Agent API
PulseAugur coverage of Agent API — every cluster mentioning Agent API across labs, papers, and developer communities, ranked by signal.
- 2026-09-28 product_launch Perplexity has updated its Agent API to support reusable agents, enabling teams to create and share versioned Profiles, Skills, and managed connectors across applications. 来源
3 天有情绪数据
-
OpenAI 的代理 API 使研究人员的日均花费达到 2,400 美元
OpenAI 的中位数研究人员在 10 月份使用其代理 API 的日均花费为 2,400 美元。这一支出指标正受到密切关注,因为它被视为衡量 AI 代理自主完成任务能力的一个指标。这些代理所展示的效用可能会显著影响此类服务的未来需求。
-
LLM API 提供内联引用,但格式各异
多个 LLM API 现在提供内联引用位置,允许开发者精确定位支持 AI 生成答案的确切文本跨度。OpenAI 的 Responses API、xAI 的 Responses API 以及支持 Google Search 接地的 Gemini API 都提供这些偏移量。然而,这些偏移量的测量方式(字节 vs. 字符)以及输出是否为 markdown 格式存在差异。其他 API,如 Anthropic 的 Messages API 和 …
-
Perplexity 发布 MCP 服务器以集成网络搜索
Perplexity 发布了其模型上下文协议 (MCP) 服务器,允许其他 AI 代理利用 Perplexity 的网络搜索功能。该服务器可通过 API 密钥远程使用,或本地托管以支持 Claude Code、Cursor 和 Codex 等应用程序。用户还可以配置 Perplexity 使用外部 MCP 服务器作为连接器,从而扩展其功能。虽然服务器本身免费,但工具调用将按照 Perplexity 的标准 API 定价收费。
-
Cursor 的代理 API 与 Claude、OpenAI 和 Google 比较
一位 Reddit 用户正在询问代理 API 的当前状态和性能,特别强调了 Cursor 在该领域的早期开发。他们正在寻求关于 Cursor 的公共代理 API 的反馈,并将其与 Claude、OpenAI 和 Google 的产品进行比较,尤其是在生产或 CI 环境中使用。
-
Perplexity 集成了 NVIDIA 的 Nemotron 3.5 Super VL 模型
Perplexity 已在其平台中集成了 NVIDIA 的 Nemotron 3.5 Super VL 模型。该新模型对订阅了 Perplexity 的 Pro 和 Max 套餐的用户可用。此外,Nemotron 3.5 Super VL 可通过 Perplexity 的 Agent API 获取。
-
Perplexity 为 Agent API 增加了可复用代理功能
Perplexity 更新了其 Agent API,以支持可复用代理,允许团队在不同应用程序之间创建和共享版本化的配置文件、技能和托管连接器。此增强功能旨在通过实现模块化和协作来简化代理的开发和部署。
-
Goose 用户因错误的 API 端点而遇到 Perplexity 404 错误
已发现 Goose 内置的 Perplexity 提供商存在技术问题,导致用户在聊天时出现 404 错误。问题源于预设中错误的 URL,该 URL 不正确地将 '/v1' 添加到 Perplexity API 端点。这会导致请求指向不存在的路径,从而产生“资源未找到”错误。解决方案是在 Goose 中手动配置自定义的 OpenAI 兼容提供商,指定不带 '/v1' 的正确基础 URL,并使用现有的 Perplexity API 密钥。
-
Perplexity 将 Sonar 模型迁移至增强型 Agent API
Perplexity 正在将其 Sonar 模型迁移至 Agent API,后者提供了增强的功能,如基于事实的网络搜索、多步研究、代码执行以及访问各种模型。此举旨在提高性能,据报道,Agent API 在 BrowseComp 和 WideSearch 等基准测试中使 Sonar 的得分翻倍以上。
-
Perplexity 将深度研究与多模型编排系统集成
Perplexity 已将其深度研究功能集成到其计算机编排系统中,增强了将复杂问题分解为子任务的能力。然后,这些子任务会被路由到 20 多个不同的 AI 模型,从而显著提高准确性和分析深度。该系统采用“搜索即代码”方法,现在可以生成可直接用于工作的报告、演示文稿和仪表板,并在代理浏览能力方面取得了显著的基准改进。