Autonomní agenti: co jsou a jak fungují

Co je autonomní agent

Autonomní agent je systém AI, který samostatně pracuje na dosažení cíle. Člověk popíše výsledek, který chce, a agent sám vymyslí potřebné kroky a provede je.

Řekněme, že si někdo chce vybrat mezi třemi nástroji pro řízení projektů. Autonomní agent dokáže každý nástroj vyhledat, otevřít jeho stránku s cenami, zaznamenat rozdíly a vrátit hotové srovnání. Člověk stanoví cíl a zkontroluje výsledek, práci mezi tím odvede agent.

Mnoho současných softwarových agentů využívá velký jazykový model k interpretaci pokynů a k rozhodování o dalším postupu. Některé modely zpracovávají i obrázky nebo zvuk. Aby agent mohl vyhledávat na webu, klikat na tlačítka nebo odesílat e-maily, potřebuje software, který propojí model s nástroji a provádí jeho požadavky.

V příkladu s řízením projektů by LLM a agent fungovali takto:

1. LLM si přečte cíl a napíše požadavek na vyhledání cen prvního nástroje.
2. Software agenta provede vyhledávání a předá výsledky zpět LLM jako text.
3. LLM si přečte výsledky, zvolí další krok (otevření stránky s cenami) a napíše nový požadavek.
4. Cyklus se opakuje, dokud LLM nerozhodne, že je srovnání hotové, a nenapíše konečnou odpověď.

Zvětšit

Úrovně autonomie

V agentním systému AI (AI vytvořená k provádění akcí, nejen k odpovídání na otázky) je autonomie věcí návrhu. Stejného agenta lze nastavit tak, aby se před každým krokem zeptal, nebo aby celý úkol dokončil sám.

Výzkumníci z Washingtonské univerzity navrhují pětiúrovňový rámec, který vysvětluje různé stupně autonomie, jež agent může mít:

Na úrovni 4 může agent sám provést průzkum a připravit návrh objednávky, ale před jejím odesláním se zastaví. Na úrovni 5 by objednávku také odeslal.

Autonomní AI agenti vs. automatizace vs. chatboti

Autonomní agenti se od chatbotů a automatizace pracovních postupů liší ve dvou ohledech: sami rozhodují o svých krocích a provádějí akce v jiných aplikacích a na webech.

Chatbot odpovídá na otázky v konverzaci, ale mimo ni obvykle nejedná. Automatizace pracovních postupů sice jedná, ale jen podle kroků, které někdo předem nastavil. Běžným typem je robotická automatizace procesů (RPA), tedy software, který opakuje jednoduché úkoly založené na pravidlech, například kopírování dat z jednoho systému do druhého.

Autonomní agent dělá obojí: jedná v jiném softwaru a sám volí kroky k dosažení cíle, a to v rámci nástrojů, oprávnění a pokynů, které dostal.

Rozdíl je dobře vidět na stížnosti na zpožděnou objednávku. Chatbot by mohl odpovědět předem připraveným vysvětlením zásad doručování. Automatizace pracovních postupů by mohla odeslat standardní e-mail „zpoždění objednávky“. Autonomní agent by mohl objednávku dohledat, zjistit, že se ztratila při přepravě, zařídit náhradní zásilku a informovat zákazníka.

Jak autonomní agenti fungují

Autonomní agent se při plnění úkolu opírá o čtyři schopnosti: plánování kroků, používání nástrojů, zapamatování si toho, co už udělal, a kontrolu vlastních výsledků. U větších úkolů někteří agenti také rozdělují práci mezi tým agentů.

1. Rozklad cílů a plánování

Cíl je obvykle příliš velký na to, aby se dal splnit jedním krokem, a tak je prvním úkolem agenta rozdělit ho na menší úkoly. Pokud například uživatel požádá agenta o naplánování týmového výjezdu, může agent cíl rozdělit na výběr termínu, hledání míst v rámci rozpočtu, ověření dostupnosti a přípravu pozvánky.

Agenti mohou plánovat předem, nebo průběžně, podle toho, jak jsou navrženi. Plánování předem znamená sepsat všechny kroky ještě před začátkem, což funguje u krátkých a předvídatelných úkolů. Průběžné plánování znamená naplánovat další krok nebo dva, jednat a upravovat postup podle toho, co se vrátí. Kdyby bylo místo, které bylo pro výjezd první volbou, obsazené, agent by mohl přejít k další možnosti, aniž by musel začínat znovu.

