ツール

Perplexity Teammates詳解:AI Agentは長期業務をどう実行するか

Perplexity Teammatesは、複数のAI Agentが連携して复杂かつ長期的な業務を進めるための製品だ。コンテキスト管理、ツール呼び出し、エラー復旧、完了判定を中心に、実際にどこまで安定した実行が可能かを検証する。

文字サイズ

PerplexityがTeammatesを発表した。複数のAI Agentが連携し、複雑で継続的な業務を実行する仕組みだ。这是一套与個人にとって直接的な製品である。AI skisérée委托するものは、今後「質問」だけでなく、追跡と受け入れが必要な「業務」になる。

Perplexity Teammates詳解:AI Agentが引き受ける長期業務

PerplexityによるTeammatesの位は明確だ。

“Teammates are agents for complex, ongoing work.”

Teammatesは一度きりの質問に答えるだけの製品ではない。ユーザーが目標を示すと、複数のAgentが役割分担しながら進め、ThroughoutCAPSULEのタスク状態を維持する。

これまでのPerplexityの利用 方法とは大きく異なる。従来は質問し、検索し、引用付きの回答を)::agadする形だった。Teammatesでは、目標を複数の独立したAgentに渡し、連携して一連の業務チェーンを完了させる。

注目すべきはチャット画面が増えたことではなく、AI Agentの製品領域が長期業務へ移り始めた点にある。

Teammatesは別のチャットボックスではない

単発の一問一答の終点は、回答の生成である。

一方、長期業務の終点は、成果物の納品である。両者の間には数時間、場合によっては数十のステップが存在しうる。

たとえば「米国エネルギー貯蔵市場を調査し、投資委員会で議論するための資料にまとめろ」という依頼は、1つのPromptに収めるには適さない。作業では通常、次のような工程が必要になる。

  • 企業の発表資料、業界レポート、規制文書()
  • 異なる基準のデータ同士を照合する
  • 取得済みの出典を保存し、重複検索を避ける
  • 情報が欠けている場合は、業務-zeroからではなく工程を調整する
  • 最終的に引用付きの文書へまとめる

Teammatesの製品設計は、複数の独立したAgentが同じ目標に沿って連携する仕組みだ。各Agentは異なるサブを担当しながら、目標を共有し、互いの作業コンテキストは個別に保持する。

そのため、UIの中心単位は単なる「一問一答」ではなく、1つの業務になる。ユーザーが問いかける内容も変化する。

  • 目標は何か。
  • 業務はどの程度まで進める必要があるか。
  • どの資料を使用できるか。
  • どの操作に確認が必要か。
  • 何を完了とみなすか。

これがTeammatesと通常のチャットボックスとの最も実用的な違いだ。チャットボックスはメッセージを軸に構成されるが、Teammatesは業務を軸に構成される。

回答検索から業務分担へ

PerplexityはこれまでAI検索エンジンを中核としていた。ユーザーが検索語を入力すると、システムがWebをRetrieveし、結果を整理して引用を提示する。

Teammatesはこの流れを1段階先へ拡張する。検索は最終的な出力ではなく、Agentが業務を完了させる過程で使うツールの一つになる。

操作の形も変わる。通常の検索では、用户在自分で分解する。Teammatesでは、ユーザーはプロジェクトリーダーのように扱われる。目標を示し、複数のAgentが作業へ分割し、連携し、進捗を追跡する。

通常のオープンエンド検索では、次に何を調べるかを人がその場で判断する。継続的な業務では、システムが自分で計画を保つ必要がある。

PerplexityはAI検索エンジンから、仕事を持续して実行するAgentプラットフォームへ Zentrumを移している。ここで重要なのは「検索_pd会社もAgentを作った」ことではない。従来から次の2つの基盤機能を持っていたことだ。

  1. 公開Webから情報を取得できること。
  2. 結論に情報源を添えられること。

一般的なAgentプラットフォームの多くも検索ツールを備えるが、「検索―引用―検証」を標準のワークフローとして組み込んでいるとは限らない。Perplexityの強みはまさにこの流れにある。

長期業務こそ本当の課題だ

Agentのデモで最も映るのは最初の10秒である。目標を分解し、ツールを呼び出し、一見完成度の高い文書を生成する。,真正的本社が其后だ。2時間走った後、状態が残っているか。ツールが失敗した後に復旧できるか。資料が古くなったら、能動的に再検索するか。

長期業務には、少なくとも5層の能力が必要だ。

1. コンテキスト管理

開始時には、システムは目標を知っている。しかし数時間経った後も、制約条件、完了済みの作業、現在の障害箇所を覚えていなければならない。

これは単にコンテキストウィンドウを拡張することではない。ウィンドウを大きくしても、格納できるテキストが増えるだけで、必要な情報を Agentが正しく取り出せるとは限らない。

2. ツール呼び出し

検索はその中の1種類のツールにすぎない。長期業務では、文書の読み込み、コードの実行、APIの呼び出し、中間結果のタスク領域への保存も必要になる。

ツールが空の結果を返したり、タイムアウトしたり、構造が変わったりした場合、Agentは「それらしい文章」を生成し続けてはならない。失敗を認識し、再試行するか、別の方法を選ぶか、問題をユーザーへ返すかを決めなければならない。

3. Agent間の引き継ぎ

複数のAgentが連携する場合、最も問題が起きやすいのは引き継ぎだ。

1つのAgentが市場分析を書き、別のAgentが財務数値を検証する。前者が使ったデータの基準、単位、対象期間ouriens%、後者へ完全に渡されなければならない。そうでなければ、複数のAgentは同じ誤りを並列に拡大するだけになる。

