---
title: "Otomatisasi | Tajo"
description: "Otomatiskan customer engagement dengan arsitektur tiga lapis Tajo: Skills untuk alur kerja deterministik, Agents untuk orkestrasi bertenaga AI, dan bahasa alami untuk pemasaran yang digerakkan oleh intent."
url: https://tajo.io/in/docs/automation/
markdown: https://tajo.io/in/docs/automation.md
lang: id-ID
author: "Set Noa"
author_url: https://tajo.io/in/set-noa/
robots: noindex
---

Ajukan akses awal

Masukkan nama depan dan alamat email kerja Anda. Kami akan mengirim tautan untuk mengonfirmasi permintaan akses Tajo.

# Otomatisasi

[Set Noa](https://tajo.io/in/set-noa/)

Tajo menyediakan tiga tingkat otomatisasi untuk customer engagement, mulai dari alur kerja sederhana berbasis aturan hingga agen AI yang sepenuhnya otonom.

## Tiga lapis otomatisasi

### 1. Skills, alur kerja deterministik

Skills adalah unit otomatisasi atomik berbasis aturan. Skills berjalan dengan cara yang sama setiap kali: pemicu aktif, kondisi diperiksa, aksi dijalankan.

```yaml
triggers:
  - event: cart_abandoned
    conditions:
      - cart_value: "> 50"
      - time_since_activity: "> 30m"

actions:
  - brevo/send-email:
      template_id: 101
      to: "{{ contact.email }}"
```

**Paling cocok untuk:** proses berulang, pemulihan keranjang, rangkaian sambutan, sinkronisasi data, konfirmasi pesanan.

[Jelajahi Skills](https://tajo.io/in/docs/skills) | [Format Skills](https://tajo.io/in/docs/skills/overview/skills-format/)

### 2. Agents, orkestrasi bertenaga AI

Agents menggunakan LLM untuk menalar sasaran, memilih tool, dan menyesuaikan strategi. Agents menggabungkan beberapa Skills dan tool Brevo MCP untuk mencapai tujuan pemasaran yang kompleks.

```yaml
---
name: win-back-agent
tools:
  - brevo_contacts
  - brevo_segments
  - brevo_email_campaign_management
  - brevo_sms_campaigns
---

# Win-Back Agent

Analyze churned customers, design personalized re-engagement
sequences based on purchase history, and execute across
the optimal channel mix.
```

**Paling cocok untuk:** keputusan kompleks, pemilihan kanal, personalisasi penawaran, penyesuaian rangkaian berdasarkan perilaku pelanggan.

[Bangun sebuah Agent](https://tajo.io/in/docs/mcp/building-agents) | [Spesifikasi Agent](https://tajo.io/in/docs/mcp/agent-specification)

### 3. Bahasa alami, pemasaran yang digerakkan oleh intent

Lapisan teratas menerjemahkan intent marketer menjadi aksi agen:

> “Buat kampanye apresiasi VIP untuk pelanggan yang berbelanja di atas US$ 500 pada kuartal ini. Gunakan email dengan ucapan terima kasih personal dan kode diskon eksklusif 20%.”

Lapisan orkestrasi memilih agen yang tepat, dan agen tersebut menyusun skills serta tool Brevo MCP yang sesuai untuk menjalankannya.

[Arsitektur MCP](https://tajo.io/in/docs/mcp)

## Memilih tingkat yang tepat

| Pertanyaan | Gunakan Skills | Gunakan Agents |
| --- | --- | --- |
| Apakah logikanya sama setiap kali? | Ya |  |
| Apakah perlu pertimbangan situasional? |  | Ya |
| Satu pemicu → satu aksi? | Ya |  |
| Multi-langkah dengan logika bercabang? |  | Ya |
| Perlu menyesuaikan diri dengan perilaku pelanggan? |  | Ya |
| Volume tinggi dan sensitif terhadap latensi? | Ya |  |
| Perlu jejak audit yang mudah dibaca manusia? | Keduanya | Keduanya |

## Cara keduanya bekerja bersama

Dalam praktiknya, agen memanggil skills sebagai bagian dari eksekusinya:

```
Marketer: "Set up cart recovery for the holiday season"
    ↓
Agent: Reads context, decides on strategy
    ↓
Agent calls Skill: tajo/recover-abandoned-cart (configured for holidays)
Agent calls Skill: tajo/customer-sync (ensure data is fresh)
Agent calls MCP: brevo_segments (create holiday shopper segment)
Agent calls MCP: brevo_templates (check holiday email templates exist)
    ↓
Result: Cart recovery active with holiday-specific messaging
```

## Pemicu

Baik Skills maupun Agents mendukung tiga jenis pemicu:

### Pemicu event

Bereaksi terhadap sesuatu yang terjadi di sistem Anda:

```yaml
triggers:
  - event: order_completed
  - event: customer_created
  - event: cart_abandoned
```

### Pemicu terjadwal

Berjalan menurut jadwal berulang:

```yaml
triggers:
  - schedule: "0 9 * * MON"    # Every Monday at 9am
  - schedule: "0 */4 * * *"    # Every 4 hours
```

### Pemicu webhook

Dipanggil melalui permintaan HTTP:

```yaml
triggers:
  - webhook: /automation/cart-recovery/trigger
    method: POST
```

## Integrasi Brevo MCP

Semua otomatisasi berjalan melalui server MCP resmi Brevo, yang memaparkan 27 modul sebagai tool yang dapat dipanggil AI. Agen Tajo terhubung hanya ke modul yang mereka butuhkan:

| Modul | Fungsinya |
| --- | --- |
| `brevo_contacts` | Mengelola kontak dan daftar |
| `brevo_email_campaign_management` | Membuat dan mengirim kampanye email |
| `brevo_sms_campaigns` | Kampanye SMS |
| `brevo_whatsapp_campaigns` | Kampanye WhatsApp |
| `brevo_segments` | Segmen kontak dinamis |
| `brevo_campaign_analytics` | Data performa kampanye |
| `brevo_deals` | Manajemen deal CRM |

[Daftar server lengkap](https://tajo.io/in/docs/mcp/brevo-mcp-server#individual-servers)

## Langkah berikutnya

- [Penyiapan Brevo MCP Server](https://tajo.io/in/docs/mcp/brevo-mcp-server), hubungkan 27 modul MCP Brevo
- [Membangun agen pertama Anda](https://tajo.io/in/docs/mcp/building-agents), tutorial praktis
- [Referensi Skills](https://tajo.io/in/docs/skills), jelajahi skill otomatisasi yang tersedia
- [Spesifikasi Agent](https://tajo.io/in/docs/mcp/agent-specification), definisikan agen kustom