Agent API: Um tempo de execução gerenciado para fluxos de trabalho agenticos

Hoje estamos lançando a Perplexity Agent API, um tempo de execução gerenciado para criar fluxos de trabalho agenticos com pesquisa integrada, execução de ferramentas e orquestração de múltiplos modelos.

Ela substitui um roteador de modelo, uma camada de pesquisa, um provedor de embeddings, um serviço sandbox e uma pilha de monitoramento por um único ponto de integração.

O loop agentico como modelo computacional

Uma CPU convencional executa um ciclo determinístico: busca uma instrução, decodifica, executa e armazena o resultado. O contador de programa avança. O processador nunca decide o que fazer.

A Agent API implementa um modelo computacional diferente. O processador é um modelo de linguagem de fronteira. Ele recebe um objetivo e determina como alcançá-lo. Ele decompõe esse objetivo em um plano, seleciona quais ferramentas usar a partir de seu conjunto de ferramentas disponível, executa, observa os resultados, avalia se o objetivo foi atingido e itera. A janela de contexto serve como registradores. O raciocínio e a orquestração servem como o escalonador.

Considere a preparação para uma chamada de vendas com um cliente em potencial com quem você falou algumas vezes. Você envia uma única solicitação à Agent API com três ferramentas: uma para pesquisar seu CRM interno, web_search e fetch_url. O modelo chama sua ferramenta de CRM primeiro, recuperando o contexto de conversas anteriores. Em seguida, ele chama a web_search para encontrar notícias recentes e inteligência competitiva, retornando várias páginas relevantes. Ele decide que duas dessas páginas justificam uma leitura mais profunda e chama a fetch_url em cada uma. Em três etapas, o modelo reuniu histórico interno, amplo contexto da web e detalhes da página completa em uma única resposta fundamentada. Esse é o loop de agente.

Orquestração do loop agentico completo

É importante distinguir a Agent API dos serviços de roteamento de modelos. A Agent API é um tempo de execução gerenciado que orquestra o loop agentico completo: recuperação, execução de ferramentas, raciocínio, fallback de múltiplos modelos e quaisquer ferramentas personalizadas às quais você conceda acesso. Ela substitui um roteador de modelo, uma camada de pesquisa, um provedor de embeddings, um serviço sandbox e uma pilha de monitoramento por um único endpoint, conta e chave de API.

A API é agnóstica em relação a modelos, abrangendo todos os provedores de modelos de fronteira. Para aplicações de alta disponibilidade, a API suporta cadeias de fallback de modelos: especifique vários modelos e a API tentará automaticamente o próximo se um estiver indisponível. Isso garante uma disponibilidade próxima de 100%.

Ferramentas integradas poderosas

Duas ferramentas integradas estão disponíveis: web_search e fetch_url. A web_search oferece suporte a filtragem de domínio (lista de permissões e lista de bloqueios, até 20 domínios), filtragem de recência, filtragem de intervalo de datas, filtragem de idioma e orçamentos de conteúdo configuráveis por página. A fetch_url recupera e extrai o conteúdo completo da página de URLs específicas.

Além das ferramentas integradas, funções personalizadas permitem que os desenvolvedores conectem o agente aos seus próprios backends, bancos de dados e APIs.

Predefinições de modelos de fronteira continuamente otimizadas

Construir uma configuração de agente eficaz do zero requer escolher o modelo certo, calibrar a profundidade do raciocínio, selecionar ferramentas e ajustar orçamentos de token. A Perplexity faz isso continuamente para seus próprios produtos, com o apoio de uma equipe interna de avaliação que avalia as configurações em relação a cargas de trabalho reais.

Predefinições compartilham essa experiência. Cada predefinição é uma configuração totalmente transparente e pré-configurada otimizada para um caso de uso específico: buscas factuais rápidas, pesquisa equilibrada, análise profunda de múltiplas fontes e pesquisa de nível institucional. Publicamos o prompt do sistema recomendado, as ferramentas e o perfil de custo para cada uma. À medida que o panorama de modelos evolui, atualizamos as configurações subjacentes para que a predefinição sempre reflita o estado da arte atual a um custo previsível. Todos os parâmetros de predefinição podem ser substituídos: os desenvolvedores podem usar uma predefinição como ponto de partida e ajustar o modelo, as ferramentas, a contagem de etapas ou os orçamentos de token em uma única solicitação.

A Pesquisa profunda 2.0, disponível por meio da predefinição advanced-deep-research, é o mesmo mecanismo de raciocínio de múltiplas etapas que alimenta o produto de consumo da Perplexity. Ele realiza dezenas de pesquisas por consulta, lê centenas de documentos de origem e refina iterativamente sua análise. O desempenho no DRACO, ResearchRubrics da Scale AI e DeepSearchQA do Google DeepMind está detalhado em nossa postagem de benchmark DRACO.

A Agent API já está disponível. A documentação e os guias de início rápido estão em docs.perplexity.ai