Autonóm ügynökök: mik azok, és hogyan működnek

Mi az autonóm ügynök

Az autonóm ügynök olyan MI-rendszer, amely önállóan dolgozik egy cél elérésén. Az ember leírja, milyen eredményt szeretne, az ügynök pedig kidolgozza a lépéseket, és végre is hajtja őket.

Tegyük fel, hogy valaki három projektmenedzsment-eszköz közül szeretne választani. Egy autonóm ügynök rákereshet mindegyik eszközre, megnyithatja az árazási oldalukat, feljegyezheti a különbségeket, és kész összehasonlítást adhat vissza. Az ember kitűzi a célt és átnézi az eredményt, a köztes munkát pedig az ügynök végzi el.

Számos mai szoftveres ügynök nagy nyelvi modellt használ az utasítások értelmezésére és a következő lépés eldöntésére. Egyes modellek képeket vagy hangot is fel tudnak dolgozni. Ahhoz, hogy az ügynök keressen a weben, gombokra kattintson vagy e-mailt küldjön, olyan szoftverre van szüksége, amely összeköti a modellt az eszközökkel, és végrehajtja a modell kéréseit.

A projektmenedzsment-példában az LLM és az ügynök így működne:

1. Az LLM elolvassa a célt, és megír egy kérést az első eszköz árazásának megkeresésére.
2. Az ügynök szoftvere lefuttatja a keresést, és szövegként visszaadja az eredményeket az LLM-nek.
3. Az LLM elolvassa az eredményeket, kiválasztja a következő lépést (az árazási oldal megnyitását), és új kérést ír.
4. A ciklus addig ismétlődik, amíg az LLM úgy nem dönt, hogy az összehasonlítás elkészült, és meg nem írja a végső választ.

Nagyítás

Az autonómia szintjei

Egy ügynöki MI-rendszerben (olyan MI-ben, amelyet arra terveztek, hogy ne csak kérdésekre válaszoljon, hanem műveleteket is végrehajtson) az autonómia tervezési döntés kérdése. Ugyanaz az ügynök beállítható úgy, hogy minden lépés előtt kérdezzen, vagy úgy, hogy egyedül végezzen el egy teljes feladatot.

A Washingtoni Egyetem kutatói egy ötszintű keretrendszert javasolnak annak bemutatására, hogy milyen különböző mértékű autonómiával rendelkezhet egy ügynök:

A 4. szinten egy ügynök önállóan utánajárhat a részleteknek, és elkészítheti egy beszerzési megrendelés tervezetét, de a beküldés előtt megáll. Az 5. szinten a megrendelést is beküldené.

Autonóm MI-ügynökök, automatizálás és chatbotok: a különbségek

Az autonóm ügynökök két dologban különböznek a chatbotoktól és a munkafolyamat-automatizálástól: maguk döntenek a lépéseikről, és más alkalmazásokban és webhelyeken is műveleteket hajtanak végre.

A chatbot egy beszélgetésen belül válaszol a kérdésekre, de azon kívül általában nem cselekszik. A munkafolyamat-automatizálás cselekszik, de csak úgy, hogy valaki által előre beállított lépéseket követ. Gyakori típusa a robotizált folyamatautomatizálás (RPA), vagyis olyan szoftver, amely egyszerű, szabályalapú feladatokat ismétel, például adatokat másol az egyik rendszerből a másikba.

Az autonóm ügynök mindkettőre képes: más szoftverekben is cselekszik, és maga választja meg a cél felé vezető lépéseit – a kapott eszközök, engedélyek és utasítások keretein belül.

Egy késedelmes rendeléssel kapcsolatos panasz jól szemlélteti a különbséget. Egy chatbot a szállítási szabályzat előre megírt magyarázatával válaszolhat. Egy munkafolyamat-automatizálás elküldhet egy szabványos „késedelmes rendelés” e-mailt. Egy autonóm ügynök viszont kikeresheti a rendelést, megállapíthatja, hogy szállítás közben elveszett, pótküldeményt indíthat, és tájékoztathatja az ügyfelet.