4. エラー復旧

持続的な業務の現実には、一度の成功很少である。目標は調整を迫られ、Webページはリンク切れになり、情報源は矛盾し、APIはレート制限を行う。

フローを安定して完走できるAgentは、どのエラーが再試行可能で、どのエラーで計画を変える必要があり、どのエラーで停止して人の判断を求めるかを理解している必要がある。

5. 完了判定

Agentにとって最も危険な失敗は、「できません」と答えることではなく、自分では完了したと言いながら、実際には表面的な作業しか終えていないことだ。

たとえば、ユーザーが引用付きの業界レポートを提出する依頼を出したとする。Agentは文書を生成したが、引用を1件ずつ開いて検証していない。短い回答なら見過ごされやすいが、長期業務では納品事故につながる。

したがって、Teammatesの正当な評価指標は、3分間のデモではなく、業務完了率、再試行後の復旧率、人間への引き継ぎ回数、引用の正確性でなければならない。

HN 47点という評価に残された論点

関連newsがHacker Newsのトップページに Ibero、47 pointsと36件のコメントを集めた。

大きな爆発的注目ではないが、-spacingした議論が開発者の視野に入ったenoughだ。HNのページ:

https://news.ycombinator.com/item?id=50395866

開発者が問うのは、主に次の項目だ。

第1に、LangGraph、CrewAI、AutoGenといったフレームワークと比べて、Teammatesの実行モデルはどう違うのか。

第2に、業務記録、コンテキスト、中間成果物をエクスポートできるかどうか。

第3に、ユーザーがAgentが使うデータソース、ツール、権限を制御できるかどうか。

第4に、業務を中断した後に再開できるかどうか。再実行をやり直す必要がないのか。

現時点のTeammatesは、開発者が状態グラフを設計するためのフレームワークではなく、エンドユーザー向けの業務型製品に近い。既存のAgentフレームワークは、ノード、状態、条件分岐、人間による承認を重視する。一方のTeammatesは、目標の委任、複数のAgentの連携、プロセスの追跡を重視する。

どちらのルートも成立しうる。

開発者に必要なのは制御権であり、業務利用者に必要なのは少ない設定と明快な結果だ。両方を同時に提供する製品が、長期業務の默认の入口になる可能性が高い。

検索zonyのAgent戦略

PerplexityがTeammates推出的ことには、自然な製品上の背景がある。

検索エンジンは「情報を見つける」課題を解決する。Teammatesは「情報を軸に仕事を完了させる」課題elesaikan。間に追加されるのはチャットウィンドウではなく、タスク計画、Agentの分担、ツール呼び出し、状態保存、出典の引用、最終納品からなる実行レイヤーだ。

一般的なAgentプラットフォームと比べ、Teammatesが優位に立てるポイントは3つある。

第1に、検索と引用がネイティブ機能だ。

ユーザーが検索プラグインを導入し、Agent自身が調査フローを組み立てるまで待つ必要はない。市場分析、競合調査、政策検索のように公開情報を中心とする業務では、直接的な優位性になる。

第2に、製品の入口が軽い。

汎用フレームワークでは、開発者が先にAgent、状態、ワークフローを設計することが多い。Teammatesのユーザーが促すのは、目標を説明することだけだ。代わりに、制御の粒度は粗くなる。

第3に、結果を説明しやすい。

Perplexityは longtime以来、引用を重視してきた。長期稼働するAgentが、すべての結論を情報源まで追跡できるように初めて、ユーザーは安心して業務を任せられる。

一方で、明確な弱점もある。

汎用Agentプラットフォームは、社内データ、プライベートAPI、カスタムツールへ接続できる。Teammatesが主に公開検索に依存するなら、社内システムを読むことを避けられない業務には届きにくい。コード変更、運用設定、複数のSaaSをまたぐ承認などには、より深い権限と実行能力が必要だ。

もう1つの問題は、検索は現在のアクセス可能な情報を集めるのは得意だが、業務フローが正しいかを判断することには本质上向いていない点だ。

ここがAgentプラットフォームが最終的に補完すべき部分である。

編集者の視点

Teammatesの重要性は、製品名が1つ増えたことだけにはとどまらない。Agentの入口が移ろうとしている。逐次的なアシスタントから、継続的な共同作業者へ。従来、ユーザーは1回の対話を中心に仕事を組み立てていた。今では、業務の状態、失敗からの復旧、成果物の受け入れ確認が同じ画面に入る。用户刷牙してAIを評価する方法も変わる。回答が読みやすいかだけでなく、業務が最後まで走り、引用を検証でき、失敗した後に再開できるかが問われる。

Recherche者の見解では、検索chemaの:adminはまず市場調査、デューデリジェンス、情報整理の市場で恩恵を受ける。企業自動化をすべてすぐ掌握することはない。前の業務は公開資料、引用、迅速な委任に依存し、Perplexityの既存強みと合致する。一方、後者には社内権限、長期記憶、信頼性の高い復旧、人間による承認が求められる。

Teammatesは今回、フレームワークの機能だけを提供するのではなく、複数Agentの連携を直接ユーザー向け製品としてパッケージした点が従来と異なる。47 pointsと36件のコメントは、開発者の視野に入ったことを示す。ただし、製品が確定したことを意味はしない。実際の完了率、権限モデル、業務の可搬性はまだ分からない。これらの指標こそが、Teammatesが Nvidia的なデモにとどまるか、日常業務のインフラへ入るかを決定する。

出典

出典: https://www.perplexity.ai/en-GB/hub/blog/teammates-are-agents-for-complex-ongoing-work