Sentrux: Saat Sensor Arsitektur Menjadi Teman Kerja AI Agent

Saat agen AI menulis kode untuk kita, ada pertanyaan yang hampir tidak pernah kita jawab dengan baik: apakah struktur keseluruhan codebase masih sehat, atau apakah perlahan tapi pasti kita sedang membangun sarang kode yang tidak lagi bisa dipahami oleh manusia, atau bahkan oleh agen itu sendiri di sesi berikutnya. Pertanyaan ini jarang muncul di forum, jarang masuk ke dalam backlog sprint, dan hampir tidak pernah muncul di kolom reporting mingguan. Tapi siapa pun yang sudah bekerja dengan Claude Code, Cursor Composer, atau OpenClaw selama beberapa bulan akan mengakui bahwa rasanya ada sesuatu yang bergeser, kode yang tadinya bersih mulai terasa berantakan, dan setiap sesi baru butuh lebih banyak waktu untuk mengembalikan konteks yang sudah hilang.

Di sinilah Sentrux, proyek open source terbaru dari sebuah tim kecil, menarik untuk diperhatikan. Bukan karena ia menggantikan IDE atau menambahkan fitur baru ke editor. Melainkan karena ia mengisi kategori yang selama ini kosong: sensor yang melihat arsitektur kode secara keseluruhan dan real-time, lalu menerjemahkan apa yang dilihatnya menjadi satu skor kualitas yang bisa dipahami oleh manusia dan juga oleh agen AI. Dengan kata lain, Sentrux mencoba menutup feedback loop yang selama ini hilang di workflow AI-assisted development.

Apa sebenarnya masalah yang coba dijawab Sentrux

Saat kita menulis kode dengan tangan, kita punya semacam gubernur internal. Kita melihat struktur folder, kita tahu modul mana yang bertanggung jawab untuk apa, dan setiap perubahan kita lakukan melewati pemahaman tentang keseluruhan sistem. Saat agen AI mengambil alih sebagian besar penulisan kode, gubernur internal itu menjadi kabur. Agen memodifikasi puluhan file dalam satu sesi, kita melihatnya dari log terminal sebagai baris-baris Modified src/foo.rs, dan perlahan kita kehilangan gambaran spasial: file ini sebenarnya untuk apa, dependensinya ke mana, dan apakah modul baru yang ditambahkan tadi benar-benar berada di tempat yang tepat.

Sentrux menyebut fenomena ini dengan istilah yang cukup jujur: code rot atau pembusukan kode. Bukan dalam artian kode menjadi salah secara sintaks, tapi dalam artian struktur keseluruhan codebase secara perlahan menurun: nama fungsi yang mulai ambigu, file yang ditaruh di folder yang salah, dependensi yang membuat siklus, dan modul yang tidak punya tanggung jawab jelas. Gejalanya baru terasa berminggu-minggu kemudian, saat biaya untuk menambah fitur baru mulai naik tanpa alasan yang jelas, atau saat agen AI di sesi baru mulai membuat asumsi yang salah tentang struktur codebase.

Yang menarik, masalah ini sebenarnya sudah dikenali oleh komunitas software engineering sejak lama, dan solusi yang ditawarkan biasanya berupa code review manual, pair programming, dan standar arsitektur yang harus diikuti oleh setiap kontributor. Tapi pendekatan itu mengasumsikan ada manusia yang cukup teliti untuk menjaga konsistensi. Saat kecepatan perubahan naik lima sampai sepuluh kali lipat karena digerakkan oleh agen, asumsi itu tidak lagi berlaku. Kita butuh sesuatu yang melihat perubahan secara otomatis, dan itulah yang coba ditawarkan Sentrux.

Bagaimana Sentrux bekerja: lima metrik, satu skor, satu loop

Secara teknis, Sentrux adalah aplikasi Rust yang disajikan sebagai satu binary, tanpa dependensi runtime, dan berjalan di macOS, Linux, maupun Windows. Ia memindai codebase menggunakan tree-sitter untuk 52 bahasa pemrograman, lalu menghitung lima metrik arsitektur yang oleh tim Sentrux dianggap sebagai akar penyebab utama code rot: modularity, acyclicity, depth, equality, dan redundancy. Kelima metrik ini kemudian digabungkan menjadi satu skor kualitas antara 0 sampai 10000, dan skor itu menjadi basis untuk setiap keputusan berikutnya.

