Setiap percakapan tentang agen coding AI pada akhirnya akan sampai pada pertanyaan praktis yang sama, biasanya lebih lambat dari yang seharusnya: di mana kode itu sebenarnya dijalankan? Bukan model mana, melainkan mesin mana yang menyimpan repositori, kredensial, cache, dan shell yang sedang diketik oleh agen.
Sharkly menjadikan jawaban itu sebagai konsep kelas utama bernama Computer. Computer menyediakan host eksekusi untuk pekerjaan Agent. Bentuknya bisa komputer lokal, server remote, container, atau cloud host yang didukung. Laptop Anda termasuk. Begitu juga kotak Linux di rak server Anda. Anda yang memilih host, Anda yang mengendalikannya, dan Sharkly mengoordinasikan pekerjaan ke sana alih-alih menjalankan kode Anda di tempat yang tidak bisa Anda lihat.
Sharkly bukan pengganti Claude Code, Codex, atau alat eksekusi lain. Sharkly menambahkan lapisan task, Computer, konteks, kontrol, dan review bersama di sekeliling alat yang sudah digunakan tim Anda. Alat-alat itu tetap terpasang di mesin Anda, dan penggunaan model tetap melalui langganan atau API key yang dikonfigurasi di dalamnya.
TL;DR
Computer adalah host eksekusi untuk pekerjaan Agent di Sharkly: komputer lokal, server remote, container, atau cloud host yang didukung dan Anda kendalikan. Sebuah layanan lokal kecil menghubungkan Computer ke Sharkly, mendeteksi Runtime yang tersedia (alat agen konkret yang terpasang di sana, seperti Claude Code atau Codex), menerima run yang diantrekan, menyiapkan direktori task, menjalankan Runtime yang dipilih, dan mengalirkan progres kembali ke Task. Hubungkan mesin pribadi dengan Sharkly Desktop, atau host remote dengan Sharkly CLI dan install token sekali pakai. Penggunaan model mengalir melalui langganan dan API key yang sudah dikonfigurasi di alat Anda; batas concurrency menentukan seberapa banyak pekerjaan paralel yang ditanggung satu host.
Apa itu Computer, dan apa yang bukan Computer
Sharkly membagi eksekusi menjadi empat peran, dan masing-masing punya tepat satu tugas:
- Agent menentukan bagaimana pekerjaan harus ditangani: instruksi, Skills, repositori, pengaturan run.
- Computer menyediakan host dan sumber daya lokal: OS, file, kredensial, jaringan, alat.
- Runtime menjalankan sesi agen yang sebenarnya: alat coding yang terdeteksi di Computer tersebut.
- Task tetap menjadi catatan bersama: tujuan, diskusi, status eksekusi, trace, hasil.
Pemisahan itulah yang menjelaskan sebagian besar hal berikutnya. Agent bukan host eksekusi; konfigurasi Agent yang sama bisa mengarah ke Computer yang berbeda dari waktu ke waktu. Computer bukan agen; ia menampung satu atau lebih Runtime dan tidak melakukan apa pun sampai pekerjaan dikirim kepadanya. Dan satu Computer dapat melayani beberapa Agent sekaligus, dibatasi oleh batas concurrency-nya.
Hal ini juga menjelaskan nilai jualnya. Platform hosted menggabungkan model, runner, dan infrastruktur menjadi satu produk, artinya kode Anda dieksekusi di infrastruktur yang tidak Anda kelola. Sharkly mengambil posisi sebaliknya: host eksekusi adalah milik Anda, dan yang ditambahkannya di atasnya adalah penugasan, antrean, dan review. Jika Anda baru mengenal model ini, apa itu Sharkly membahas gambaran lengkapnya.
Layanan lokal: komponen yang melakukan kerja sebenarnya
Sebuah layanan lokal kecil menghubungkan setiap Computer ke Sharkly. Layanan ini mendaftarkan Computer, mendeteksi Runtime yang terpasang, mengirim heartbeat, menerima run yang diantrekan, menyiapkan direktori task, menjalankan alat agen yang dipilih, serta melaporkan progres dan hasilnya kembali.
Satu detail desain membawa bobot operasional yang besar: layanan lokal yang memulai koneksi ke server, sehingga penyiapan pada umumnya tidak memerlukan port masuk (inbound). Itulah yang membuat laptop di balik router rumah, workstation di balik firewall perusahaan, dan server di subnet privat sama-sama layak menjadi Computer.
