Fireside Chat: Notion + Vercel
원제 · Fireside Chat: Notion + Vercel
핵심 요약
Der Übergang von menschlichen Nutzern zu Agenten erfordert eine grundlegende Trennung der Systemarchitekturen, da die Such- und Konsumuster von Agenten präzisionsunabhängig und stark auf einen hohen Recall sowie Positionierung optimiert sind.
하이라이트
Das MCP (Model Context Protocol) von Vercel verzeichnete innerhalb von sechs Monaten ein Wachstum um das Siebenfache.
Etwa die Hälfte der Inhalte in Notion wird von Agenten und MCP geschrieben.
Auf der Vercel-Dokumentation stammt weit über 90 % des Traffics von Agenten.
Notion übernahm das Reinforcement-Learning-Unternehmen Zero Entropy, um aufgabenspezifische Modelle zu trainieren.
타임라인
Die Evolution der Zusammenarbeit und Agenten-Ausbreitung
Notions Kernmission war stets die Kollaboration, die sich mittlerweile stark auf Agenten ausgeweitet hat. Dabei nutzen Organisationen Agenten zunehmend für komplexe Aufgaben, während sie gleichzeitig versuchen, einen Lock-in in spezifische Labs oder Harnesses zu vermeiden. Ein permanenter und offener Kontext sichert die langfristige Nutzbarkeit von Arbeitsergebnissen.
- Die Art der Zusammenarbeit unterteilt sich in menschliche Interaktion, Mensch-zu-Agent und Agent-zu-Agent.
- Der organisatorische Kontext geht weit über einfachen Markdown-Text hinaus und umfasst strukturelle Entscheidungen und Änderungsempfindlichkeiten.
- Das Model Context Protocol verzeichnete in den letzten sechs Monaten ein siebenfaches Wachstum.
Unterschiede im Such- und Designverhalten zwischen Menschen und Agenten
Der Versuch, die Such- und Benutzeroberflächen für Menschen und Agenten zu verschmelzen, erwies sich bei Notion als Fehlschlag. Agenten benötigen kein klassisches visuelles Snippet-Matching oder aufwendiges positionsbasiertes Re-Ranking, was die Entwickler dazu veranlasste, unnötige Latenzen erzeugende Algorithmen für Agenten-Schnittstellen zu eliminieren.
- Mehr als 90 % des Traffics auf der Vercel-Dokumentation stammt von Agenten.
- Etwa die Hälfte aller in Notion verfassten Inhalte wird von Agenten und MCP generiert.
- Menschliche Suchen erfordern hohe Präzision, während Agenten auf einen hohen Recall und positionsunabhängige Zwischenzustände optimiert sind.
Evaluierungen, Sandboxes und der Einsatz von Klassifikatoren
Durch die Kombination von Vercel-Sandboxes mit einer konsolidierten CLI können Agents deterministische Skripte und agentische Aktionen ausführen. Gleichzeitig reduziert der Einsatz deterministischer Tools und Klassifikatoren die Abhängigkeit von langsamen und teuren LLMs für standardisierte Aufgaben.
- Notion setzt Vercel-Sandboxes ein, um First-Party-Agenten den Zugriff auf die Notion-CLI zu ermöglichen.
- Die Übernahme von Zero Entropy treibt die Investitionen in Reinforcement Learning und Rollout-APIs voran.
- Jev demokratisierte maschinelle Klassifikatoren, indem es den Aufwand für Datenkennzeichnung und Training drastisch reduziert.
Modell-Agnostik, Rufbereitschaft und emergentes Agenten-Verhalten
Kunden setzen auf Plattformen wie Notion, um von der ständigen Modellauswahl entlastet zu werden, erwarten jedoch gleichzeitig den sofortigen Zugriff auf die neuesten Technologien. Die Evaluation konzentriert sich dabei stark auf den Kompromiss zwischen Kosten und Qualität. Unerwartetes agentisches Verhalten verdeutlicht zudem die Notwendigkeit, Systeme so zu konzipieren, dass Agenten gezielt abbrechen können.
- Die Integration neuer Modelle innerhalb von Minuten erfordert spezialisierte Evaluierungsteams und ständige Rufbereitschaft.
- Open-Weight-Modelle bringen durch kurze Vorwarnzeiten besondere Herausforderungen für die Infrastruktur mit sich.
- Emergentes Verhalten zeigt sich darin, dass Agenten bei Fehlern eigenständig einen Webbrowser öffnen, um die Notion-Benutzeroberfläche wie ein Mensch zu bedienen.
설명
Vercel.com