Zvětšit

Přehledová studie autonomních agentů založených na LLM z Čínské lidové univerzity (Renmin) zjistila, že tento druhý přístup lépe zvládá složitější úkoly, protože je těžké napsat dokonalý plán dřív, než jsou k dispozici jakékoli výsledky. Mnoho agentů oba přístupy kombinuje: nejprve načrtnou celý plán a během práce ho upravují.

2. Provádění akcí pomocí nástrojů

Jakmile má agent plán, postupuje podle něj úkol po úkolu a pro každý z nich volí nástroj.

• K nalezení míst může použít vyhledávání na webu s dotazem jako „místa pro firemní výjezd pro 20 lidí poblíž Austinu“.
• K ověření dostupnosti může v prohlížeči otevřít rezervační stránku každého místa a projít kalendář.
• K odeslání pozvánky se může připojit k e-mailu dané osoby přes API, tedy propojení, které umožňuje jednomu softwaru vyžádat si data nebo akce od jiného.

Po každé akci si agent přečte, co se vrátilo, a rozhodne o dalším kroku. Pokud vyhledávání najde pět míst, ověří jejich dostupnost. Pokud se rezervační stránka nenačte, zkusí telefonní kontakt na dané místo nebo přejde k další možnosti.

Nástroje, které má agent k dispozici, určují, které úkoly zvládne dokončit sám. Bez přístupu k e-mailu může pozvánku připravit, ale ne odeslat.

3. Sledování postupu pomocí paměti

Během práce musí agent sledovat, co už udělal a co zjistil. Ve chvíli, kdy prověří tři místa, potřebuje vědět, která byla obsazená, která měla volnou kapacitu a kolik každé z nich stojí. Tento záznam se nachází v kontextovém okně LLM, tedy v množství textu, které model dokáže zohlednit najednou.

Dlouhé úkoly mohou kontextové okno přerůst. Agenti s dlouhodobou pamětí to řeší tak, že ukládají informace mimo model, obvykle do databáze, a načítají jen to, co aktuální krok potřebuje.

Dlouhodobá paměť se přenáší i mezi úkoly. Až přijde čas plánovat výjezd na příští rok, agent může znovu použít letošní seznam míst a rozpočet nebo si vybavit, že tým dává přednost místům do hodiny jízdy autem.

4. Kontrola výsledků a úprava postupu

Během práce mnoho agentů sleduje známky toho, že se nějaký krok nepovedl. Pokud rezervační formulář vrátí chybu nebo vyhledávání nepřinese žádné výsledky, agent zkusí jiný přístup. Když dojde k rozhodnutí, které by neměl dělat sám, například zda je přijatelné místo mírně přesahující rozpočet, zeptá se člověka a podle odpovědi postup upraví.

Mnoho agentů před odevzdáním práce zkontroluje své výsledky. LLM si znovu přečte, co vytvořil, porovná to s cílem a vypíše vše, co chybí nebo je špatně. Agent výsledek upravuje a znovu kontroluje, dokud nesplňuje cíl. Pokud v pozvánce například chybí adresa místa, kontrola to odhalí a agent ji před odesláním doplní.

5. Rozdělení práce mezi agenty

Některé úkoly jdou rychleji, když se o ně dělí několik agentů. Hlavní agent rozdělí práci a jednotlivé části předá dílčím agentům.

Perplexity Computer funguje právě takto. Člověk popíše výsledek, který chce, a Computer ho rozdělí na úkoly a dílčí úkoly a poté vytvoří dílčí agenty, kteří je provedou. Dílčí agenti mohou vyhledávat na webu, vytvářet dokumenty, zpracovávat data nebo volat připojené služby přes API.

Když Computer narazí na problém, vytvoří nové dílčí agenty, kteří ho vyřeší. Každý dílčí agent navíc může běžet na jiném modelu AI, takže každá část práce připadne modelu, který se pro ni nejlépe hodí.

V příkladu s výjezdem by tedy jeden dílčí agent mohl hledat místa, zatímco jiný by kontroloval týmové kalendáře a třetí by zjišťoval možnosti dopravy.

