MongoDB Atlas Agent Engine: Cara Pakai & Harga Preview

MongoDB resmi meluncurkan Atlas Agent Engine pada 29 September 2026, di Investor Day di Nasdaq MarketSite, New York. Ini bukan sekadar demo agen AI. Fokusnya jelas: bawa agen dari proof-of-concept ke produksi — dengan runtime, memori, retrieval, dan governance dalam satu lapisan.

Artikel ini bedah cara pakai MongoDB Atlas Agent Engine, apa isinya, harga public preview, beda vs stack yang dijahit sendiri, plus catatan praktis buat yang kerja dari Indonesia.

Apa itu MongoDB Atlas Agent Engine

Atlas Agent Engine adalah platform agen di atas MongoDB Atlas. Intinya: desain, deploy, dan kelola agen AI di produksi, langsung di fondasi data operasional yang sudah dipakai banyak perusahaan.

MongoDB bilang masalahnya bukan lagi “bisa bikin demo”. Yang ribet justru:

1. Aksi agen susah diaudit — siapa yang authorize, tool apa yang dipanggil
2. Agen lupa konteks tiap sesi baru, jadi tim harus bikin memory sendiri
3. Tim terpaksa kunci ke satu model/cloud, atau jahit banyak tool yang gampang rusak

Atlas Agent Engine menjawab tiga itu. Status sekarang: public preview. Pelanggan Atlas baru maupun lama bisa mulai di agentengine.mongodb.com. Pemakaian ikut komitmen Atlas yang sudah ada — tidak wajib kontrak produk baru.

Angka konteks yang sering diulang MongoDB:

• Lebih dari 70.000 pelanggan
• Sekitar 75% Fortune 100 pakai MongoDB
• Retrieval didukung Voyage AI (embedding + reranking), yang diklaim kuat di benchmark RTEB (enterprise retrieval, bukan cuma dataset akademik)

Catatan: Nama mirip dengan Vertex AI Agent Engine milik Google. Produk ini beda — milik MongoDB, fondasinya Atlas + Voyage AI.

Fitur inti: runtime, memory, governance

Platform ini modular. Bisa ambil memory dan governance dulu, atau pakai bareng runtime. Model dan framework yang sudah dipakai tetap boleh — tidak dipaksa ganti stack.

Runtime & eksekusi

• Agen jalan di lingkungan yang diatur
• Tiap pemanggilan tool pakai identitas nyata (user atau agen)
• Eksekusi di sandbox terisolasi
• Jejak lengkap: model call, tool call, akses memori — tanpa harus instrumentasi manual

Memory & retrieval

Empat jenis memori yang disebut MongoDB:

Retrieval pakai Voyage AI + search/vector native Atlas. Janjinya: konteks lebih akurat, token lebih hemat, agen tidak mulai dari nol tiap chat.

Governance & audit

• Policy turun dari level organisasi — tidak bisa dimatikan diam-diam di bawah
• Least privilege sebelum tiap tool call
• Aksi berisiko bisa diarahkan ke human approval
• Kontrol biaya ikut di control plane yang sama
• OpenTelemetry untuk traces

Terbuka, bukan lock-in

MongoDB menekankan desain netral:

1. Model LLM apa saja
2. Framework orkestrasi yang sudah dipakai
3. Standar terbuka: MCP (tools), A2A (delegasi antar-agen), OpenTelemetry
4. Jalan di cloud mana saja, self-managed, bahkan laptop
5. Ganti model nanti cukup ubah konfigurasi — bukan rebuild mahal

Data agen juga tidak harus cuma di Atlas database. Sumber yang disebut termasuk Salesforce, Oracle, Snowflake, S3, SharePoint, dan sistem internal — tanpa lift-and-shift penuh.

MongoDB juga bergabung ke Linux Foundation Open Secure AI Alliance dan Agentic AI Foundation buat dorong standar agen yang aman dan interoperabel.

Harga public preview Atlas Agent Engine

Pricing public preview berbasis konsumsi. MongoDB bilang angka bisa berubah saat GA. Tiga meter utama:

Rincian resmi:

Konversi kasar (kurs ~Rp16.000/US$):

• Runtime ≈ Rp640 per 1.000 detik per vCPU
• Storage memory ≈ Rp4.000 per 1.000 dokumen
• Retrieval memory ≈ Rp8.000 per 1.000 dokumen

Bayar sesuai lapisan yang dipakai. Memory + governance bisa diadopsi tanpa wajib runtime full. Usage menarik dari komitmen Atlas yang sudah ada.

