Agent API: Eine verwaltete Laufzeit für agentenbasierte Workflows

Heute veröffentlichen wir die Perplexity Agent API, eine verwaltete Laufzeitumgebung für die Erstellung von agentenbasierten Workflows mit integrierter Suche, Tool-Ausführung und Multi-Modell-Orchestrierung.

Sie ersetzt einen Modell-Router, eine Suchschicht, einen Einbettungsanbieter, einen Sandbox-Dienst und einen Monitoring-Stack durch einen einzigen Integrationspunkt.

Die agentenbasierte Schleife als Rechenmodell

Eine konventionelle CPU führt einen deterministischen Zyklus aus: Abrufen eines Befehls, Dekodieren, Ausführen, Speichern des Ergebnisses. Der Programmzähler rückt vor. Der Prozessor entscheidet niemals selbst, was zu tun ist.

Die Agent API implementiert ein anderes Rechenmodell. Der Prozessor ist ein Frontier-Sprachmodell. Er empfängt ein Ziel und bestimmt, wie dieses erreicht werden kann. Er zerlegt das Ziel in einen Plan, wählt die zu verwendenden Tools aus seinem verfügbaren Tool-Set aus, führt sie aus, beobachtet die Ergebnisse, bewertet, ob das Ziel erreicht wurde, und iteriert. Das Kontextfenster dient als Register. Reasoning und Orchestrierung fungieren als Scheduler.

Stellen Sie sich vor, Sie bereiten sich auf ein Verkaufsgespräch mit einem Interessenten vor, mit dem Sie bereits ein paar Mal gesprochen haben. Sie senden eine einzige Anfrage an die Agent API mit drei Tools: eines für die Suche in Ihrem internen CRM, web_search und fetch_url. Das Modell ruft zuerst Ihr CRM-Tool auf, um den Kontext aus vergangenen Gesprächen abzurufen. Anschließend ruft es web_search auf, um aktuelle Nachrichten und Wettbewerbsinformationen zu finden, und liefert mehrere relevante Seiten zurück. Es entscheidet, dass zwei dieser Seiten ein tieferes Lesen rechtfertigen, und ruft für jede fetch_url auf. In drei Schritten hat das Modell interne Historie, breiten Web-Kontext und seitenfüllende Details zu einer einzigen, fundierten Antwort zusammengeführt. Das ist die Agenten-Schleife.

Orchestrierung der vollständigen agentenbasierten Schleife

Es ist wichtig, die Agent API von Modell-Routing-Diensten zu unterscheiden. Die Agent API ist eine verwaltete Laufzeitumgebung, die die vollständige agentenbasierte Schleife orchestriert: Abruf, Tool-Ausführung, Reasoning, Multi-Modell-Fallback sowie alle benutzerdefinierten Tools, auf die Sie Zugriff gewähren. Sie ersetzt einen Modell-Router, eine Suchschicht, einen Einbettungsanbieter, einen Sandbox-Dienst und einen Monitoring-Stack durch einen einzigen Endpunkt, ein Konto und einen API-Schlüssel.

Die API ist modellagnostisch über alle Anbieter von Frontier-Modellen hinweg. Für hochverfügbare Anwendungen unterstützt die API Modell-Fallback-Ketten: Geben Sie mehrere Modelle an, und die API versucht automatisch das nächste, falls eines nicht verfügbar ist. Dies stellt eine nahezu 100%ige Verfügbarkeit sicher.

Leistungsstarke, integrierte Tools

Es stehen zwei integrierte Tools zur Verfügung: web_search und fetch_url. web_search unterstützt Domain-Filterung (Allowlist und Denylist, bis zu 20 Domains), Aktualitätsfilterung, Datumsbereichsfilterung, Sprachfilterung und konfigurierbare Content-Budgets pro Seite. fetch_url ruft den vollständigen Seiteninhalt von spezifischen URLs ab und extrahiert diesen.

Über die integrierten Tools hinaus ermöglichen benutzerdefinierte Funktionen Entwicklern, den Agenten mit ihren eigenen Backends, Datenbanken und APIs zu verbinden.

Kontinuierlich optimierte Frontier-Modell-Presets

Die Erstellung einer effektiven Agentenkonfiguration von Grund auf erfordert die Wahl des richtigen Modells, die Kalibrierung der Reasoning-Tiefe, die Auswahl von Tools und die Feinabstimmung von Token-Budgets. Perplexity führt dies kontinuierlich für seine eigenen Produkte durch, unterstützt durch ein internes Evaluierungsteam, das Konfigurationen gegen reale Arbeitslasten benchmarkt.

Presets teilen dieses Fachwissen. Jedes Preset ist ein vollkommen transparentes, vorkonfiguriertes Setup, das für einen spezifischen Anwendungsfall optimiert ist: schnelle faktische Nachschlagewerke, ausgewogene Recherche, tiefe Analyse aus mehreren Quellen und institutionelle Forschung. Wir veröffentlichen für jedes den empfohlenen System-Prompt, die Tools und das Kostenprofil. Während sich die Modell-Landschaft weiterentwickelt, aktualisieren wir die zugrunde liegenden Konfigurationen, damit das Preset immer den aktuellen Stand der Technik zu vorhersehbaren Kosten widerspiegelt. Alle Preset-Parameter sind überschreibbar: Entwickler können ein Preset als Ausgangspunkt nutzen und in einer einzigen Anfrage das Modell, die Tools, die Schrittanzahl oder Token-Budgets anpassen.

Deep Research 2.0, verfügbar über das advanced-deep-research-Preset, ist dieselbe mehrstufige Reasoning-Engine, die auch Perplexity's Endverbraucherprodukt antreibt. Sie führt Dutzende von Suchen pro Abfrage durch, liest Hunderte von Quelldokumenten und verfeinert ihre Analyse iterativ. Die Leistung bei DRACO, Scale AI's ResearchRubrics und Google DeepMind's DeepSearchQA ist in unserem DRACO-Benchmark-Beitrag detailliert beschrieben.

Die Agent API ist ab heute verfügbar. Dokumentationen und Quickstart-Anleitungen finden Sie unter docs.perplexity.ai