Apa Itu ACP di OpenClaw? Cara Kerja, Kapan Dipakai, dan Bedanya dengan Subagent

ACP itu sebenarnya apa?

Kalau disederhanakan, ACP di OpenClaw adalah jalur untuk menjalankan agent atau coding harness eksternal dalam sesi terpisah. Jadi ACP bukan nama model, bukan nama tool coding tertentu, dan bukan pengganti chat utama. ACP lebih tepat dipahami sebagai runtime / mekanisme orkestrasi.

Kalau Anda ingin fitur seperti ACP dipasang dalam arsitektur yang benar untuk kebutuhan operasional, lihat halaman resmi jasa install OpenClaw untuk scope implementasi, hardening, dan handover tim.

Contohnya begini:

• Codex, Claude Code, Gemini, atau harness coding lain = “mesin/agent”-nya
• ACP = jalur OpenClaw untuk menjalankan mesin itu dalam sesi yang rapi dan terisolasi

Jadi kalau mau analogi sederhana:

tool/harness = mobilnya, ACP = jalur tol / sistem dispatch-nya.

Kenapa OpenClaw butuh ACP?

Karena tidak semua pekerjaan enak dikerjakan langsung di chat utama. Ada task yang:

• panjang,
• butuh banyak revisi,
• lebih cocok ditangani tool coding khusus,
• atau perlu konteks yang terpisah supaya chat utama tetap bersih.

Di situlah ACP berguna. OpenClaw bisa tetap jadi operator utama, tapi eksekusi teknis dilakukan lewat sesi ACP.

Bedanya ACP dengan subagent biasa

Subagent biasa

Subagent itu agent internal yang dijalankan untuk membantu pekerjaan tertentu. Cocok untuk delegasi ringan sampai menengah.

ACP

ACP dipakai ketika kita ingin menjalankan harness eksternal / runtime khusus dalam sesi tersendiri. Biasanya lebih relevan untuk task coding yang kompleks, iteratif, atau ingin memakai agent tertentu.

Jadi bedanya bukan sekadar “yang satu pintar, yang satu tidak”. Bedanya ada di:

• runtime yang dipakai,
• jenis agent/tool yang dijalankan,
• dan pola orkestrasinya.

Kalau saya pakai Kiro CLI, itu ACP atau bukan?

Bukan langsung.

Kalau sebuah tool seperti kiro-cli dijalankan langsung di terminal, itu artinya Anda sedang menjalankan CLI biasa, bukan ACP.

Baru disebut ACP kalau OpenClaw menjalankan task itu melalui runtime ACP sebagai sesi/harness eksternal yang terisolasi.

Jadi:

• kiro-cli = tool/executable
• ACP = jalur/orchestrator untuk menjalankannya dalam mode agent session tertentu

Kapan ACP sebaiknya dipakai?

Ini bagian yang paling penting secara praktis.

1) Saat task coding panjang dan iteratif

Misalnya:

• refactor besar,
• feature baru yang menyentuh banyak file,
• debugging panjang yang kemungkinan revisinya beberapa ronde,
• audit codebase besar.

Task seperti ini lebih cocok dipisah dari chat utama.

2) Saat user ingin harness tertentu

Kalau user bilang:

• “kerjain pakai Codex”
• “pakai Claude Code”
• “jalankan via ACP”

maka itu adalah sinyal kuat bahwa flow ACP lebih cocok dipakai.

3) Saat butuh sesi persistent

Kalau task diprediksi akan bolak-balik revisi, sesi persisten lebih efisien daripada spawn ulang terus-menerus.

Kapan ACP tidak perlu dipakai?

Tidak semua pekerjaan perlu ACP. Untuk task berikut, ACP justru overkill:

• cek status server,
• restart service,
• edit kecil 1–2 file,
• update artikel via database,
• cek log,
• commit & push ringan,
• operasional singkat yang butuh respons cepat.

Untuk task seperti ini, biasanya direct execution lebih efisien.

Flow paling natural di Telegram itu bagaimana?

Ini juga sering bikin bingung. Banyak orang mengira user harus mengetik command teknis seperti /acp setiap kali mau pakai ACP. Padahal dalam praktik yang lebih natural, user cukup ngomong biasa.

Contoh natural flow

User cukup bilang:

• “pakai Codex untuk audit repo ini”
• “buat session khusus untuk task ini”
• “jalankan via ACP biar konteksnya kepisah”

Lalu OpenClaw yang:

1. membaca intent user,
2. menentukan bahwa ACP memang cocok,
3. spawn sesi ACP yang sesuai,
4. monitor hasilnya,
5. lalu kembali melapor ke user.

Jadi secara UX:

user cukup chat biasa, OpenClaw yang mengatur jalurnya.

Apakah user tetap boleh pakai command?

Boleh. Tapi itu lebih ke preferensi workflow. Kalau ada tim yang suka disiplin command seperti /acp, silakan. Hanya saja, untuk mayoritas user, chat natural lebih nyaman.

Mode ACP: run vs session

Ini bagian yang perlu dipahami biar tidak salah pakai.

Mode run

Cocok untuk task yang jelas, pendek, dan one-shot. Setelah selesai, sesi berakhir otomatis.

Gunakan untuk:

• task singkat,
• sekali eksekusi,
• kemungkinan revisi kecil.

Mode session

Cocok untuk task yang sulit, iteratif, dan berpotensi revisi berkali-kali. Sesi tetap hidup sehingga konteks nyambung.

Gunakan untuk:

• refactor besar,
• fitur baru,
• multi-round review,
• debugging yang panjang.

Rule yang paling mudah:

• task mudah/singkat → pakai run
• task sulit/iteratif → pakai session

Apakah ACP selalu lebih baik?

Tidak. ACP itu alat, bukan default untuk semua hal. Kalau dipakai untuk semua task, workflow justru bisa jadi berat dan tidak efisien.

Yang benar adalah memilih jalur yang paling sesuai:

• task ringan → direct execution
• task menengah → subagent / direct tergantung konteks
• task berat / harness khusus → ACP

EEAT angle: kenapa topik ini penting?

Banyak orang bicara agentic workflow dengan bahasa yang terlalu teknis atau terlalu hype. Akibatnya orang awam bingung, sedangkan tim teknis pun sering salah pakai alat.

Pemahaman yang sehat adalah:

• ACP bukan fitur gimmick,
• ACP bukan “semua harus pakai session”,
• ACP adalah cara membuat orkestrasi kerja agent jadi lebih rapi dan terkontrol.

Kalau dipakai dengan benar, ACP membantu menjaga chat utama tetap bersih, task berat tetap fokus, dan output agent lebih mudah dimonitor.

Kesimpulan

ACP di OpenClaw adalah runtime untuk menjalankan harness/agent eksternal dalam sesi terpisah. Ia berguna terutama untuk task coding yang panjang, iteratif, atau memang ingin didelegasikan ke tool tertentu seperti Codex atau Claude Code.

Untuk user, flow terbaik biasanya sederhana:

• tidak perlu ribet command,
• cukup chat natural,
• OpenClaw yang menentukan apakah task itu lebih cocok direct, subagent, atau ACP.

Singkatnya: ACP bukan untuk semua pekerjaan, tapi sangat berguna untuk pekerjaan yang tepat.

Sumber acuan: dokumentasi resmi OpenClaw terkait sessions, subagents, dan runtime ACP/harness workflow.