Tips: Di preview, catat meter runtime vs retrieval. Retrieval sering lebih “diam-diam mahal” kalau agen sering reload konteks besar.

Cara mulai pakai Atlas Agent Engine

Alur praktis buat tim yang sudah atau baru di Atlas:

Baca juga WSL Containers: Cara Pakai di Windows Microsoft

1. Siapkan akun MongoDB Atlas (org + project)
2. Buka agentengine.mongodb.com atau halaman produk Atlas Agent Engine
3. Mulai public preview — pelanggan Atlas yang ada tidak perlu kontrak terpisah
4. Pilih lapisan: runtime saja, memory/governance dulu, atau full
5. Hubungkan model/framework yang sudah dipakai (LLM + orkestrator)
6. Pasang tools lewat MCP bila perlu akses data/app
7. Set policy organisasi: least privilege, approval manusia, batas biaya
8. Uji agen kecil dulu (satu alur bisnis), cek audit trail
9. Baru naikkan ke traffic nyata setelah jejak aksi jelas

Untuk yang sudah punya agen di stack sendiri (LangGraph, framework lain, vector store terpisah), MongoDB bilang Agent Engine menambah eksekusi terkelola + memory + cost control di atas yang sudah jalan — bukan minta ganti semuanya.

Contoh pola mental yang aman di awal:

# Pola kerja preview (konsep — ikuti UI/docs resmi Atlas)
# 1) login Atlas → aktifkan Agent Engine preview
# 2) pilih project + identity/policy org
# 3) hubungkan model (OpenAI / Anthropic / open-weight / dll)
# 4) daftarkan tools via MCP
# 5) jalankan smoke test 1 task + cek audit log

MongoDB sendiri sudah memakai Agent Engine untuk Holly, agen internal mereka. Itu sinyal: produk dipakai di rumah sendiri, bukan cuma slide deck.

Partner sistem integrator (contoh yang disebut di pengumuman: Accenture) disiapkan buat deployment enterprise yang lebih besar. Customer early seperti Paysafe bilang ingin agen yang mempersingkat investigasi anomali pembayaran — dari jahit data manual ke aksi lebih cepat.

Beda vs stack agen yang dijahit sendiri

Banyak tim sekarang punya kombinasi kira-kira begini:

• Vector DB terpisah
• Cache / memory custom
• Orkestrator (LangChain/LangGraph/dll)
• Satu provider model
• Logging & guardrail yang beda-beda

Itu oke buat POC. Di produksi, tiap potongan jadi titik gagal: keamanan, audit, rotasi kredensial, dan biaya token yang sulit dilacak.

Atlas Agent Engine menjanjikan konsolidasi:

Pablo Stern-Plaza (CPO AI & Emerging Products, MongoDB) merangkum false tradeoff lama: ikut runtime satu vendor (kunci model/cloud) atau jahit sendiri lalu urus governance sendirian. Agent Engine diklaim mengakhiri pilihan itu.

Chirag Shah (SVP / GM AI Platform) menekankan memory sebagai fondasi, bukan afterthought, plus “zero vendor lock-in” — pindah dari frontier model ke open-weight sebaiknya semudah ubah konfigurasi.

Yang relevan buat developer di Indonesia

Buat yang bikin produk dari Indo — startup SaaS, fintech, marketplace, atau tim digital di perusahaan — beberapa poin praktis:

1. Billing tetap dolar lewat Atlas. Siapkan kartu / metode bayar internasional; pantau usage preview biar tidak kaget tagihan retrieval
2. Tidak butuh VPN khusus hanya untuk coba Agent Engine. Yang penting: akun Atlas aktif dan akses ke docs/console
3. Cocok kalau data operasional sudah (atau akan) di MongoDB Atlas — agen dan data hidup di fondasi yang sama
4. Kalau data masih di Postgres/Oracle/Snowflake/S3, MongoDB bilang tetap bisa diakses; evaluasi latency & compliance lokal dulu
5. Tim kecil bisa mulai dari memory + governance tanpa rebuild orkestrator
6. Rencana on-prem sebelum GA relevan buat yang sensitif soal data di luar negeri / token budget
7. Standar MCP sudah akrab di banyak coding agent — skill yang sama bisa dipakai ulang

Peringatan: Public preview = fitur dan harga bisa berubah. Jangan kunci SLA klien kritis hanya ke preview tanpa jalur fallback.