Heartbeat adalah cara Sharkly mengetahui sebuah Computer masih hidup: Online saat server menerimanya, Offline saat heartbeat berhenti. Batasan yang menghemat waktu troubleshooting: online hanya berarti heartbeat masih datang. Bukan berarti Runtime yang dipilih dapat mengeksekusi Task.
Runtime: apa yang sebenarnya bisa dijalankan Computer Anda
Runtime adalah kemampuan eksekusi agen yang didukung dan terdeteksi pada sebuah Computer. Layanan lokal memindai alat agen yang didukung dan melaporkan setiap yang bisa dipakai, sehingga Computer dengan Claude Code dan Codex terpasang akan mengekspos keduanya sebagai Runtime yang dapat dipilih Agent.
Halaman detail Computer melaporkan status kemampuan untuk setiap Runtime:
- Available: Runtime terhubung dan dapat mengeksekusi pekerjaan Agent.
- Needs configuration: alat terdeteksi tetapi konfigurasi yang diperlukan belum ada.
- Not installed: alat tidak tersedia bagi layanan lokal; pasang dulu atau pilih Runtime lain.
- Unsupported: Runtime atau lingkungan berada di luar kumpulan kemampuan yang didukung.
Instalasi tetap menjadi tanggung jawab Anda, dan itu memang disengaja. Anda memasang dan mengautentikasi setiap alat dengan cara yang sama seperti saat menggunakannya secara langsung; halaman detail Computer menautkan panduan instalasi resmi, dan pemindaian ulang memastikan layanan lokal dapat melihatnya. Jika kemampuan yang Anda andalkan tidak terdeteksi, Anda bisa menambahkan Runtime ACP kustom dengan nama dan perintah startup, lalu menguji koneksinya.
Ada dua konsekuensi yang mengikuti. Kerangka bring-your-own-subscription bersifat harfiah: kuota model bergantung pada alat coding AI, paket langganan, dan akun API yang dihubungkan tim Anda, sehingga error kuota menunjuk ke akun yang dikonfigurasi di alat tersebut, bukan ke pengaturan Sharkly. Dan pemilihan model ada pada alat itu: Agent mengikuti model default Runtime-nya. Cara Agent dikonfigurasi dibahas di Agent di Sharkly.
Menghubungkan Computer pertama Anda
Computer pertama biasanya mesin yang sedang Anda duduki. Buka Settings, masuk ke Computers, pilih Connect Computer, lalu pilih jalur penyiapan untuk sistem operasi Anda. Untuk komputer pribadi yang didukung, jalur yang direkomendasikan adalah memasang Sharkly Desktop, yang sudah menyertakan layanan lokal dan memandu proses registrasi. Panduan memulai menjalankan ini dari awal sampai akhir dalam sekitar sepuluh menit.
Setelah terhubung, pastikan setidaknya satu Runtime melaporkan Available. Inilah titik pemeriksaan yang sering dilewatkan orang: Computer yang terhubung tanpa Runtime yang bisa dipakai tidak dapat mengeksekusi pekerjaan Agent.
Ada dua pengaturan khusus desktop yang penting untuk laptop. Prevent sleep menjaga mesin tetap terjaga agar run yang panjang tidak terputus, dan Keep running with lid closed adalah opsi macOS terpisah. Keduanya hanya muncul di mesin lokal, tidak pernah di Computer remote.
Menambahkan server remote
Laptop adalah Computer pertama yang bagus, tetapi buruk sebagai Computer permanen. Ia tidur, dibawa bepergian, dan bersaing dengan IDE Anda untuk memori. Langkah kedua yang wajar adalah host remote yang terus menyala. Pasang Sharkly CLI dan layanan lokal di sana secara langsung:
curl -fsSL https://file-assets.sharkly.ai/download/install.sh | bash
sharkly version
Lalu, dari halaman Computers, buat install token sekali pakai dan jalankan perintah registrasi yang diberikannya di host tujuan:
sharkly computer register --install-token sit_...
Registrasi mencatat Computer di organisasi Anda, menjalankan layanan lokal, dan memulai deteksi Runtime. Install token kedaluwarsa setelah 30 menit dan hanya bisa dipakai sekali, sehingga muncul aturan kebersihan yang dinyatakan docs secara gamblang: jangan menaruhnya di image, skrip, Task, atau komentar yang bisa digunakan ulang.
Kredensial di sini sengaja dipisahkan. Personal access token tidak mendaftarkan computer, dan install token tidak membuat login CLI untuk manusia. Personal access token shk_ mengautentikasi Anda untuk perintah resource seperti sharkly task list; install token sit_ membuat sesi yang digunakan layanan lokal. Permukaan perintah yang lebih luas dibahas di panduan Sharkly CLI dan API.
