Autonomni agenti: šta su i kako funkcionišu

Šta je autonomni agent

Autonomni agent je AI sistem koji samostalno radi na ostvarivanju cilja. Osoba opiše rezultat koji želi, a agent sam osmisli korake i sprovede ih.

Recimo da neko želi da izabere jedan od tri alata za upravljanje projektima. Autonomni agent može da potraži svaki alat, otvori njegovu stranicu sa cenama, zabeleži razlike i vrati gotovo poređenje. Osoba postavlja cilj i pregleda rezultat, a agent obavlja sav posao između toga.

Mnogi današnji softverski agenti koriste veliki jezički model da bi tumačili uputstva i odlučivali šta da rade sledeće. Neki modeli obrađuju i slike ili zvuk. Da bi pretraživao veb, klikao na dugmad ili slao imejlove, agentu je potreban softver koji povezuje model sa alatima i izvršava njegove zahteve.

U primeru sa upravljanjem projektima, LLM i agent bi radili ovako:

1. LLM čita cilj i piše zahtev za pretragu cena prvog alata.
2. Softver agenta pokreće pretragu i vraća rezultate LLM-u u obliku teksta.
3. LLM čita rezultate, bira sledeći korak (otvaranje stranice sa cenama) i piše novi zahtev.
4. Ciklus se ponavlja sve dok LLM ne odluči da je poređenje završeno i ne napiše konačan odgovor.

Uvećaj

Nivoi autonomije

U agentskom AI sistemu (AI napravljenom da preduzima radnje, a ne samo da odgovara na pitanja), autonomija je stvar dizajna. Isti agent može da se podesi tako da pita pre svakog koraka ili da ceo zadatak završi sam.

Istraživači sa Univerziteta u Vašingtonu predlažu okvir od pet nivoa koji objašnjava različite stepene autonomije koje agent može da ima:

Na nivou 4, agent bi mogao samostalno da istraži i pripremi nacrt narudžbenice, ali da zastane pre nego što je pošalje. Na nivou 5, poslao bi i narudžbenicu.

Autonomni AI agenti naspram automatizacije i četbotova

Autonomni agenti se od četbotova i automatizacije radnih tokova razlikuju na dva načina: sami odlučuju o svojim koracima i preduzimaju radnje u drugim aplikacijama i na veb-sajtovima.

Četbot odgovara na pitanja u razgovoru, ali obično ne deluje van njega. Automatizacija radnih tokova deluje, ali samo prateći korake koje je neko unapred podesio. Čest tip je robotska automatizacija procesa (RPA), softver koji ponavlja jednostavne zadatke zasnovane na pravilima, kao što je kopiranje podataka iz jednog sistema u drugi.

Autonomni agent radi oboje: deluje u drugom softveru i sam bira korake ka cilju, u okviru alata, dozvola i uputstava koje dobije.

Žalba na zakasnelu porudžbinu pokazuje razliku. Četbot bi mogao da odgovori unapred napisanim objašnjenjem pravila o isporuci. Automatizacija radnih tokova mogla bi da pošalje standardni imejl „kašnjenje porudžbine“. Autonomni agent mogao bi da pronađe porudžbinu, utvrdi da je izgubljena tokom transporta, pošalje zamenu i obavesti kupca.

Kako rade autonomni agenti

Autonomni agent se oslanja na četiri sposobnosti da bi završio zadatak: planiranje koraka, korišćenje alata, pamćenje onoga što je uradio i proveru sopstvenih rezultata. Za veće zadatke, neki agenti i raspodeljuju posao na tim agenata.

1. Razlaganje ciljeva i pravljenje planova

Cilj je obično prevelik da bi se ostvario u jednom koraku, pa je prvi posao agenta da ga razloži na manje zadatke. Na primer, ako korisnik zatraži od agenta da isplanira timski skup van kancelarije, agent bi mogao da podeli cilj na izbor datuma, pronalaženje lokacija u okviru budžeta, proveru dostupnosti i pisanje nacrta pozivnice.

Agenti mogu da planiraju unapred ili u hodu, u zavisnosti od toga kako su napravljeni. Planiranje unapred znači da se svaki korak zapiše pre početka, što odgovara kratkim, predvidivim zadacima. Planiranje u hodu znači da se osmisli sledeći korak ili dva, preduzme radnja i plan revidira na osnovu onoga što se vrati. Ako bi lokacija prvog izbora za skup bila zauzeta, agent bi mogao da pređe na sledeću opciju bez počinjanja ispočetka.