Zvětšit

Jak lidé autonomní agenty využívají

Lidé autonomní agenty využívají hlavně pro běžnou znalostní práci: výzkum, psaní, e-maily a studium. Ve studii výzkumníků z Harvardu a Perplexity tvořily úkoly související s produktivitou a učením 57 % agentních dotazů. Níže uvedené příklady ukazují, co agent u jednotlivých druhů práce dělá.

Výzkum a analýza

Výzkum se pro agenty dobře hodí, protože se skládá z mnoha malých kroků. Agent dokáže vyhledávat, otevírat zdroje, číst je a porovnávat, co uvádějí. Vezměme si dotaz jako „najdi tři nedávné studie o práci na dálku a produktivitě a shrň, co každá zjistila“. Agent vyhledá studie a otevře ty nejrelevantnější. Přečte si zjištění každé studie a napíše shrnutí s odkazy na všechny zdroje. Pokud je studie za paywallem, agent přejde k další. Ve studii tvoří shrnování a analýza výzkumu 7 % agentních dotazů.

Dokumenty, e-maily a kalendáře

Agenti často pracují v nástrojích, které lidé už denně používají. Ve studii Harvardu a Perplexity byly dvěma nejčastějšími dokumentové nástroje Googlu a e-mail, které dohromady tvořily zhruba čtvrtinu agentních dotazů. Vezměme si dotaz jako „projdi nepřečtené e-maily z tohoto týdne, označ vše od klientů a připrav odpovědi na žádosti o schůzky“. Agent otevře doručenou poštu a roztřídí zprávy. Zkontroluje volné termíny v kalendáři a ke každé žádosti připraví odpověď. Koncepty může uložit bez odeslání, aby je člověk mohl nejprve jednotlivě zkontrolovat.

Učení a studium

Studenti používají agenty ke studiu. Studijní úkoly jsou ve studii vůbec největší kategorií využití agentů – tvoří 13 % agentních dotazů. Dotaz jako „vyzkoušej mě z kapitoly čtyři z mých studijních materiálů“ pošle agenta na web kurzu, kde si přečte kapitolu, napíše otázky ke klíčovým bodům a zkontroluje odpovědi studenta. Stejný přístup funguje pro každého, kdo se učí nový obor, například pro zaměstnance, který se potřebuje rychle zorientovat v neznámém odvětví.

Nakupování a srovnávání

Nakupování tvoří 10 % agentních dotazů, většinou jde o vyhledávání a porovnávání produktů. Na pokyn „najdi stůl pro práci vestoje do 400 $ s dobrými recenzemi“ agent prohledá několik prodejců, vyfiltruje výsledky podle ceny a hodnocení, porovná nejlepší možnosti a tu nejlepší může přidat do košíku. Agent, který porovnává možnosti na několika webech, může ušetřit spoustu času, protože člověk už nemusí otevírat a vzájemně porovnávat jednotlivé nabídky.

Sedm osvědčených postupů pro používání autonomních agentů

1. Začněte úkoly, které lze snadno zkontrolovat

Nejvhodnějšími prvními úkoly jsou ty, u nichž se chyba snadno odhalí a levně opraví. Dobrým začátkem jsou shrnutí výzkumu a srovnání produktů. Pokud agent uvádí odkazy na své zdroje, kontrola jeho práce zabere jen pár minut. S rostoucí důvěrou mohou lidé předávat delší úkoly s více kroky.

2. Stanovte jasné výsledky a omezení

Agent se může rozhodovat lépe, když ví, proč je úkol důležitý. Dobrý dotaz vypadá jako zadání pro externího spolupracovníka: účel, cílové publikum, co už je známo a co už bylo vyloučeno. „Porovnej tyto tři dodavatele pro podklad pro představenstvo; představenstvo nejvíce zajímá riziko implementace a už jsme vyloučili všechny, kteří nesplňují SOC 2“ dává agentovi vše, co potřebuje, aby se mohl sám kvalifikovaně rozhodovat.

3. Přidejte kontrolní body ke schválení

Některé akce nelze vrátit zpět, například odeslání e-mailu, nákup, smazání souborů nebo odeslání formuláře. Pokud to agent umožňuje, nastavte ho tak, aby se před těmito kroky zastavil a zeptal. Bod zastavení může určit i samotný dotaz. „Připrav návrhy odpovědí, ale neodesílej je“ nebo „přidej nejlepší možnost do košíku, ale nedokončuj objednávku“ agentovi přesně řekne, kde se má zastavit a vrátit řízení zpět.

