Автономні агенти: що це таке і як вони працюють

Що таке автономний агент

Автономний агент — це система ШІ, яка самостійно працює над досягненням мети. Людина описує бажаний результат, а агент визначає потрібні кроки й виконує їх.

Припустімо, хтось хоче вибрати один із трьох інструментів для управління проєктами. Автономний агент може знайти кожен інструмент, відкрити сторінку з його цінами, зазначити відмінності й повернути готове порівняння. Людина ставить мету й перевіряє результат, а всю роботу між цими етапами виконує агент.

Багато сучасних програмних агентів використовують велику мовну модель (LLM), щоб інтерпретувати інструкції та вирішувати, що робити далі. Деякі моделі також обробляють зображення або аудіо. Щоб шукати в інтернеті, натискати кнопки чи надсилати електронні листи, агентові потрібне програмне забезпечення, яке з’єднує модель з інструментами та виконує її запити.

У прикладі з інструментами для управління проєктами LLM і агент працювали б так:

1. LLM читає мету й пише запит на пошук цін першого інструмента.
2. Програмне забезпечення агента виконує пошук і передає результати назад LLM у вигляді тексту.
3. LLM читає результати, вибирає наступний крок (відкрити сторінку з цінами) і пише новий запит.
4. Цикл повторюється, доки LLM не вирішить, що порівняння завершено, і не напише остаточну відповідь.

Розгорнути

Рівні автономності

В агентній системі ШІ (ШІ, створеному для виконання дій, а не лише для відповідей на запитання) автономність — це питання проєктування. Той самий агент можна налаштувати так, щоб він питав дозволу перед кожним кроком або виконував усе завдання самостійно.

Дослідники з Вашингтонського університету пропонують п’ятирівневу модель, щоб пояснити різні ступені автономності, які може мати агент:

На рівні 4 агент може самостійно зібрати інформацію й підготувати чернетку замовлення на закупівлю, але зупинитися перед його надсиланням. На рівні 5 він надішле й саме замовлення.

Автономні агенти ШІ, автоматизація та чат-боти: порівняння

Автономні агенти відрізняються від чат-ботів і автоматизації робочих процесів двома речами: вони самі визначають свої кроки та виконують дії в інших застосунках і на вебсайтах.

Чат-бот відповідає на запитання в розмові, але зазвичай не діє за її межами. Автоматизація робочих процесів діє, але лише за кроками, які хтось налаштував заздалегідь. Поширений її різновид — роботизована автоматизація процесів (RPA): програмне забезпечення, що повторює прості завдання на основі правил, наприклад копіювання даних з однієї системи в іншу.

Автономний агент робить і те, і те: він діє в інших програмах і сам вибирає кроки для досягнення мети в межах наданих йому інструментів, дозволів та інструкцій.

Різницю добре видно на прикладі скарги на затримане замовлення. Чат-бот може відповісти заздалегідь підготовленим поясненням правил доставки. Автоматизація робочого процесу може надіслати стандартний лист «Затримка замовлення». Автономний агент може знайти замовлення, з’ясувати, що його загубили під час доставки, оформити заміну й повідомити про це клієнта.

Як працюють автономні агенти

Щоб виконати завдання, автономний агент спирається на чотири можливості: планування кроків, використання інструментів, запам’ятовування зробленого та перевірку власних результатів. Для більших завдань деякі агенти також розподіляють роботу між командою агентів.

1. Розбиття цілей на частини та планування

Мета зазвичай надто велика, щоб досягти її за один крок, тому перше завдання агента — розбити її на менші завдання. Наприклад, якщо користувач просить агента спланувати виїзний захід для команди, агент може розділити цю мету на вибір дат, пошук майданчиків у межах бюджету, перевірку їхньої доступності та складання чернетки запрошення.

Залежно від того, як їх створено, агенти можуть планувати заздалегідь або в процесі роботи. Планування заздалегідь означає, що всі кроки розписуються ще до початку роботи; це підходить для коротких і передбачуваних завдань. Планування в процесі означає, що агент намічає наступний крок або два, діє й коригує план залежно від отриманих результатів. Якби пріоритетний майданчик для виїзного заходу виявився зайнятим, агент міг би перейти до наступного варіанта, не починаючи все спочатку.

