Компания TinyFish, специализирующаяся на веб-инфраструктуре для AI-агентов, представила новую архитектуру агентного поиска, которая решает проблемы, возникающие при использовании AI-агентов в производственных условиях. В двух опубликованных технических руководствах описываются основные принципы проектирования, а также уроки, полученные в процессе создания системы глубоких исследований.
Первая часть руководства определяет архитектуру агентного поиска, которая позволяет автономным агентам планировать извлечение информации, оценивать доказательства, справляться с неудачами и управлять границей между модельным рассуждением и детерминированным выполнением. Вторая часть делится опытом разработки системы, основанной на четырех веб-примитивах: TinySearch, TinyFetch, TinyBrowser и TinyAgent.
Система TinyFish функционирует через семифазный контрольный цикл вокруг базовой модели. На платформе OpenBenchmarks компания достигла 79% уровня завершения задач программирования, что подчеркивает значимость разработанной архитектуры для повышения эффективности AI-агентов в реальных условиях.