Hogyan működnek az autonóm ügynökök

Az autonóm ügynök négy képességre támaszkodik egy feladat elvégzésekor: megtervezi a lépéseit, eszközöket használ, emlékszik arra, amit már elvégzett, és ellenőrzi a saját eredményeit. Nagyobb feladatoknál egyes ügynökök a munkát egy ügynökökből álló csapat között is felosztják.

1. A célok lebontása és a tervek elkészítése

Egy cél általában túl nagy ahhoz, hogy egyetlen lépésben meg lehessen valósítani, ezért az ügynök első feladata, hogy kisebb feladatokra bontsa. Ha például a felhasználó arra kéri az ügynököt, hogy tervezzen meg egy kihelyezett csapatprogramot, az ügynök a célt felbonthatja az időpontok kiválasztására, a költségkeretbe illő helyszínek felkutatására, az elérhetőség ellenőrzésére és a meghívó megfogalmazására.

Felépítésüktől függően az ügynökök tervezhetnek előre, vagy menet közben is. Az előzetes tervezés azt jelenti, hogy az ügynök a kezdés előtt minden lépést leír, ami rövid, kiszámítható feladatoknál működik jól. A menet közbeni tervezés azt jelenti, hogy felvázolja a következő egy-két lépést, cselekszik, majd a visszakapott eredmények alapján módosít. Ha a kihelyezett program elsőként választott helyszíne foglalt lenne, az ügynök továbbléphetne a következő lehetőségre anélkül, hogy elölről kezdené.

Nagyítás

A kínai Renmin Egyetem LLM-alapú autonóm ügynökökről készült áttekintése szerint ez a második megközelítés jobban kezeli az összetettebb feladatokat, mert nehéz tökéletes tervet írni, mielőtt bármilyen eredmény látható lenne. Sok ügynök ötvözi a kettőt: először felvázol egy teljes tervet, majd munka közben módosítja.

2. Műveletek végrehajtása eszközökkel

Ha megvan a terv, az ügynök feladatról feladatra halad végig rajta, és mindegyikhez kiválaszt egy eszközt.

• A helyszínek megtalálásához például webes keresést használhat egy ilyen lekérdezéssel: „kihelyezett rendezvényhelyszínek 20 főre Austin közelében”.
• Az elérhetőség ellenőrzéséhez megnyithatja böngészőben az egyes helyszínek foglalási oldalát, és leolvashatja a naptárat.
• A meghívó elküldéséhez API-n keresztül csatlakozhat az adott személy e-mail-fiókjához – az API az a kapcsolat, amely lehetővé teszi, hogy egy szoftver adatokat vagy műveleteket kérjen egy másiktól.

Minden művelet után az ügynök elolvassa, mi érkezett vissza, és eldönti, mi legyen a következő lépés. Ha a keresés öt helyszínt talál, ellenőrzi az elérhetőségüket. Ha egy foglalási oldal nem töltődik be, megpróbálkozik a helyszín telefonos elérhetőségével, vagy továbblép a következő lehetőségre.

Az ügynök rendelkezésére álló eszközök határozzák meg, mely feladatokat tudja önállóan elvégezni. E-mail-hozzáférés nélkül meg tudja fogalmazni a meghívót, de elküldeni nem tudja.

3. Az előrehaladás nyomon követése memóriával

Munka közben az ügynöknek nyomon kell követnie, mit végzett már el, és mit tudott meg. Mire három helyszínt ellenőrzött, tudnia kell, melyek foglaltak, hol van még hely, és mennyibe kerülnek az egyes helyszínek. Ez a nyilvántartás az LLM kontextusablakában található, vagyis abban a szövegmennyiségben, amelyet a modell egyszerre figyelembe tud venni.

A hosszú feladatok kinőhetik ezt a kontextusablakot. A hosszú távú memóriával rendelkező ügynökök ezt úgy kezelik, hogy az információkat a modellen kívül, általában egy adatbázisban tárolják, és csak azt kérik le, amire az aktuális lépéshez szükség van.

A hosszú távú memória a feladatok között is megmarad. Amikor eljön a jövő évi kihelyezett program megtervezésének ideje, az ügynök újra felhasználhatja az idei helyszínlistát és költségkeretet, vagy felidézheti, hogy a csapat az autóval egy órán belül elérhető helyszíneket részesíti előnyben.

