TinyFish revela un marco para sistemas fiables de búsqueda de agentes de IA

TinyFish, un proveedor de infraestructura web para agentes de IA, ha publicado dos guías técnicas que detallan cómo construir sistemas de búsqueda de agentes listos para producción. Las guías se centran en abordar problemas comunes como la recuperación incompleta, los fallos en los reintentos y los límites de ejecución. La arquitectura, construida sobre cuatro primitivas web, funciona a través de un bucle de control de siete fases alrededor de un modelo base. En OpenBenchmarks, TinyFish logró una tasa de finalización del 79,0 % en tareas de codificación con un coste medio de 0,050 $, lo que destaca la importancia de los bucles de control rígidos y la razón unificada. La arquitectura del sistema se basa en un preprint de febrero de 2026 que desacopla la razón de la ejecución a través de interfaces de herramientas tipadas. TinyFish divide una ejecución en siete fases, con la Fase 2 abordando el problema de 'pérdida en la recuperación' y la Fase 6 utilizando Search-R1 para generar consultas de búsqueda adicionales. En siete conjuntos de datos de QA, su búsqueda multi-turno superó a las líneas base RAG en un 41 % y un 20 %. TinyFish también optimizó su sistema de investigación para la calidad y la relevancia, ajustando la clasificación de las fuentes en función de los objetivos de investigación y añadiendo controles para priorizar, excluir o restringir los dominios. La empresa desarrolló un conjunto de pruebas interno utilizando un juez de LLM para evaluar los informes en cuanto a relevancia, solidez de la evidencia y diversidad de las fuentes. OpenBenchmarks, actualizado el 26 de septiembre de 2026, informa de los resultados de búsqueda de TinyFish en un 59,3 %, en comparación con el 77,3 % de Perplexity, el 70,3 % de Firecrawl y el 66,3 % de Exa Fast.