Agent API：用於代理工作流程的受管理執行階段

今天，我們宣佈推出 Perplexity Agent API，這是一個受管理的執行階段，用於建構結合了搜尋、工具執行和多模型編排的代理工作流程。

它以單一整合點取代了模型路由器、搜尋層、嵌入提供者、沙箱服務和監控堆疊。

傳統 CPU 執行決定性循環：擷取指令、解碼指令、執行指令、儲存結果。程式計數器前進。處理器從不決定要做什麼。

Agent API 實作了不同的運算模型。處理器是前沿語言模型。它接收目標並決定如何實現該目標。它將該目標分解為計畫，從可用的工具集中選擇要使用的工具，執行、觀察結果、評估是否達成目標，並進行迭代。上下文視窗充當暫存器。推理和編排充當排程器。

考慮為與您交談過幾次的潛在客戶準備銷售通話。您只需向 Agent API 發送包含三個工具的單一請求：一個用於搜尋內部 CRM 的工具、web_search 和 fetch_url。模型首先呼叫您的 CRM 工具，從過去的對話中檢索上下文。然後它呼叫 web_search 來尋找最近的新聞和競爭情報，並傳回幾個相關頁面。它決定其中兩個頁面值得更深入閱讀，並對每一個頁面呼叫 fetch_url。透過三個步驟，模型將內部歷史記錄、廣泛的網路上下文和全頁詳細資訊組合成了單一且有依據的回應。這就是代理迴圈。

區分 Agent API 與模型路由服務非常重要。Agent API 是一個受管理的執行階段，可編排完整的代理迴圈：檢索、工具執行、推理、多模型容錯移轉，以及您授權其存取的任何自訂工具。它以單一端點、帳戶和 API 金鑰取代了模型路由器、搜尋層、嵌入提供者、沙箱服務和監控堆疊。

該 API 適用於所有前沿模型提供者的所有模型。對於高可用性應用程式，API 支援模型容錯移轉鏈：指定多個模型，如果其中一個不可用，API 會自動嘗試下一個。這確保了接近 100% 的可用性。

提供兩個內建工具：web_search 和 fetch_url。web_search 支援網域過濾（允許清單和封鎖清單，最多 20 個網域）、時效性過濾、日期範圍過濾、語言過濾，以及每個頁面可設定的內容預算。fetch_url 從特定 URL 檢索並擷取完整頁面內容。

除了內建工具之外，自訂函式還允許開發人員將代理連接到他們自己的後端、資料庫和 API。

從頭開始建構有效的代理組態需要選擇正確的模型、校準推理深度、選擇工具以及調整權杖預算。Perplexity 持續為其自身產品執行此操作，並由內部評估團隊提供支援，針對實際工作負載對組態進行基準測試。

預設集共用這些專業知識。每個預設集都是一個完全透明、預先組態的設定，針對特定使用情境進行了優化：快速事實查詢、平衡研究、深度多源分析以及機構級研究。我們為每個預設集發布建議的系統提示詞、工具和成本設定檔。隨著模型格局的不斷演進，我們更新底層組態，以便預設集始終以可預測的成本反映當前的先進技術水準。所有預設參數均可覆寫：開發人員可以將預設集作為起點，並在單一請求中調整模型、工具、步驟計數或權杖預算。

透過 advanced-deep-research 預設集提供的深度研究 2.0，是驅動 Perplexity 消費性產品的同一個多步驟推理引擎。它每個查詢執行數十次搜尋，閱讀數百份來源文件，並反覆精煉其分析。在 DRACO、Scale AI 的 ResearchRubrics 以及 Google DeepMind 的 DeepSearchQA 上的效能詳細記錄在我們的 DRACO 基準測試文章中。

Agent API 現已推出。文件與快速入門指南位於 docs.perplexity.ai

作為運算模型的代理迴圈

完整代理迴圈的編排

強大且內建的工具

持續優化的前沿模型預設集