4. Az eredmények ellenőrzése és az irány korrigálása

Munka közben sok ügynök figyeli azokat a jeleket, amelyek arra utalnak, hogy egy lépés rosszul sikerült. Ha egy foglalási űrlap hibát ad vissza, vagy egy keresés nem hoz eredményt, másik megközelítéssel próbálkozik. Ha olyan döntéshez ér, amelyet nem kellene egyedül meghoznia – például hogy elfogadható-e egy kissé a költségkeret feletti helyszín –, megkérdezi az embert, és a válasz alapján módosít.

Mielőtt átadnák a munkájukat, sok ügynök átnézi az eredményeit. Az LLM visszaolvassa, amit létrehozott, összeveti a céllal, és felsorolja, mi hiányzik vagy hibás. Az ügynök javít, majd újra ellenőriz, amíg az eredmény el nem éri a célt. Ha például a meghívóból hiányzik a helyszín címe, az ellenőrzés ezt kiszúrja, és az ügynök küldés előtt pótolja.

5. A munka felosztása ügynökök között

Egyes feladatok gyorsabban haladnak, ha több ügynök osztozik rajtuk. Egy vezető ügynök felosztja a munkát, és a részeket alügynököknek adja át.

A Perplexity Computer is így működik. Az ember leírja, milyen eredményt szeretne, a Computer pedig feladatokra és részfeladatokra bontja, majd alügynököket hoz létre a végrehajtásukra. Az alügynökök kutathatnak a weben, dokumentumokat hozhatnak létre, adatokat dolgozhatnak fel, vagy API-kon keresztül hívhatnak meg csatlakoztatott szolgáltatásokat.

Ha a Computer problémába ütközik, új alügynököket hoz létre a megoldására. Az egyes alügynökök más-más MI-modellen is futhatnak, így a munka minden része az arra legalkalmasabb modellhez kerül.

A kihelyezett program példájánál maradva tehát az egyik alügynök helyszíneket kutathat, egy másik a csapat naptárait ellenőrizheti, egy harmadik pedig az utazási lehetőségeknek járhat utána.

Nagyítás

Hogyan használják az emberek az autonóm ügynököket

Az emberek az autonóm ügynököket leginkább mindennapi tudásalapú munkára használják: kutatásra, írásra, e-mailezésre és tanulásra. A Harvard és a Perplexity kutatóinak tanulmányában az ügynöki lekérdezések 57%-át a termelékenységi és tanulási feladatok tették ki. Az alábbi példák bemutatják, mit végez el egy ügynök az egyes munkatípusoknál.

Kutatás és elemzés

A kutatás jól illik az ügynökökhöz, mert sok apró lépésből áll. Egy ügynök kereshet, megnyithatja és elolvashatja a forrásokat, és összevetheti, mit állítanak. Vegyünk egy olyan lekérdezést, mint: „keress három friss tanulmányt a távmunkáról és a termelékenységről, és foglald össze, mire jutott mindegyik”. Az ügynök tanulmányokat keres, és megnyitja a legrelevánsabbakat. Elolvassa az egyes tanulmányok eredményeit, és összefoglalót ír, amelyben minden forrás linkje szerepel. Ha egy tanulmány fizetőfal mögött van, az ügynök továbblép a következőre. A tanulmányban a kutatások összefoglalása és elemzése az ügynöki lekérdezések 7%-át teszi ki.

Dokumentumok, e-mailek és naptárak

Az ügynökök gyakran azokban az eszközökben dolgoznak, amelyeket az emberek már most is nap mint nap használnak. A Harvard és a Perplexity tanulmányában a Google dokumentumkezelő eszközei és az e-mail volt a két leggyakoribb, ezek együtt az ügynöki lekérdezések nagyjából negyedét tették ki. Vegyünk egy olyan lekérdezést, mint: „nézd át az e heti olvasatlan e-maileket, jelöld meg az ügyfelektől érkezett üzeneteket, és készíts választervezetet az időpont-egyeztetési kérésekre”. Az ügynök megnyitja a beérkező leveleket, és rendezi az üzeneteket. Megnézi a naptárban a szabad időpontokat, és mindegyik kérésre választervezetet ír. A tervezeteket elküldés nélkül is mentheti, így az ember előbb mindegyiket átnézheti.