Uvećaj

Pregledni rad o autonomnim agentima zasnovanim na LLM-ovima sa Univerziteta Renmin u Kini pokazuje da ovaj drugi pristup bolje rešava složenije zadatke, jer je teško napisati savršen plan pre nego što se vide bilo kakvi rezultati. Mnogi agenti kombinuju ta dva pristupa: prvo skiciraju ceo plan, a zatim ga revidiraju dok rade.

2. Preduzimanje radnji pomoću alata

Kada je plan spreman, agent ga sprovodi zadatak po zadatak i za svaki bira alat.

• Da bi pronašao lokacije, mogao bi da koristi pretragu veba sa upitom kao što je „lokacije za timski skup za 20 osoba blizu Ostina“.
• Da bi proverio dostupnost, mogao bi da u pregledaču otvori stranicu za rezervacije svake lokacije i pročita kalendar.
• Da bi poslao pozivnicu, mogao bi da se poveže sa e-poštom osobe putem API-ja, veze koja omogućava jednom softveru da od drugog zatraži podatke ili radnje.

Posle svake radnje, agent čita šta se vratilo i odlučuje o sledećem potezu. Ako pretraga pronađe pet lokacija, proverava njihovu dostupnost. Ako se stranica za rezervacije ne učita, pokušava preko broja telefona lokacije ili prelazi na sledeću opciju.

Alati kojima agent raspolaže određuju koje zadatke može da završi samostalno. Bez pristupa e-pošti, može da napiše nacrt pozivnice, ali ne i da je pošalje.

3. Praćenje napretka pomoću memorije

Dok radi, agent mora da prati šta je uradio i šta je saznao. Kada proveri tri lokacije, mora da zna koje su bile zauzete, koje su imale mesta i koliko svaka košta. Taj zapis se nalazi u kontekstnom prozoru LLM-a, odnosno u količini teksta koju model može da razmotri odjednom.

Dugi zadaci mogu da prerastu taj kontekstni prozor. Agenti sa dugoročnom memorijom to rešavaju tako što čuvaju informacije van modela, obično u bazi podataka, i preuzimaju samo ono što je potrebno za trenutni korak.

Dugoročna memorija se prenosi i sa zadatka na zadatak. Kada dođe vreme za planiranje skupa za sledeću godinu, agent bi mogao ponovo da iskoristi ovogodišnji spisak lokacija i budžet ili da se seti da tim više voli lokacije do kojih se stiže za manje od sat vremena vožnje.

4. Provera rezultata i ispravljanje kursa

Dok rade, mnogi agenti prate znake da je neki korak pošao naopako. Ako obrazac za rezervaciju vrati grešku ili pretraga ne vrati rezultate, agent pokušava drugi pristup. Kada dođe do odluke koju ne bi trebalo da donese sam, na primer da li je prihvatljiva lokacija koja malo premašuje budžet, pita osobu i prilagođava se na osnovu odgovora.

Pre nego što predaju svoj rad, mnogi agenti pregledaju rezultate. LLM ponovo čita ono što je napravio, poredi to sa ciljem i navodi sve što nedostaje ili je pogrešno. Agent revidira rad i ponovo proverava dok rezultat ne ispuni cilj. Na primer, ako u pozivnici nedostaje adresa lokacije, pregled to otkriva i agent je dodaje pre slanja.

5. Podela posla između agenata

Neki zadaci se brže obavljaju kada ih deli nekoliko agenata. Glavni agent deli posao i prosleđuje delove podagentima.

Perplexity Computer radi na ovaj način. Osoba opiše željeni ishod, Computer ga razloži na zadatke i podzadatke, a zatim napravi podagente koji ih izvršavaju. Podagenti mogu da istražuju veb, generišu dokumente, obrađuju podatke ili pozivaju povezane usluge putem API-ja.

Kada Computer naiđe na problem, pravi nove podagente da ga reše. Svaki podagent može da radi i na drugom AI modelu, tako da svaki deo posla ide modelu koji mu najviše odgovara.

Dakle, u primeru sa timskim skupom, jedan podagent bi mogao da istražuje lokacije, drugi da proverava kalendare tima, a treći da ispituje mogućnosti putovanja.