Розгорнути

Огляд автономних агентів на основі LLM від Народного університету Китаю показує, що другий підхід краще справляється зі складнішими завданнями, бо важко скласти ідеальний план, не побачивши жодних результатів. Багато агентів поєднують обидва підходи: спершу накидають повний план, а потім переглядають його під час роботи.

2. Виконання дій за допомогою інструментів

Коли план готовий, агент виконує його завдання одне за одним, вибираючи інструмент для кожного.

• Щоб знайти майданчики, він може скористатися вебпошуком із запитом на кшталт «майданчики для виїзного заходу на 20 осіб поблизу Остіна».
• Щоб перевірити доступність, він може відкрити в браузері сторінку бронювання кожного майданчика й переглянути календар.
• Щоб надіслати запрошення, він може підключитися до електронної пошти людини через API — з’єднання, яке дає змогу одній програмі запитувати дані чи дії в іншої.

Після кожної дії агент аналізує отриманий результат і вирішує, що робити далі. Якщо пошук знайде п’ять майданчиків, агент перевірить, чи вони вільні. Якщо сторінка бронювання не завантажується, він спробує знайти номер телефону майданчика або перейде до наступного варіанта.

Від того, які інструменти має агент, залежить, які завдання він може виконати самостійно. Без доступу до електронної пошти він може підготувати чернетку запрошення, але не надіслати її.

3. Відстеження прогресу за допомогою пам’яті

Під час роботи агент має відстежувати, що він уже зробив і що дізнався. Коли він перевірить три майданчики, йому потрібно знати, які з них зайняті, де ще є вільні місця і скільки коштує кожен. Ці записи зберігаються в контекстному вікні LLM — обсязі тексту, який модель може враховувати одночасно.

Довгі завдання можуть не вміщатися в це контекстне вікно. Агенти з довгостроковою пам’яттю розв’язують цю проблему, зберігаючи інформацію поза моделлю, зазвичай у базі даних, і отримуючи лише те, що потрібно для поточного кроку.

Довгострокова пам’ять зберігається й між завданнями. Коли настане час планувати виїзний захід на наступний рік, агент зможе повторно використати цьогорічний список майданчиків і бюджет або згадати, що команда віддає перевагу майданчикам у межах години їзди.

4. Перевірка результатів і коригування курсу

Під час роботи багато агентів стежать за ознаками того, що якийсь крок пішов не так. Якщо форма бронювання повертає помилку або пошук не дає результатів, агент пробує інший підхід. Коли потрібно ухвалити рішення, яке йому не варто ухвалювати самостійно, наприклад чи прийнятний майданчик, що трохи перевищує бюджет, він запитує людину й діє з урахуванням її відповіді.

Перш ніж повернути результат роботи, багато агентів перевіряють його. LLM перечитує створене, порівнює його з метою й перелічує все, чого бракує або що зроблено неправильно. Агент вносить виправлення й перевіряє знову, доки результат не відповідатиме меті. Наприклад, якщо в запрошенні немає адреси майданчика, перевірка це виявить, і агент додасть адресу перед надсиланням.

5. Розподіл роботи між агентами

Деякі завдання виконуються швидше, коли їх ділять між собою кілька агентів. Головний агент розподіляє роботу й передає частини субагентам.

Perplexity Computer працює саме так. Людина описує бажаний результат, а Computer розбиває його на завдання й підзавдання, а потім створює субагентів для їх виконання. Субагенти можуть шукати інформацію в інтернеті, створювати документи, обробляти дані або звертатися до підключених сервісів через API.

Коли Computer стикається з проблемою, він створює нових субагентів для її розв’язання. Крім того, кожен субагент може працювати на іншій моделі ШІ, тож кожна частина роботи дістається моделі, яка найкраще для неї підходить.

Отже, у прикладі з виїзним заходом один субагент може шукати майданчики, інший — перевіряти календарі команди, а третій — вивчати варіанти поїздки.