4. Zkontrolujte plán před zahájením práce

U většího úkolu požádejte agenta, aby před zahájením nastínil svůj plán. Kontrola plánu zabere minutu a oprava nedorozumění v této fázi je mnohem levnější než jeho odhalení v hotovém výstupu.

5. Omezte přístup na to, co úkol vyžaduje

Každý účet, ke kterému má agent přístup, je účet, v němž může jednat. Když připojíte jen aplikace, které úkol vyžaduje, zůstanou citlivá data mimo dosah a omezíte, co se může pokazit. Agent, který zkoumá dodavatele, nepotřebuje přístup k e-mailu. Agent, který připravuje návrhy odpovědí, ho potřebuje, ale nemusí mít oprávnění je odesílat.

6. Zabudujte kontroly přímo do dotazu

Agenti už svůj výstup kontrolují sami, takže dotaz jim může říct, na co se mají zaměřit. Když uvedete, jak vypadá dobrý výsledek („každý údaj potřebuje zdroj z roku 2025 nebo novější“), agent tento standard uplatní dříve, než práci předá. Když ho požádáte, aby oddělil potvrzená fakta od vlastních závěrů a označil předpoklady, bude kontrola ze strany člověka rychlejší a cílenější.

7. Znovu využívejte to, co funguje

Dotaz, který přinesl dobrý výsledek, se může stát šablonou pro další podobný úkol. Ukázka dobrého výstupu, například zprávy z minulého čtvrtletí, agentovi často pomůže víc než slovní popis formátu. Z opakujících se úkolů se mohou stát stálé pracovní postupy.

Jak k autonomním agentům přistupuje Perplexity

Perplexity nabízí dva autonomní agenty. Comet Assistant zvládá každodenní úkoly přímo v prohlížeči a Perplexity Computer se ujímá větších projektů, které mohou běžet hodiny i déle.

Comet Assistant je přímo součástí prohlížeče Comet – AI prohlížeče od Perplexity. Pracuje na webových stránkách, které už má člověk otevřené, takže může plánovat schůzky, upravovat dokumenty, odesílat e-maily a rezervovat lety bez přepínání mezi nástroji.

Computer běží v cloudu a každý cíl rozděluje mezi dílčí agenty, jak bylo popsáno výše. Připojuje se ke stovkám služeb a lidé si mohou pro konkrétní části práce vybrat konkrétní AI modely. Computer je k dispozici předplatitelům Pro a Max.

Prozkoumejte Comet Assistant a vyzkoušejte agenta v prohlížeči, nebo Perplexity Computer a předejte mu větší projekt.

Často kladené otázky

Je autonomní agent totéž co agentní AI?

Ne, ale tyto pojmy se překrývají. Agentní AI obvykle označuje širší kategorii systémů AI, které sledují cíle tím, že plánují a provádějí akce. Autonomní agent je konkrétní systém v této kategorii, který svou práci vykonává jen s minimálním schvalováním jednotlivých kroků.

Jsou všichni AI agenti autonomní?

Ne. Někteří agenti provedou každý krok, jen když je k tomu člověk vyzve, zatímco jiní dokončí celý úkol sami. Úrovně autonomie popsané výše ukazují celé spektrum – od agentů, které člověk ovládá krok za krokem, až po agenty, které člověk pouze sleduje.

Mohou autonomní agenti provádět nákupy nebo platby?

Někteří agenti mohou pomáhat s nákupy, a to v závislosti na webu, oprávněních a ochranných opatřeních. Comet Assistant dokáže porovnávat produkty a pomáhat s dokončením objednávky. Funkce Instant Buy od Perplexity umožňuje oprávněným uživatelům v USA nakupovat podporované produkty přímo v Perplexity, přičemž jako platební možnost je k dispozici PayPal.

Vyžadují autonomní agenti znalost programování?

Mnoho hotových agentů lze používat bez programování. Některé platformy také umožňují vytvářet agenty pomocí pokynů v přirozeném jazyce nebo grafického rozhraní. Programování se může hodit pro vlastní integrace, ladění a specializovanější chování.