Uvećaj

Kako ljudi koriste autonomne agente

Ljudi autonomne agente uglavnom koriste za svakodnevni rad sa znanjem: istraživanje, pisanje, e-poštu i učenje. U studiji istraživača sa Harvarda i iz kompanije Perplexity, zadaci vezani za produktivnost i učenje činili su 57% agentskih upita. Primeri u nastavku pokazuju šta agent radi za svaku vrstu posla.

Istraživanje i analiza

Istraživanje je pogodno za agente jer podrazumeva mnogo malih koraka. Agent može da pretražuje, otvara izvore, čita ih i poredi šta navode. Uzmimo upit kao što je „pronađi tri nedavne studije o radu na daljinu i produktivnosti i rezimiraj šta je svaka utvrdila“. Agent traži studije i otvara one najrelevantnije. Čita nalaze svake studije i piše rezime sa linkovima ka svakom izvoru. Ako je neka studija iza zida naplate, agent prelazi na sledeću. U studiji, rezimiranje i analiza istraživanja čine 7% agentskih upita.

Dokumenti, e-pošta i kalendari

Agenti često rade u alatima koje ljudi već svakodnevno koriste. U studiji Harvarda i kompanije Perplexity, alati kompanije Google za dokumente i e-pošta bili su dva najčešća i zajedno su činili oko četvrtine agentskih upita. Uzmimo upit kao što je „pregledaj nepročitane imejlove od ove nedelje, označi sve od klijenata i napiši nacrte odgovora na zahteve za zakazivanje“. Agent otvara prijemno sanduče i sortira poruke. Proverava slobodne termine u kalendaru i piše nacrt odgovora na svaki zahtev. Može da sačuva nacrte bez slanja, tako da osoba prvo može da pregleda svaki od njih.

Učenje i školske obaveze

Studenti koriste agente za učenje. Školske obaveze su pojedinačno najveća kategorija upotrebe agenata u studiji, sa 13% agentskih upita. Upit kao što je „napravi mi kviz iz četvrtog poglavlja literature za moj kurs“ šalje agenta na veb-sajt kursa, gde čita poglavlje, piše pitanja o ključnim tačkama i proverava odgovore studenta. Isti pristup funkcioniše za svakoga ko uči novu oblast, na primer za zaposlenog koji se upoznaje sa nepoznatom industrijom.

Kupovina i poređenja

Kupovina čini 10% agentskih upita, uglavnom pretraga i poređenje proizvoda. Kada dobije zadatak „pronađi sto za rad stojeći ispod 400 $ sa dobrim recenzijama“, agent pretražuje nekoliko prodavaca, filtrira po ceni i oceni, poredi najbolje opcije i može da doda najbolju u korpu. Kada agent poredi opcije na nekoliko veb-sajtova, to može da uštedi mnogo vremena, jer osoba više ne mora da otvara i unakrsno proverava svaki oglas.

Sedam najboljih praksi za korišćenje autonomnih agenata

1. Početak sa zadacima koje je lako proveriti

Najbolji prvi zadaci su oni kod kojih je grešku lako uočiti i jeftino ispraviti. Sažeci istraživanja i poređenja proizvoda su dobra polazna tačka. Ako agent navede linkove ka izvorima, provera rada traje svega nekoliko minuta. Kako poverenje raste, ljudi mogu da prepuste duže zadatke sa više koraka.

2. Postavljanje jasnih ciljeva i ograničenja

Agent može da donosi bolje odluke kada zna zašto je zadatak važan. Dobar upit izgleda kao brifing za izvođača: svrha, publika, ono što je već poznato i ono što je već isključeno. „Uporedi ova tri dobavljača za memorandum upravnom odboru; odboru je najvažniji rizik implementacije, a već smo isključili sve koji nemaju SOC 2 usklađenost“ daje agentu sve što mu je potrebno da samostalno donosi procene.

3. Dodavanje kontrolnih tačaka za odobrenje

Neke radnje se ne mogu poništiti, kao što su slanje imejla, kupovina, brisanje fajlova ili podnošenje obrasca. Kada agent to dozvoljava, podesite ga da zastane i zatraži potvrdu pre ovih koraka. I sam upit može da odredi tačku zaustavljanja. „Napiši nacrte odgovora, ali ih ne šalji“ ili „dodaj najbolju opciju u korpu, ali ne završavaj kupovinu“ tačno govori agentu gde da stane i vrati kontrolu.

