Agent API：用于智能体工作流的托管运行时

今天，我们发布了 Perplexity Agent API，这是一个用于构建智能体工作流的托管运行时，集成了搜索、工具执行和多模型编排功能。

它通过单一集成点取代了模型路由、搜索层、嵌入服务、沙盒服务和监控堆栈。

传统的 CPU 执行确定性周期：获取指令、解码、执行、存储结果。程序计数器向前推进。处理器本身从不决定要做什么。

Agent API 实现了不同的计算模型。处理器是一个前沿语言模型。它接收一个目标并确定如何实现它。它将该目标分解为计划，从可用工具集中选择要使用的工具，执行、观察结果、评估目标是否实现，然后进行迭代。上下文窗口充当寄存器。推理和编排充当调度器。

设想您正在为一次销售电话做准备，对象是您交谈过几次的潜在客户。您向 Agent API 发送了一个包含三个工具的单一请求：一个用于搜索内部 CRM 的工具，web_search 和 fetch_url。模型首先调用 CRM 工具，检索过去对话的上下文。然后调用 web_search 查找最近的新闻和竞争情报，返回几个相关的页面。它决定其中两个页面值得深入阅读，并对每个页面调用 fetch_url。在三个步骤中，模型将内部历史记录、广泛的 Web 上下文和全页详细信息汇总到一个单一的、有据可依的响应中。这就是智能体循环。

区分 Agent API 和模型路由服务非常重要。Agent API 是一种托管运行时，用于编排完整的智能体循环：检索、工具执行、推理、多模型回退以及您授予其访问权限的任何自定义工具。它通过单一端点、账户和 API 密钥取代了模型路由、搜索层、嵌入服务、沙盒服务和监控堆栈。

该 API 对所有前沿模型提供商都是模型无关的。对于高可用性应用程序，该 API 支持模型回退链：指定多个模型，如果一个不可用，API 会自动尝试下一个。这确保了接近 100% 的可用性。

提供两种内置工具：web_search 和 fetch_url。web_search 支持域名过滤（允许列表和拒绝列表，最多 20 个域名）、时效性过滤、日期范围过滤、语言过滤以及每页可配置的内容预算。fetch_url 可检索并提取来自特定 URL 的完整页面内容。

除了内置工具外，自定义函数允许开发者将智能体连接到他们自己的后端、数据库和 API。

从零开始构建有效的智能体配置需要选择正确的模型、校准推理深度、选择工具并调整令牌预算。Perplexity 为其自身产品持续执行此操作，并由内部评估团队提供支持，该团队根据实际工作负载对配置进行基准测试。

预设共享了这些专业知识。每个预设都是一个完全透明、预配置的设置，针对特定用例进行了优化：快速事实查询、平衡研究、深度多源分析和机构级研究。我们发布了每个预设推荐的系统提示词、工具和成本概况。随着模型领域的不断演变，我们更新底层配置，以便预设始终以可预测的成本反映当前最先进的技术水平。所有预设参数均可覆盖：开发者可以将预设作为起点，并在单个请求中调整模型、工具、步数或令牌预算。

深度研究 2.0 (Deep Research 2.0) 通过 advanced-deep-research 预设提供，是为 Perplexity 消费者产品提供支持的同款多步推理引擎。它每个查询执行数十次搜索，阅读数百份源文档，并迭代优化其分析。在 DRACO、Scale AI 的 ResearchRubrics 和 Google DeepMind 的 DeepSearchQA 上的表现详见我们的 DRACO 基准测试文章。

Agent API 现已推出。文档和快速入门指南位于 docs.perplexity.ai

作为计算模型的智能体循环

完整智能体循环的编排

功能强大的内置工具

持续优化的前沿模型预设