Yang paling konkrit dari cara kerjanya adalah integrasi dengan agen AI melalui Model Context Protocol. Dengan plugin yang tersedia untuk Claude Code dan konfigurasi MCP yang sederhana untuk Cursor, Windsurf, atau OpenCode, agen tidak hanya menulis kode tetapi juga punya akses ke skor kualitas struktur saat itu. Saat agen selesai menulis satu fitur, ia bisa memanggil Sentrux untuk melihat apakah skor naik atau turun, dan jika turun, ia bisa diinstruksikan untuk merefaktor sampai skor kembali ke baseline. Hasilnya adalah loop tertutup: agen menulis, sensor mengukur, agen memperbaiki, sensor mengukur lagi, dan seterusnya sampai kualitas kembali ke tingkat yang dapat diterima.

Untuk konteks pengembangan sehari-hari, ada dua perintah yang paling sering dipakai. sentrux check menjalankan aturan kualitas dalam mode CI-friendly yang keluar dengan kode 0 atau 1, cocok untuk dipasang di pipeline pull request. sentrux gate lebih cocok untuk dipakai dalam sesi panjang: pertama simpan baseline sebelum sesi agent dimulai, lalu setelah sesi selesai, bandingkan skor saat ini dengan baseline dan lihat apakah terjadi degradasi. Pola sederhana seperti ini, menurut pengalaman banyak pengguna awal, sudah cukup untuk mencegah sebagian besar pembusukan kode yang sebelumnya tidak terlihat sampai terlambat.

Mengapa ini relevan untuk tim engineering Indonesia

Untuk startup teknologi dan tim produk di Indonesia yang sudah mengadopsi agen AI sebagai bagian dari workflow sehari-hari, alat seperti Sentrux punya tiga implikasi praktis. Pertama, biaya untuk mempertahankan kualitas arsitektur codebase turun signifikan. Tim tidak perlu lagi mengandalkan code review manual yang melelahkan untuk setiap perubahan kecil yang dihasilkan agen, karena sensor akan secara otomatis menandai sesi yang menyebabkan degradasi struktural. Kedua, diskusi tentang kualitas kode di tim menjadi lebih berbasis data. Pertanyaan apakah arsitektur kita masih sehat bisa dijawab dengan skor dan tren, bukan dengan debat tentang preferensi gaya yang sering berlarut-larut.

Ketiga, untuk tim yang menggunakan model AI berbayar seperti Claude atau GPT untuk coding agentik, investasi pada sensor lokal seperti Sentrux adalah pengali efisiensi. Agen yang dilengkapi dengan sensor struktur akan membuat lebih sedikit perubahan yang sia-sia, lebih sering menghasilkan kode yang langsung lolos review, dan lebih jarang membutuhkan rollback. Ini bukan hal yang marketing-driven, melainkan efek langsung dari feedback loop yang akhirnya tertutup setelah bertahun-tahun kosong. Untuk konteks Indonesia, di mana sumber daya manusia untuk code review masih terbatas dan beban kerja engineer sering tinggi, multiplier kecil seperti ini punya dampak yang cukup terasa.

Ada juga implikasi untuk tim yang belum sepenuhnya yakin mengadopsi agen AI. Banyak engineer senior di Indonesia masih ragu-ragu karena pengalaman buruk dengan codebase yang berantakan setelah beberapa bulan pakai AI coding assistants. Kekhawatiran mereka sebenarnya valid, dan Sentrux adalah salah satu jawaban yang paling konkrit untuk kekhawatiran itu. Bukan dengan mengatakan agen AI sudah aman, tapi dengan mengatakan agen AI perlu sensor, dan sensornya sudah tersedia dan open source.

