi pekerjaan secara manual. 

Saya cukup menjelaskan apa yang ingin saya bangun, menjawab beberapa pertanyaan, dan menyetujui rencana yang diusulkan. Paperclip menangani koordinasi proyek selanjutnya.

6. Menguji Paperclip

Setelah proyek bot trading saya berjalan, saya membuka dasbor Paperclip untuk melihat kemajuannya. Di sini Anda bisa memantau agen, melacak tugas, meninjau aktivitas terbaru, dan memantau biaya.

Saya juga bisa membuka halaman Agents untuk melihat seluruh tim AI dan apa yang dikerjakan masing-masing agen. 

Chief of Staff dan Peneliti Kuant ML saya sedang idle, sementara Insinyur Sistem Trading sedang aktif mengerjakan proyek.

Halaman Agents juga menampilkan struktur pelaporan, harness agen yang digunakan tiap agen, serta status apakah agen berjalan, idle, dijeda, atau mengalami galat.

Ini mungkin bagian yang paling berguna menurut saya. Alih-alih membuka beberapa terminal dan terus-menerus mengecek apa yang dilakukan tiap agen, saya bisa mengelola semuanya dari satu tempat. 

Saya bisa melihat tugas mana yang berjalan, mana yang terhambat, berapa banyak yang sudah saya keluarkan, dan apakah ada hal yang butuh persetujuan saya.

Rasanya lebih seperti mengelola tim kecil daripada menjalankan agen AI individual. Saya memberi tim sebuah sasaran, memeriksa progresnya, dan turun tangan saat diperlukan.

Untuk Apa Orang Menggunakan Paperclip?

Orang-orang menggunakan Paperclip untuk jauh lebih banyak hal daripada sekadar coding. 

Mulai dari menjalankan bisnis kecil hingga mengelola seluruh tim AI, berikut lima contoh menarik yang saya temukan di Reddit dan blog pengembang.

1. Menjalankan bisnis seorang diri

Seorang pendiri menggunakan 16 agen AI untuk prospek penjualan, email dingin, pembaruan CRM, SEO, dan publikasi blog sambil tetap bekerja penuh waktu.

2. Menjalankan perusahaan penerbitan AI

Seorang trader pensiunan membangun sebuah perusahaan penerbitan bertenaga AI dengan agen yang menangani riset, penulisan, dan SEO. Tantangan terbesarnya adalah mengendalikan biaya dan memeriksa akurasi artikel yang dihasilkan AI.

3. Mengelola agen AI melalui Telegram

Seorang pengembang menghubungkan Paperclip dengan Hermes untuk mengelola startup berisi sembilan agen melalui Telegram. Agen-agen tersebut menangani desain produk, estimasi biaya, aplikasi hibah, dan laporan kemajuan harian.

4. Membangun startup AI finansial

Pengembang lain membuat sebuah tim AI untuk startup finansial dengan CEO, CTO, insinyur, dan agen pemasaran yang mengerjakan pipeline data, analisis sentimen, dan outreach.

5. Menjalankan bisnis konten dengan 13 agen

Pengembang Felipe Fontoura membangun sebuah organisasi berisi 13 agen untuk SEO, pembuatan konten, naskah video, dan corong penjualan. Sistemnya bekerja, tetapi meninjau dan menerbitkan semuanya tetap memerlukan perhatiannya.

Orang-orang mulai bergerak melampaui menjalankan banyak instance Claude Code yang bekerja secara independen. 

Dengan Paperclip, mereka membangun tim berisi 10 agen atau lebih yang berkomunikasi, mengikuti hierarki jelas, mendelegasikan tugas, dan bahkan meninjau pekerjaan satu sama lain. 

Alih-alih mengelola setiap agen sendiri, Anda dapat memberi tim sebuah sasaran dan membiarkannya mengoordinasikan pekerjaan, sementara Anda mengawasi kemajuan dan menyetujui keputusan penting.

Pemikiran Akhir

Dalam panduan ini, kita baru menyentuh permukaan dari apa yang bisa dilakukan Paperclip.

Saya hanya membangun tim kecil berisi tiga agen, tetapi Anda bisa melangkah jauh dengan membuat seluruh departemen, menjadwalkan tugas, menetapkan anggaran, dan menambahkan agen yang saling meninjau pekerjaan.

Paperclip juga bukan eksperimen baru. Ini sudah ada cukup lama dan memiliki komunitas sumber terbuka yang berkembang. 

Dengan gelombang agen AI terbaru, mengelola banyak tim dari satu dasbor menjadi jauh lebih menarik.

Saya pikir ke sanalah arah AI.

Alih-alih membuka sepuluh sesi Claude Code dan mengelola setiap tugas sendiri, kita akan semakin memiliki satu tempat pusat untuk mengoordinasikan ratusan, bahkan ribuan, tugas di berbagai agen spesialis. 

Kita memberi tim sebuah sasaran, agen mendelegasikan pekerjaan, saling berkomunikasi, dan melapor kembali saat membutuhkan perhatian kita.

Tentu saja, mengelola agen dalam skala tersebut tetap memiliki tantangan, terutama seputar biaya, keandalan, dan pengawasan manusia. 

Namun Paperclip memberi kita cara praktis untuk mulai bereksperimen dengan cara kerja baru ini hari ini.