Tanulás és tanulmányi feladatok

A diákok tanulásra használják az ügynököket. A tanulmányban a tanulmányi feladatok jelentik az ügynökhasználat legnagyobb önálló kategóriáját, az ügynöki lekérdezések 13%-ával. Egy olyan lekérdezés, mint a „kérdezz ki a kurzusom olvasmányainak negyedik fejezetéből”, a kurzus webhelyére irányítja az ügynököt, ahol az elolvassa a fejezetet, kérdéseket ír a legfontosabb pontokról, és ellenőrzi a diák válaszait. Ugyanez a megközelítés bárkinek beválik, aki új témát tanul, például egy munkavállalónak, akinek gyorsan bele kell tanulnia egy számára ismeretlen iparágba.

Vásárlás és összehasonlítás

A vásárlás az ügynöki lekérdezések 10%-át teszi ki, főként termékek keresését és összehasonlítását. Ha azt kérik tőle, hogy „keress egy 400 dollár alatti, jól értékelt állóasztalt”, az ügynök több kiskereskedőnél is keres, ár és értékelés szerint szűr, összehasonlítja a legjobb lehetőségeket, és a legjobbat a kosárba is teheti. Ha egy ügynök hasonlítja össze a lehetőségeket több webhelyen, az sok időt takaríthat meg, mivel az embernek már nem kell egyenként megnyitnia és összevetnie az egyes ajánlatokat.

Hét bevált gyakorlat az autonóm ügynökök használatához

1. Kezdés könnyen ellenőrizhető feladatokkal

A legjobb első feladatok azok, amelyeknél a hiba könnyen észrevehető, és kis ráfordítással javítható. A kutatási összefoglalók és a termék-összehasonlítások jó kiindulópontot jelentenek. Ha az ügynök hivatkozásként megadja a forrásait, a munka ellenőrzése mindössze néhány percet vesz igénybe. Ahogy nő a bizalom, hosszabb, több lépésből álló feladatokat is rá lehet bízni.

2. Egyértelmű célok és korlátok meghatározása

Az ügynök jobb döntéseket hozhat, ha tudja, miért fontos a feladat. Egy jó lekérdezés olyan, mint egy külső vállalkozónak adott feladatleírás: tartalmazza a célt, a célközönséget, azt, amit már tudunk, és azt, amit már kizártunk. „Hasonlítsd össze ezt a három szállítót egy igazgatótanácsi feljegyzéshez; az igazgatótanácsot leginkább a bevezetési kockázat érdekli, és már kizártunk mindenkit, aki nem rendelkezik SOC 2-megfeleléssel” – egy ilyen lekérdezés mindent megad, amire az ügynöknek szüksége van ahhoz, hogy önállóan mérlegelhessen.

3. Jóváhagyási ellenőrzőpontok beiktatása

Bizonyos műveleteket nem lehet visszavonni, például egy e-mail elküldését, egy vásárlást, fájlok törlését vagy egy űrlap beküldését. Ahol az ügynök lehetővé teszi, érdemes beállítani, hogy ezek előtt a lépések előtt álljon meg, és kérjen engedélyt. Maga a lekérdezés is kijelölhet megállási pontot. A „Készíts válaszvázlatokat, de ne küldd el őket” vagy a „Tedd a kosaramba a legjobb lehetőséget, de ne fejezd be a vásárlást” pontosan megmondja az ügynöknek, hol álljon meg, és adja vissza az irányítást.

4. A terv áttekintése a munka megkezdése előtt

Nagyobb feladatoknál érdemes megkérni az ügynököt, hogy a munka megkezdése előtt vázolja fel a tervét. Egy terv áttekintése egy percet vesz igénybe, és egy félreértést ebben a szakaszban sokkal olcsóbb kijavítani, mint egy kész végtermékben felfedezni.

5. A hozzáférés korlátozása a feladathoz szükséges mértékre

Minden fiókban, amelyhez egy ügynök hozzáfér, műveleteket is végrehajthat. Ha csak a feladathoz szükséges alkalmazásokat csatlakoztatjuk, az érzékeny adatok elérhetetlenek maradnak, és kevesebb dolog romolhat el. Egy szállítókat kutató ügynöknek nincs szüksége e-mail-hozzáférésre. Egy válaszokat fogalmazó ügynöknek viszont igen, de előfordulhat, hogy a válaszok elküldéséhez nincs szüksége engedélyre.