Setelah registrasi, CLI yang sama juga berfungsi sebagai perangkat diagnostik Anda: sharkly computer status dan sharkly computer logs membaca status lokal di host, sementara sharkly computer list, show, usage, dan ping memeriksa Computer yang terdaftar dari mana saja. Host remote memerlukan hal yang sama seperti laptop Anda: alat agen yang terpasang dan terautentikasi, serta akses Git untuk repositori privat.
Lokal, remote, atau container: perbandingan apa adanya
Tidak ada satu host yang paling tepat. Docs memperlakukan semuanya sebagai Computer, dan trade-off-nya adalah trade-off infrastruktur biasa.
| Host | Paling cocok untuk | Kelebihan | Yang perlu diperhatikan |
|---|---|---|---|
| Komputer lokal (Sharkly Desktop) | Penyiapan pertama, kerja solo, run dengan direktori Specified yang memakai ulang checkout dan cache yang sudah ada | Tanpa infrastruktur tambahan; lingkungan dan kredensial Anda persis; direktori kerja Specified hanya tersedia di Computer lokal | Sleep dan shutdown mengganggu ketersediaan; run bersaing dengan pekerjaan Anda sendiri untuk CPU dan memori |
| Server remote (CLI + layanan lokal) | Beban kerja tim, kapasitas yang selalu menyala, concurrency lebih tinggi | Tetap online; memisahkan beban agen dari laptop siapa pun; satu host dapat melayani beberapa Agent | Anda sendiri yang memasang dan mengautentikasi Runtime serta akses Git; perencanaan kapasitas ada di tangan Anda |
| Container atau cloud host yang didukung | Lingkungan eksekusi yang reproducible dan sekali pakai | Lingkungan bersih yang bisa dibangun ulang; alur registrasi sama melalui install token | Token sekali pakai harus dibuat untuk setiap registrasi, jangan pernah ditanam di image yang bisa digunakan ulang |
Keputusan yang paling penting: gunakan Computer lokal Anda saat ingin Agent bekerja di lingkungan yang sudah Anda percayai; gunakan yang remote saat Task harus terus berjalan meski laptop Anda tertutup. Banyak tim akhirnya memakai keduanya, karena mengarahkan pekerjaan ke host lain hanyalah perubahan konfigurasi, bukan perubahan alur kerja.
Apa yang terjadi selama sebuah run
Saat Task yang ditugaskan ke Agent menjadi siap, Sharkly mengantrekan sebuah run dan mengirimkannya ke Computer yang dipilih. Sebelum Runtime dimulai, layanan lokal mungkin menunggu kapasitas concurrency, menyiapkan direktori, mengambil repositori, dan memproyeksikan variabel lingkungan yang diizinkan.
Penyiapan direktori mengikuti salah satu dari dua mode. Dalam mode Temporary, setiap Task mendapat direktori terisolasi, dan run yang berbasis repositori dapat menyiapkan Git worktree baru dari data repositori yang di-cache; gunakan mode ini untuk sebagian besar pekerjaan repositori dan setiap kali beberapa Task mungkin memodifikasi codebase yang sama secara paralel, seperti dibahas di cara Sharkly menjalankan Agent secara paralel tanpa merge conflict. Dalam mode Specified, run memakai ulang satu direktori absolut yang dikonfigurasi di Computer lokal, beserta dependensi dan cache yang sudah ada di dalamnya, dan satu direktori specified melayani satu run pada satu waktu.
Saat Runtime bekerja, progres dialirkan kembali. Status run bergerak melalui Queued, Dispatched, Waiting for local directory, Running, lalu Completed, Failed, atau Canceled. Peristiwa trace, pemanggilan tool, dan respons akhir semuanya kembali ke Task. Computer adalah tempat eksekusi secara fisik terjadi; Task adalah tempat penerimaan hasilnya.
Concurrency: seberapa besar beban yang sebaiknya ditanggung satu Computer?
Setiap Computer punya batas concurrency task, dan setiap Agent punya batas maksimumnya sendiri untuk Task yang berjalan paralel. Nilai default sengaja dibuat konservatif: Agent yang memakai direktori temporary default-nya 50% dari batas Computer, dan yang memakai direktori specified default-nya adalah jumlah direktori yang dikonfigurasi. Jika Anda menaikkan nilai manual di atas jumlah itu, produk akan memperingatkan bahwa penulisan bisa bertabrakan. Percayai peringatan itu.