Batasan yang perlu dipahami sebelum diadopsi

Seperti alat teknis lainnya, Sentrux juga punya batasan yang perlu dipahami agar adopsinya realistis. Pertama, kelima metrik yang dipakai adalah metrik struktural, bukan metrik perilaku. Skor tinggi bukan jaminan bahwa kode melakukan hal yang benar secara bisnis, itu tetap tanggung jawab test suite dan review manusia. Kedua, untuk codebase yang sangat kecil atau baru mulai, nilai skor belum stabil dan belum bisa diandalkan sebagai indikator kualitas. Sensor ini lebih berguna untuk codebase yang sudah punya sejarah dan sudah mulai menunjukkan tanda-tanda pembusukan, bukan untuk proyek yang baru berumur beberapa minggu.

Ketiga, adopsi Sentrux memerlukan perubahan kecil pada workflow: simpan baseline sebelum sesi panjang, jalankan gate setelahnya, dan pasang check di pipeline untuk menjaga agar degradasi tidak masuk ke main branch. Ini bukan pekerjaan yang berat, tapi bagi tim yang sudah nyaman dengan workflow lama, ini adalah perubahan kebiasaan yang harus direncanakan. Keempat, seperti alat open source lainnya, ekosistem plugin dan integrasi masih terus berkembang. Integrasi resmi dengan Claude Code sudah tersedia, tapi untuk editor atau agen lain mungkin perlu konfigurasi MCP manual yang sedikit lebih teknis.

Pada akhirnya, nilai utama Sentrux bukan pada daftar fitur-fiturnya, melainkan pada kategori masalah yang ia masuki: ia adalah salah satu proyek pertama yang secara eksplisit mengakui bahwa agen AI membutuhkan sensor, dan bukan hanya prompt yang lebih baik atau model yang lebih besar. Untuk industri perangkat lunak, ini adalah pengingat bahwa setiap sistem yang bekerja pada skala membutuhkan tiga hal: sensor yang melihat kenyataan, spesifikasi yang mendefinisikan yang baik, dan aktuator yang mengoreksi drift. Agent AI adalah aktuator, tree-sitter adalah sensornya untuk sintaks, dan Sentrux mencoba menjadi sensornya untuk arsitektur. Loop-nya akhirnya bisa tertutup untuk level yang selama ini paling sulit dikontrol.

Yang patut diperhatikan ke depan

Ada tiga hal yang akan menentukan apakah Sentrux dan proyek sejenis akan menjadi standar di workflow AI-assisted development atau hanya menjadi niche untuk tim yang paling teknis. Pertama, apakah aturan standar untuk kelima metrik ini akan diterima oleh komunitas sebagai baseline yang masuk akal, atau apakah setiap organisasi akhirnya menyesuaikan dengan kebutuhan masing-masing. Standar yang terlalu kaku akan membuat alat terasa birokratis, standar yang terlalu longgar akan membuat skor kehilangan makna.

Kedua, apakah integrasi dengan agen AI akan semakin dalam sampai agen benar-benar mampu merefaktor sendiri berdasarkan umpan balik sensor, atau apakah sensor hanya akan menjadi layer observasi yang dilihat manusia saja. Arah pertama lebih ambisius tapi juga lebih berisiko, karena bisa mengajarkan agen pola yang sebenarnya bukan yang kita mau. Ketiga, apakah komunitas open source di Indonesia dan Asia Tenggara akan mulai membangun aturan lokal yang sesuai dengan pola arsitektur yang umum di codebase lokal, atau apakah adopsi akan selalu menunggu kontribusi dari komunitas Barat yang mungkin tidak selalu memahami konteks codebase kita.

Dalam pengujian editorial Wawasan AI, kemunculan Sentrux layak dibaca bukan sebagai rilis alat baru yang sensasional, melainkan sebagai indikator bahwa kategori masalah code rot akibat AI agent sudah cukup besar untuk menarik perhatian serius. Untuk tim engineering Indonesia yang sudah mulai mengandalkan agen AI untuk menulis kode, ini adalah pengingat bahwa kecepatan tinggi tanpa sensor sama saja dengan mengemudi cepat tanpa speedometer, mungkin sampai tujuan, tapi tanpa kemampuan untuk mengukur apakah kita masih dalam jalur yang benar. Sensor itu sekarang sudah tersedia, dan ia open source.