Розгорнути

Як люди використовують автономних агентів

Люди використовують автономних агентів здебільшого для повсякденної інтелектуальної роботи: досліджень, написання текстів, електронної пошти й навчання. У дослідженні науковців із Гарварду та Perplexity на завдання, пов’язані з продуктивністю та навчанням, припало 57 % агентних запитів. Наведені нижче приклади показують, що агент робить для кожного виду роботи.

Дослідження та аналіз

Дослідження добре підходять для агентів, бо складаються з багатьох дрібних кроків. Агент може шукати, відкривати джерела, читати їх і порівнювати, що в них сказано. Візьмімо запит на кшталт «знайди три нещодавні дослідження про віддалену роботу й продуктивність і стисло підсумуй висновки кожного». Агент шукає дослідження й відкриває найрелевантніші. Він читає висновки кожного дослідження й пише підсумок із посиланнями на всі джерела. Якщо дослідження доступне лише за платною підпискою, агент переходить до наступного. У згаданому дослідженні на підсумовування й аналіз досліджень припадає 7 % агентних запитів.

Документи, електронна пошта й календарі

Агенти часто працюють в інструментах, якими люди й так користуються щодня. У дослідженні Гарварду та Perplexity двома найпоширенішими були інструменти Google для роботи з документами та електронна пошта: разом на них припадала приблизно чверть агентних запитів. Візьмімо запит на кшталт «переглянь непрочитані листи за цей тиждень, познач усе від клієнтів і підготуй чернетки відповідей на запити щодо планування зустрічей». Агент відкриває вхідні й сортує повідомлення. Він перевіряє вільний час у календарі й готує чернетку відповіді на кожен запит. Агент може зберегти чернетки, не надсилаючи їх, щоб людина спершу переглянула кожну.

Навчання й курсові завдання

Студенти використовують агентів для навчання. Курсові завдання — найбільша окрема категорія використання агентів у дослідженні: на них припадає 13 % агентних запитів. Запит на кшталт «влаштуй мені тест за четвертим розділом матеріалів мого курсу» спрямовує агента на вебсайт курсу, де він читає розділ, складає запитання щодо ключових моментів і перевіряє відповіді студента. Цей самий підхід стане в пригоді кожному, хто вивчає новий предмет, наприклад працівникові, якому треба швидко розібратися в незнайомій галузі.

Покупки та порівняння

На покупки припадає 10 % агентних запитів — переважно це пошук і порівняння товарів. Отримавши запит «знайди стіл для роботи стоячи до 400 доларів із хорошими відгуками», агент шукає в кількох магазинах, фільтрує результати за ціною й рейтингом, порівнює найкращі варіанти та може додати найвдаліший до кошика. Коли агент порівнює варіанти на кількох вебсайтах, це може заощадити багато часу, адже людині вже не потрібно відкривати й звіряти кожну пропозицію.

Сім найкращих практик використання автономних агентів

1. Починайте із завдань, які легко перевірити

Найкращі перші завдання — ті, де помилку легко помітити й дешево виправити. Добрими відправними точками є стислі огляди досліджень і порівняння продуктів. Якщо агент наводить посилання на джерела, перевірка роботи займає кілька хвилин. Зі зростанням довіри можна доручати довші завдання з більшою кількістю кроків.

2. Чітко визначайте очікувані результати й обмеження

Агент може ухвалювати кращі рішення, коли розуміє, чому завдання важливе. Сильний запит схожий на бриф для підрядника: мета, аудиторія, що вже відомо і що вже відкинуто. Запит «Порівняй цих трьох постачальників для доповідної записки раді директорів; раду найбільше цікавлять ризики впровадження, і ми вже виключили всіх, хто не відповідає вимогам SOC 2» дає агентові все необхідне, щоб самостійно ухвалювати зважені рішення.

3. Додавайте контрольні точки для схвалення

Деякі дії неможливо скасувати, як-от надсилання електронного листа, здійснення покупки, видалення файлів чи надсилання форми. Якщо агент це підтримує, налаштуйте його так, щоб перед такими кроками він зупинявся й запитував дозвіл. Точку зупинки можна задати й у самому запиті. Інструкція «Підготуй чернетки відповідей, але не надсилай їх» або «додай найкращий варіант до кошика, але не оформлюй замовлення» точно вказує агентові, де зупинитися й повернути керування.