Panduan di docs itulah yang perlu diikuti: concurrency yang lebih tinggi menghabiskan lebih banyak CPU, memori, disk, kapasitas provider, dan bandwidth repositori, jadi naikkan hanya setelah penyiapan saat ini menangani beban yang ada dengan andal. Kapasitas provider adalah plafon yang sering dilupakan orang: sepuluh run paralel melalui satu akun model akan mencapai batas rate limit sepuluh kali lebih cepat. Untuk pola penskalaan, lihat menjalankan beberapa agen Claude Code secara paralel.
Agent yang online tetap bisa memiliki pekerjaan yang diantrekan hanya karena kapasitas concurrency atau direktori sudah penuh. Queued adalah status yang sehat, bukan status yang macet.
Berbagi, kepemilikan, dan menjaga host tetap bersih
Setelah sebuah Computer dipakai untuk tugas tim, ada tiga kontrol yang penting. Visibility menentukan siapa yang bisa melihat dan menggunakannya: Personal, Organization, atau Space. Kepemilikan terpisah: pemilik dapat memindahkan Computer dan merupakan satu-satunya orang yang bisa menghapusnya. Dan untuk Computer pribadi lokal, pemilik mengendalikan Organization mana yang boleh menggunakannya sama sekali, sehingga bergabung dengan organisasi baru tidak pernah diam-diam menyerahkan laptop Anda.
Run Agent meninggalkan direktori kerja, cache, dan artifact, jadi pembersihan sudah terpasang secara bawaan. Secara default, run yang selesai atau dibatalkan menjadi layak dibersihkan setelah sekitar 7 hari; fitur ini juga bisa menerapkan ambang batas ruang kosong minimum, dan tidak pernah menyentuh pekerjaan yang sedang berjalan atau diantrekan, run yang di-pin, atau run gagal yang masih dalam penyelidikan. Untuk pemeriksaan cepat, sharkly daemon disk-usage melaporkan pemakaian dan sharkly daemon cleanup menampilkan pratinjau apa yang akan dibersihkan.
Mulai dari mesin yang Anda miliki
Konsep Computer menjawab pertanyaan yang lebih disukai platform hosted agar tidak Anda tanyakan: di infrastruktur siapa agen ini berjalan? Di sini jawabannya milik Anda, dari satu laptop hingga armada server bersama. Anda tidak perlu armadanya sejak hari pertama. Hubungkan satu Computer, pastikan satu Runtime menampilkan Available, buat satu Agent, dan beri tugas yang membosankan. Saat batas laptop mulai terasa, daftarkan server di sebelahnya. Dokumentasi Sharkly membahas setiap pengaturan di sini secara lebih mendalam.
FAQ
Apa itu Computer di Sharkly?
Computer adalah host eksekusi untuk pekerjaan Agent: perangkat, server, atau container yang terhubung dan menyediakan sistem operasi, file, kredensial, akses jaringan, dan alat yang dibutuhkan Agent. Sebuah layanan lokal kecil menghubungkannya ke Sharkly, mendeteksi Runtime, menerima run, dan mengalirkan progres kembali ke Task.
Apakah Sharkly menjalankan kode saya di cloud miliknya sendiri?
Tidak. Pekerjaan Agent dieksekusi di Computer yang Anda hubungkan, yaitu mesin yang Anda kendalikan. Sharkly mengoordinasikan penugasan, antrean, progres, dan review di sekeliling host tersebut. Penggunaan model juga tetap milik Anda: mengalir melalui langganan atau API key yang dikonfigurasi di alat coding yang terpasang di setiap Computer.
Bagaimana cara menghubungkan server remote sebagai Computer?
Pasang Sharkly CLI di host, buat install token sekali pakai dari halaman Computers, dan jalankan sharkly computer register --install-token sit_... di mesin tersebut. Token kedaluwarsa dalam 30 menit dan hanya berlaku sekali, jadi jangan pernah menanamkannya di image atau skrip. Setelah itu, pasang dan autentikasi alat agen yang Anda inginkan, lalu pastikan setiap Runtime menampilkan Available.
Mengapa Computer saya menunjukkan Online tetapi run tidak mau dimulai?
Online hanya berarti layanan lokal sedang mengirim heartbeat; bukan berarti Runtime yang dipilih dapat mengeksekusi pekerjaan. Buka detail Computer dan periksa status kemampuan Runtime: Needs configuration dan Not installed keduanya menghalangi run. sharkly computer ping memastikan apakah Runtime tertentu menyelesaikan satu round trip.
