AI 智能体的新纪元：xpander.ai 的 Agent Graph System
以色列初创公司 xpander.ai 推出了 Agent Graph System (AGS)，这是一种全新的方法，旨在构建更可靠、更高效的多步骤 AI 智能体，其基础是 OpenAI 的 GPT-4o 系列等底层 AI 模型。
AGS 的目标是重新定义 AI 智能体与 API 和其他工具的交互方式，使各种行业的组织更容易实现高级自动化任务。
图：xpander.ai 联合创始人兼首席产品官 Ran Sheinberg（左）和联合创始人兼首席执行官 David (Dudu) Twizer（右）。图片来源：xpander.ai
函数调用是大多数 AI 智能体工作流程的核心，它使模型能够与外部系统交互以执行任务，例如获取实时数据或执行操作。
然而，当面对复杂的 API 架构或不可预测的响应时，这些交互往往会失效，导致效率低下和错误。
xpander.ai 的 Agent Graph System 通过使用基于图的工作流程来解决这些挑战，该流程逐步引导智能体完成适当的 API 调用。
AGS 不会在每个阶段都提供所有可用工具，而是智能地将选项限制为仅与当前任务上下文相关的工具，从而显著减少了顺序错误或冲突的函数调用。
xpander.ai 联合创始人兼首席产品官 Ran Sheinberg 在接受 VentureBeat 采访时解释说：“借助 AGS，我们确保智能体在每个步骤中只使用相关的工具并遵循正确的架构，从而确保精度和效率。”
Sheinberg 曾在多家其他初创公司工作，并担任亚马逊网络服务 (AWS) 的首席解决方案架构师，领导着与企业客户的大规模计算项目。
xpander.ai 旨在使智能体 AI 开发更易于访问更广泛的受众。“我们的目标是创建一个易于访问的平台，让任何人都可以构建 AI 智能体，尝试这项技术，并开始自动化重复性任务，从而专注于真正重要的事情，”xpander.ai 联合创始人兼首席执行官 David Twizer 在同一采访中表示。
该公司还提供 AI 就绪连接器，可以轻松集成到 NVIDIA NIM（Nvidia 推理微服务）和其他系统中。这些连接器使用详细的文档、操作 ID 和架构来丰富 API 工具，减少了开发人员的技术负担，同时提高了运行时精度。
“设置完成后，您可以将其连接到任何支持函数调用的 AI 系统，”Twizer 说。“对我们来说，设计能够满足客户需求并提供灵活升级模型的技术至关重要。”
Twizer 也曾在 AWS 担任首席解决方案架构师，并领导生成式 AI 销售架构的上市工作。
在基准测试中，xpander.ai 证明，AGS 与其智能体接口相结合，使 AI 智能体能够在多步骤任务中实现 98% 的成功率，而使用传统方法的智能体仅为 24%。
这些智能体以快 38% 的速度完成工作流程，并且使用的令牌数量减少了 31.5%，这突出了 AGS 降低成本和提高性能的能力。
AGS 在实际应用中的一个例子是基准测试任务，其中 AI 智能体需要跨 LinkedIn 和 Crunchbase 等平台研究公司，然后在 Notion 中整理结果。AGS 简化了流程，确保工具按正确顺序使用，并且始终遵循架构。
“我们提供了一个完整的 AI 智能体，可以创建与任何系统的接口，”Twizer 补充道。“数据接口首次成为 AI 的原生功能，解决了世界正在努力解决的一个主要痛点。”
xpander.ai 将 AGS 定位为智能体 AI 发展中的一个重要步骤，使 Nvidia NIM 微服务等工具能够更无缝地集成到企业系统中。
“AI 智能体需要使用 API 来处理涉及复杂数据结构的同步用例，而传统的 UI 无法满足这些需求，”Sheinberg 指出。
通过 AGS，xpander.ai 改变了 AI 智能体处理错误管理和上下文连续性的方式。通过在其图结构中直接嵌入回退选项，AGS 使智能体能够重试失败的操作或转向替代工作流程，而无需人工干预，从而保持任务稳定性。
这种可靠性水平确保了配备 AGS 的智能体不仅具有反应能力，而且具有适应能力，能够应对最不可预测的工作流程。
xpander.ai 推出的 AGS 及其智能体接口，代表着多步骤 AI 智能体向前迈出的重要一步。
通过实现结构化、自适应的工作流程并简化复杂的 API 交互，AGS 为自动化领域的可靠性和效率树立了新的标准。
随着公司的不断发展，其工具有望帮助企业充分利用 AI 驱动的流程的潜力。
