Agent API: Et administrert kjøretidsmiljø for autonome arbeidsflyt-er

I dag lanserer vi Perplexity Agent API, et administrert kjøretidsmiljø for å bygge autonome arbeidsflyt-er med integrert søk, verktøykjøring og multi-modell-orkestrering.

Det erstatter en modell-router, et søkelag, en embeddings-leverandør, en sandbox-tjeneste og en overvåkingsstack med et enkelt integrasjonspunkt.

Den autonome løkken som en beregningsmodell

En konvensjonell prosessor utfører en deterministisk syklus: hent en instruksjon, dekod den, utfør den, lagre resultatet. Programtelleren rykker frem. Prosessoren bestemmer aldri hva den skal gjøre.

Agent API-et implementerer en annen beregningsmodell. Prosessoren er en avansert språkmodell. Den mottar et mål og avgjør hvordan det skal nås. Den bryter ned målet i en plan, velger hvilke verktøy som skal brukes fra sitt tilgjengelige verktøysett, utfører, observerer resultatene, evaluerer om målet er nådd, og itererer. Kontekstvinduet fungerer som registre. Resonnering og orkestrering fungerer som planleggeren.

Tenk deg at du forbereder deg til en salgssamtale med en potensiell kunde du har snakket med et par ganger. Du sender en enkelt forespørsel til Agent API-et med tre verktøy: ett for å søke i ditt interne CRM, web_search og fetch_url. Modellen ringer CRM-verktøyet ditt først, og henter kontekst fra tidligere samtaler. Deretter kaller den web_search for å finne nyere nyheter og konkurranseinformasjon, og returnerer flere relevante sider. Den bestemmer at to av disse sidene krever dypere lesing og kaller fetch_url på hver av dem. I tre trinn har modellen satt sammen internasjonal historikk, bred webkontekst og fullsidedetaljer i et enkelt, forankret svar. Det er agentløkken.

Orkestrering av hele den autonome løkken

Det er viktig å skille Agent API-et fra modell-routingtjenester. Agent API-et er et administrert kjøretidsmiljø som orkestrerer hele den autonome løkken: henting, verktøykjøring, resonnering og multi-modell-fallback, samt alle egendefinerte verktøy du gir den tilgang til. Det erstatter en modell-router, et søkelag, en embeddings-leverandør, en sandbox-tjeneste og en overvåkingsstack med ett enkelt endepunkt, konto og API-nøkkel.

API-et er modellagnostisk på tvers av alle avanserte modellleverandører. For applikasjoner med høy tilgjengelighet støtter API-et modell-fallback-kjeder: spesifiser flere modeller, og API-et prøver automatisk den neste hvis en er utilgjengelig. Dette sikrer nær 100 % tilgjengelighet.

Kraftige, innebygde verktøy

To innebygde verktøy er tilgjengelige: web_search og fetch_url. web_search støtter domænefiltrering (tillatelsesliste og sperreliste, opptil 20 domener), ferskvannsfiltrering, datointervalletfiltrering, språkfiltrering og konfigurerbare innholdsbudsjetter per side. fetch_url hentes og henter ut full sideinnhold fra spesifikke URL-er.

Utover de innebygde verktøyene tillater egendefinerte funksjoner utviklere å koble agenten til sine egne backend-er, databaser og API-er.

Kontinuerlig optimaliserte, avanserte modellforhåndsinnstillinger

Å bygge en effektiv agentkonfigurasjon fra bunnen av krever å velge riktig modell, kalibrere resonneringsdybde, velge verktøy og finjustere token-budsjetter. Perplexity gjør dette kontinuerlig for sine egne produkter, støttet av et internt evalueringsteam som benchmark-er konfigurasjoner mot faktiske arbeidsbelastninger.

Forhåndsinnstillinger deler denne ekspertisen. Hver forhåndsinnstilling er et fullstendig transparent, forhåndskonfigurert oppsett optimalisert for et spesifikt bruksområde: raske faktasøk, balansert forskning, dyp multi-kilde-analyse og forskning på institusjonelt nivå. Vi publiserer den anbefalte systemledeteksten, verktøyene og kostnadsprofilen for hver enkelt. Etter hvert som modell-landskapet utvikler seg, oppdaterer vi de underliggende konfigurasjonene slik at forhåndsinnstillingen alltid gjenspeiler dagens standard til en forutsigbar kostnad. Alle parametere for forhåndsinnstillinger kan overstyres: utviklere kan bruke en forhåndsinnstilling som et utgangspunkt og justere modellen, verktøyene, antall trinn eller token-budsjetter i en enkelt forespørsel.

Dypgående forskning 2.0, tilgjengelig gjennom den avanserte deep-research-forhåndsinnstillingen, er den samme flertrinns resonneringsmotoren som driver Perplexitys forbrukerprodukt. Den utfører dusinvis av søk per forespørsel, leser hundrevis av kildedokumenter og finjusterer analysen iterativt. Ytelse på DRACO, Scale AIs ResearchRubrics og Google DeepMind's DeepSearchQA er detaljert i vår DRACO-benchmark-artikkel.

Agent API-et er tilgjengelig i dag. Dokumentasjon og hurtigstartguider finnes på docs.perplexity.ai