Aplikasi pencatatan kalori dapat mendukung pemantauan pola makan, tetapi input manual, keterbatasan data makanan lokal, dan penurunan kepatuhan sering menghambat penggunaan berkelanjutan. Penelitian ini mengembangkan chatbot berbasis agentic retrieval-augmented generation yang terintegrasi pada aplikasi Android NutriVision agar pengguna dapat menanyakan informasi gizi dan mencatat makanan melalui percakapan bahasa Indonesia. Pengembangan dilakukan secara berurutan melalui analisis kebutuhan, perancangan, implementasi, dan pengujian. Arsitektur sistem menggabungkan aplikasi Android Kotlin, application programming interface Flask, PostgreSQL, LangChain Agent, serta model reasoning GPT-OSS-120B melalui Groq dengan temperature 0,3. Basis pengetahuan berisi 769 data makanan Indonesia yang dikumpulkan dari FatSecret Indonesia dan dilengkapi variasi porsi, kandungan gizi, embedding semantik, serta indeks hierarchical navigable small-world. Delapan tool memungkinkan agent mencari makanan, mengambil porsi, membaca konsumsi harian, menambah, mengubah, atau menghapus food log, serta mengambil dan memperbarui profil pengguna. Evaluasi mencakup 100 skenario trajectory dengan LLM-as-a-Judge, 20 kasus Black Box Testing, dan pengujian usability terhadap 16 responden berusia 20-25 tahun. Sistem memperoleh skor rata-rata trajectory 0,90 dengan pass rate 95%, keberhasilan fungsional 100%, skor System Usability Scale 80,63, dan Net Promoter Score 62,5. Hasil tersebut menunjukkan bahwa arsitektur agentic yang di-grounding pada basis data makanan lokal terstruktur mampu mendukung pencatatan kalori yang fungsional, kontekstual, dan diterima dengan baik oleh pengguna.