Agent API: En administreret runtime til agentiske arbejdsprocesser

I dag udgiver vi Perplexity Agent API, en administreret runtime til at opbygge agentiske arbejdsprocesser med integreret søgning, værktøjsudførelse og multimodelsorkestrering.

Den erstatter en modelrouter, et søgelag, en embeddings-udbyder, en sandbox-tjeneste og en overvågningsstack med et enkelt integrationspunkt.

Det agentiske loop som beregningsmodel

En konventionel CPU udfører en deterministisk cyklus: hent en instruktion, dekod den, udfør den, gem resultatet. Programtælleren rykker frem. Processoren beslutter aldrig, hvad den skal gøre.

Agent API'en implementerer en anden beregningsmodel. Processoren er en avanceret sprogmodel. Den modtager et formål og afgør, hvordan det skal opnås. Den opdelere dette formål i en plan, vælger hvilke værktøjer der skal bruges fra sit tilgængelige værktøjssæt, udfører, observerer resultaterne, evaluerer om formålet er nået, og itererer. Kontekstvinduet fungerer som registre. Ræsonnement og orkestrering fungerer som planlæggeren.

Overvej at forberede dig på et salgsopkald med en kunde, du har talt med et par gange. Du sender en enkelt anmodning til Agent API'en med tre værktøjer: et til at søge i din interne CRM, web_search og fetch_url. Modellen kalder dit CRM-værktøj først og henter kontekst fra tidligere samtaler. Den kalder derefter web_search for at finde nyere nyheder og konkurrencemæssig intelligens, og returnerer flere relevante sider. Den beslutter, at to af disse sider kræver dybere læsning og kalder fetch_url på hver. I tre trin har modellen samlet intern historik, bred webkontekst og fuld sidesdetalje i et enkelt, grundet svar. Det er agent-loopet.

Orkestrering af hele det agentiske loop

Det er vigtigt at adskille Agent API'en fra modelroutingstjenester. Agent API'en er en administreret runtime, der orkestrerer hele det agentiske loop: hentning, værktøjsudførelse, ræsonnement og multimodels-fallback samt eventuelle tilpassede værktøjer, du giver den adgang til. Den erstatter en modelrouter, et søgelag, en embeddings-udbyder, en sandbox-tjeneste og en overvågningsstack med et enkelt slutpunkt, en enkelt konto og en enkelt API-nøgle.

API'en er modelagnostisk på tværs af alle avancerede modeludbydere. For applikationer med høj tilgængelighed understøtter API'en modelfallback-kæder: angiv flere modeller, og API'en prøver automatisk den næste, hvis en er utilgængelig. Dette sikrer tæt på 100 % tilgængelighed.

Kraftfulde, indbyggede værktøjer

To indbyggede værktøjer er tilgængelige: web_search og fetch_url. web_search understøtter domænefiltrering (tilladelsesliste og afvisningsliste, op til 20 domæner), opdateringsfiltrering, datointervalfiltrering, sprogfiltrering og konfigurerbare indholdsbudgetter pr. side. fetch_url henter og udtrækker fuldt sideindhold fra specifikke URL'er.

Ud over de indbyggede værktøjer tillader tilpassede funktioner udviklere at forbinde agenten til deres egne backends, databaser og API'er.

Kontinuerligt optimerede forudindstillinger for avancerede modeller

At opbygge en effektiv agentkonfiguration helt fra bunden kræver valg af den rigtige model, kalibrering af ræsonnementsdybde, valg af værktøjer og justering af token-budgetter. Perplexity gør dette kontinuerligt for sine egne produkter, bakket op af et internt evalueringsteam, der benchmarker konfigurationer mod virkelige arbejdsbelastninger.

Forudindstillinger deler denne ekspertise. Hver forudindstilling er en fuldstændig gennemsigtig, pre-konfigureret opsætning optimeret til et specifikt brugstilfælde: hurtige faktuelle opslag, afbalanceret research, dyb flerkildesignalyse og research på institutionsniveau. Vi offentliggør den anbefalede systemprompt, værktøjer og omkostningsprofil for hver. Efterhånden som modellandskabet udvikler sig, opdaterer vi de underliggende konfigurationer, så forudindstillingen altid afspejler det aktuelle teknologiske niveau til en forudsigelig pris. Alle forudindstillede parametre kan tilsidesættes: udviklere kan bruge en forudindstilling som udgangspunkt og justere modellen, værktøjer, trintal eller token-budgetter i en enkelt anmodning.

Deep Research 2.0, der er tilgængelig via den avancerede deep-research forudindstilling, er den samme flertrins ræsonnementsmotor, der driver Perplexituds forbrugerprodukt. Den udfører snesevis af søgninger pr. forespørgsel, læser hundredvis af kildedokumenter og finpudser iterativt sin analyse. Ydelse på DRACO, Scale AI's ResearchRubrics og Google DeepMind's DeepSearchQA er detaljeret i vores DRACO benchmark-indlæg.

Agent API'en er tilgængelig i dag. Dokumentation og startvejledninger findes på docs.perplexity.ai