4. Переглядайте план перед початком роботи

Якщо завдання більше, попросіть агента окреслити план, перш ніж він почне. Перегляд плану займає хвилину, а виправити непорозуміння на цьому етапі значно дешевше, ніж виявити його в готовому результаті.

5. Обмежуйте доступ тим, що потрібно для завдання

Кожен обліковий запис, до якого агент має доступ, — це обліковий запис, у якому він може діяти. Якщо підключати лише ті застосунки, які потрібні для завдання, конфіденційні дані залишаються недосяжними, а ризик помилок — обмеженим. Агентові, який досліджує постачальників, не потрібен доступ до електронної пошти. Агентові, який готує чернетки відповідей, він потрібен, але дозвіл на їх надсилання може бути зайвим.

6. Вбудовуйте перевірки в запит

Агенти вже перевіряють власні результати, тож у запиті можна вказати, на що саме звертати увагу. Якщо описати, який вигляд має добрий результат («кожен показник має бути підкріплений джерелом, датованим 2025 роком або пізніше»), агент застосує цей стандарт, перш ніж повернути роботу. Прохання відокремлювати підтверджені факти від власних висновків і позначати припущення робить перевірку людиною швидшою та зосередженішою.

7. Повторно використовуйте те, що працює

Запит, який дав сильний результат, може стати шаблоном для наступного схожого завдання. Приклад доброго результату, наприклад звіт за минулий квартал, часто допомагає агентові більше, ніж словесний опис формату. Повторювані завдання можуть стати постійними робочими процесами.

Як Perplexity підходить до автономних агентів

Perplexity пропонує два автономні агенти. Comet Assistant виконує повсякденні завдання в браузері, а Perplexity Computer береться за більші проєкти, які можуть тривати годинами або й довше.

Comet Assistant вбудовано в Comet — браузер Perplexity на основі ШІ. Він працює на вебсайтах, які людина вже відкрила, тож може планувати зустрічі, редагувати документи, надсилати електронні листи й бронювати авіаквитки без перемикання між інструментами.

Computer працює в хмарі та, як описано вище, розподіляє кожну мету між субагентами. Він підключається до сотень сервісів, а користувачі можуть вибирати конкретні моделі ШІ для конкретних частин роботи. Computer доступний передплатникам Pro і Max.

Ознайомтеся з Comet Assistant, щоб спробувати агента в браузері, або з Perplexity Computer, щоб доручити йому більший проєкт.

Поширені запитання

Чи автономний агент — це те саме, що й агентний ШІ?

Ні, хоча ці терміни перетинаються. Агентним ШІ зазвичай називають ширшу категорію систем ШІ, які досягають цілей, плануючи й виконуючи дії. Автономний агент — це конкретна система в цій категорії, яка виконує свою роботу з мінімальним покроковим схваленням.

Чи всі ШІ-агенти автономні?

Ні. Деякі агенти виконують кожен крок лише за вказівкою людини, тоді як інші виконують усе завдання самостійно. Описані вище рівні автономності охоплюють увесь діапазон: від агентів, якими людина керує крок за кроком, до агентів, за якими людина лише спостерігає.

Чи можуть автономні агенти здійснювати покупки або платежі?

Деякі агенти можуть допомагати з покупками — залежно від вебсайту, дозволів і запобіжних механізмів. Comet Assistant може порівнювати товари й допомагати з оформленням замовлення. Функція Instant Buy від Perplexity дає змогу користувачам у США, які відповідають вимогам, купувати підтримувані товари безпосередньо в Perplexity, а PayPal доступний як один зі способів оплати.

Чи потрібні навички програмування для роботи з автономними агентами?

Багатьма готовими агентами можна користуватися без програмування. Деякі платформи також дають змогу створювати агентів за допомогою інструкцій природною мовою або графічного інтерфейсу. Програмування може знадобитися для індивідуальних інтеграцій, налагодження та більш спеціалізованої поведінки.