Perpustakaan Digital ITB

Penelitian ini membahas pengembangan middleware untuk mengintegrasikan Large Language Model (LLM) lokal dengan sistem konfigurasi dan analisis jaringan skala menengah. Middleware dikembangkan sebagai lapisan penghubung antara sistem Artificial Intelligence (AI), perangkat jaringan, dan antarmuka pengguna, sehingga instruksi berbasis bahasa alami dapat diproses menjadi konsultasi teknis, eksekusi konfigurasi, validasi, serta pemantauan jaringan. Kompleksitas jaringan modern, tingginya volume data telemetri, serta keberadaan perangkat dari berbagai vendor menyebabkan pengelolaan jaringan secara manual menjadi kurang efisien, rentan terhadap human error, dan membutuhkan waktu penanganan yang relatif lama. Pengembangan sistem difokuskan pada perancangan middleware yang mampu menjembatani hasil pemrosesan LLM lokal dengan perangkat jaringan melalui mekanisme eksekusi berbasis tool. Integrasi dilakukan menggunakan Model Context Protocol (MCP) untuk mendukung komunikasi dengan perangkat jaringan melalui protokol SSH, serial, dan telnet. Selain itu, sistem juga dilengkapi dengan antarmuka berbasis Web Application yang memungkinkan pengguna memberikan instruksi dalam bahasa alami, memantau respons sistem secara real-time, serta melakukan persetujuan sebelum konfigurasi dieksekusi. Dengan pendekatan ini, middleware tidak hanya berperan sebagai penghubung teknis, tetapi juga sebagai lapisan kontrol yang mengatur alur konsultasi, eksekusi, validasi, dan interaksi pengguna. Pengujian dilakukan menggunakan simulator GNS3 pada skenario konfigurasi dan analisis jaringan, meliputi OSPF, DHCP, VLAN, dan EtherChannel, serta beberapa skenario gangguan seperti link down, native VLAN mismatch, dan DHCP pool exhaustion. Hasil pengujian menunjukkan bahwa subsistem Backend-NetOps mencapai tingkat keberhasilan 100% dalam menerima dan mengeksekusi tool-call yang valid pada 21 sub-skenario pengujian, tanpa ditemukan kegagalan koneksi, eksekusi perintah, maupun kesalahan sintaks pada lingkungan pengujian yang digunakan. Selain itu, antarmuka pengguna menjalankan fungsi interaksi, visualisasi respons, dan mekanisme persetujuan konfigurasi sesuai kebutuhan sistem. Kebaruan penelitian ini terletak pada pengembangan middleware berbasis agentic AI yang memanfaatkan LLM lokal dan Model Context Protocol (MCP) untuk mengintegrasikan kemampuan penalaran otonom dengan perangkat jaringan multivendor dalam mendukung otomasi konfigurasi dan analisis jaringan. Sistem yang dikembangkan memungkinkan instruksi bahasa alami diproses menjadi tindakan teknis yang dapat dieksekusi dan divalidasi pada perangkat jaringan. Penelitian ini diharapkan dapat memberikan kontribusi terhadap pengembangan sistem otomasi jaringan cerdas yang lebih praktis, aman, dan sesuai untuk kebutuhan operasional jaringan skala menengah.