6. Az ellenőrzések beépítése a lekérdezésbe

Az ügynökök már most is ellenőrzik a saját kimenetüket, így a lekérdezésben meg lehet adni, mire figyeljenek. Ha leírjuk, milyen a jó eredmény („minden számadathoz 2025-ös vagy későbbi dátumú forrás szükséges”), az ügynök ezt a mércét alkalmazza, mielőtt visszaadja a munkáját. Ha arra kérjük, hogy különítse el az ellenőrzött tényeket a saját következtetéseitől, és jelezze a feltételezéseit, az eredmény átnézése gyorsabb és célzottabb lesz.

7. A bevált megoldások újrahasznosítása

Egy jó eredményt hozó lekérdezés sablonként szolgálhat a következő hasonló feladathoz. Ha példát adunk az ügynöknek a jó kimenetre – például az előző negyedéves jelentést –, az gyakran többet ér, mint a formátum szavakkal történő leírása. Az ismétlődő feladatokból állandó munkafolyamatok válhatnak.

A Perplexity megközelítése az autonóm ügynökök terén

A Perplexity két autonóm ügynököt kínál. A Comet Assistant a böngészőn belül végzi el a mindennapi feladatokat, a Perplexity Computer pedig nagyobb projekteket vállal, amelyek akár órákig vagy még tovább is futhatnak.

A Comet Assistant be van építve a Cometbe, a Perplexity MI-alapú böngészőjébe. Azokon a webhelyeken dolgozik, amelyeket a felhasználó már megnyitott, így eszközváltás nélkül tud megbeszéléseket ütemezni, dokumentumokat szerkeszteni, e-maileket küldeni és repülőjegyet foglalni.

A Computer a felhőben fut, és – ahogy korábban bemutattuk – minden célt alügynökök között oszt fel. Több száz szolgáltatáshoz csatlakozik, és a felhasználók a munka egyes részeihez konkrét MI-modelleket választhatnak. A Computer a Pro- és Max-előfizetők számára érhető el.

Próbáljon ki egy böngészőben működő ügynököt a Comet Assistant segítségével, vagy adjon át egy nagyobb projektet a Perplexity Computer szolgáltatásnak.

Gyakori kérdések

Az autonóm ügynök ugyanaz, mint az ügynökalapú MI?

Nem, de a két fogalom részben átfedi egymást. Az ügynökalapú MI általában az MI-rendszerek tágabb kategóriáját jelöli, amelyek tervezés és műveletek végrehajtása révén törekszenek céljaik elérésére. Az autonóm ügynök egy konkrét rendszer ebben a kategóriában, amely kevés lépésenkénti jóváhagyással végzi a munkáját.

Minden MI-ügynök autonóm?

Nem. Egyes ügynökök csak akkor hajtanak végre egy-egy lépést, ha egy ember erre utasítja őket, mások viszont önállóan elvégeznek egy teljes feladatot. A korábban bemutatott autonómiaszintek a teljes skálát lefedik: azoktól az ügynököktől, amelyeket az ember lépésről lépésre irányít, egészen azokig, amelyeket csak felügyel.

Tudnak az autonóm ügynökök vásárolni vagy fizetni?

Egyes ügynökök a webhelytől, az engedélyektől és a biztonsági intézkedésektől függően segíthetnek a vásárlásban. A Comet Assistant képes termékeket összehasonlítani, és segíteni a fizetési folyamatokban. A Perplexity Instant Buy funkciójával a jogosult egyesült államokbeli felhasználók támogatott termékeket vásárolhatnak a Perplexityn belül, fizetési lehetőségként pedig a PayPal is elérhető.

Szükség van programozási ismeretekre az autonóm ügynökökhöz?

Számos kész ügynök programozás nélkül is használható. Egyes platformokon természetes nyelvű utasításokkal vagy grafikus felületen is létre lehet hozni ügynököket. A programozás hasznos lehet egyedi integrációkhoz, hibakereséshez és speciálisabb működéshez.