4. Pregled plana pre početka rada

Kod većeg zadatka zatražite od agenta da ukratko izloži svoj plan pre nego što počne. Pregled plana traje minut, a ispravljanje nesporazuma u toj fazi mnogo je jeftinije nego kada se on otkrije u gotovom rezultatu.

5. Ograničavanje pristupa na ono što je zadatku potrebno

Svaki nalog do kog agent može da dođe jeste i nalog u kom može da deluje. Povezivanje samo onih aplikacija koje su zadatku potrebne drži osetljive podatke van domašaja i ograničava ono što može da pođe po zlu. Agentu koji istražuje dobavljače nije potreban pristup imejlu. Agentu koji piše nacrte odgovora jeste, ali mu možda nije potrebna dozvola da ih pošalje.

6. Ugrađivanje provera u upit

Agenti već proveravaju sopstveni rezultat, pa upit može da im kaže na šta da obrate pažnju. Kada navedete kako izgleda dobar rezultat („svaki podatak mora imati izvor iz 2025. godine ili kasnije“), agent primenjuje taj standard pre nego što vrati svoj rad. Ako od njega zatražite da odvoji potvrđene činjenice od sopstvenih zaključaka i da označi pretpostavke, pregled će biti brži i fokusiraniji.

7. Ponovna upotreba onoga što funkcioniše

Upit koji je dao dobar rezultat može postati šablon za sledeći sličan zadatak. Kada agentu date primer dobrog rezultata, kao što je izveštaj iz prethodnog kvartala, to često postiže više nego opisivanje formata rečima. Zadaci koji se ponavljaju mogu postati stalni radni tokovi.

Kako Perplexity pristupa autonomnim agentima

Perplexity nudi dva autonomna agenta. Comet Assistant obavlja svakodnevne zadatke u pregledaču, a Perplexity Computer preuzima veće projekte koji mogu da traju satima ili duže.

Comet Assistant je ugrađen u Comet, AI pregledač kompanije Perplexity. Radi na veb-sajtovima koje korisnik već ima otvorene, pa može da zakazuje sastanke, uređuje dokumente, šalje imejlove i rezerviše letove bez prelaska na druge alate.

Computer radi u oblaku i raspodeljuje svaki cilj među podagentima, kao što je ranije opisano. Povezuje se sa stotinama servisa, a korisnici mogu da izaberu određene AI modele za određene delove posla. Computer je dostupan pretplatnicima na Pro i Max planove.

Istražite Comet Assistant da biste isprobali agenta u pregledaču ili Perplexity Computer da biste prepustili veći projekat.

Česta pitanja

Da li je autonomni agent isto što i agentska AI?

Nije, ali se ovi pojmovi preklapaju. Agentska AI obično označava širu kategoriju AI sistema koji ostvaruju ciljeve planiranjem i preduzimanjem radnji. Autonomni agent je konkretan sistem u toj kategoriji koji obavlja svoj posao uz malo odobravanja korak po korak.

Da li su svi AI agenti autonomni?

Nisu. Neki agenti izvršavaju svaki korak samo kada ih osoba usmeri, dok drugi samostalno završavaju ceo zadatak. Ranije opisani nivoi autonomije pokazuju ceo raspon, od agenata kojima osoba upravlja korak po korak do agenata koje osoba samo nadgleda.

Mogu li autonomni agenti da obavljaju kupovine ili plaćanja?

Neki agenti mogu da pomognu pri kupovini, u zavisnosti od veb-sajta, dozvola i zaštitnih mera. Comet Assistant može da poredi proizvode i pomaže u procesu plaćanja. Funkcija Instant Buy kompanije Perplexity omogućava korisnicima iz SAD koji ispunjavaju uslove da kupuju podržane proizvode u okviru platforme Perplexity, uz PayPal kao jednu od opcija plaćanja.

Da li su za autonomne agente potrebne veštine programiranja?

Mnogi gotovi agenti mogu da se koriste bez programiranja. Neke platforme takođe omogućavaju pravljenje agenata pomoću uputstava na prirodnom jeziku ili grafičkog interfejsa. Programiranje može biti korisno za prilagođene integracije, otklanjanje grešaka i specijalizovanije ponašanje.