Untuk UMKM digital yang belum pakai Atlas, pikirkan dulu use case agen yang jelas (support ticket, rekonsiliasi, triage order). Baru bandingkan biaya Agent Engine vs jahit vector store sendiri. Jangan beli “platform agen” sebelum ada alur bisnis yang diukur.

MongoDB 9.0 dan Atlas Infinite di hari yang sama

Investor Day 29 September 2026 juga membawa dua pengumuman yang saling terkait:

MongoDB 9.0

Dibanding 8.0, klaim performa:

• Throughput hingga 2× di instance besar
• Read hingga 35% lebih cepat
• Update hingga 30% lebih cepat
• Queryable Encryption lebih luas (prefix / suffix / substring di data terenkripsi)

Ini fondasi buat aplikasi dan agen yang sering baca-tulis data live.

Atlas Infinite (public preview)

Opsi deployment baru: compute dan storage scale terpisah. Cocok buat beban agen yang sering idle lalu tiba-tiba meledak.

Angka yang disebut MongoDB / liputan analis:

• Performa per dolar I/O heavy hingga +189%
• Time to scale diklaim >96% lebih cepat
• Tiap shard bisa pegang storage 10× lebih besar
• Preview mulai di AWS; multi-cloud menyusul di GA
• Offering Atlas lama disebut Atlas Core

Ketiganya disusun berurutan: 9.0 perkuat database, Infinite longgarkan skala elastis, Agent Engine taruh agen yang terkelola di atasnya.

Di sisi perusahaan, peluncuran ini datang sehari setelah Chirantan “CJ” Desai pindah ke Meta Enterprise Platform. Dev Ittycheria kembali sebagai interim CEO dan yang menandatangani blog platform AI era.

Checklist

• Punya akun MongoDB Atlas (org + project)
• Buka agentengine.mongodb.com / halaman produk Agent Engine
• Aktifkan public preview, cek billing Atlas
• Putuskan lapisan: runtime / memory / governance
• Hubungkan model + framework yang sudah dipakai
• Daftarkan tools via MCP; batasi privilege
• Set policy org: approval manusia + cost control
• Jalankan smoke test satu alur bisnis
• Baca audit trail (siapa authorize, tool apa)
• Pantau meter runtime vs memory retrieval
• Rencana fallback kalau preview berubah menjelang GA
• (Opsional) Evaluasi Atlas Infinite kalau beban agen bursty

Poin penting

• Atlas Agent Engine rilis 29 September 2026, status public preview
• Satu lapisan untuk runtime + memory + governance di atas Atlas
• Retrieval pakai Voyage AI; standar terbuka MCP / A2A / OpenTelemetry
• Harga konsumsi: runtime US$0,04/1.000 dtk/vCPU; memory store US$0,25/1.000 docs; retrieve US$0,50/1.000 docs
• Tidak wajib kontrak baru — tarik dari komitmen Atlas
• Bisa jalan di cloud mana saja, self-managed, bahkan laptop; on-prem sebelum GA
• Hari yang sama: MongoDB 9.0 + Atlas Infinite (preview AWS)
• Di Indonesia: billing dolar, cocok kalau data sudah di Atlas; mulai dari use case kecil

Referensi

1. MongoDB (2026). MongoDB Launches Atlas Agent Engine to Put AI Agents in Production Without a New Stack
2. MongoDB (2026). The Intelligent Data Platform for the AI Era
3. MongoDB (2026). Atlas Agent Engine — product page and public preview pricing
4. Constellation Research (2026). MongoDB launches Atlas Agent Engine, Atlas Infinite as MongoDB 9.0 goes GA
5. PR Newswire (2026). MongoDB Launches Atlas Agent Engine to Put AI Agents in Production Without a New Stack
6. Pluang News (2026). MongoDB luncurkan Atlas Agent Engine untuk produksi AI tanpa tumpukan baru
7. MongoDB (2026). MongoDB for the Agentic Era — Managed MCP Server and App Connections
8. RedMonk / James Governor quote via MongoDB press release (2026)
9. Accenture / Ram Ramalingam quote via MongoDB press release (2026)
10. Paysafe / Amar Akshat quote via MongoDB press release (2026)
11. MongoDB (2026). Investor Day announcements — Agent Engine, 9.0, Atlas Infinite
12. MongoDB docs & FAQ product page (2026). Models, frameworks, MCP, A2A, OpenTelemetry