Entretien : Notion + Vercel

하이라이트

• Environ la moitié du contenu rédigé sur Notion est actuellement produite par des agents et le Model Context Protocol (MCP).

• Le protocole MCP de Notion a connu une multiplication par sept au cours des six mois précédant l'entretien.

• La documentation de Vercel enregistre plus de 90 % de son trafic provenant directement d'agents.

• Notion a acquis l'entreprise d'apprentissage par renforcement Zero Entropy pour automatiser l'évaluation et l'entraînement de modèles spécifiques à des tâches.

타임라인

1. 00:00 - 03:05

   La prolifération des agents et le contexte ouvert

   L'évolution de Notion s'oriente vers le travail collaboratif élargi aux agents autonomes. Les agents nécessitent un contexte pérenne et non lié à un modèle ou un laboratoire spécifique pour éviter l'enfermement propriétaire. La connexion de Notion sert de base de données contextuelle suffisante pour les agents internes et personnels.

   • La collaboration englobe désormais les interactions entre humains, entre humains et agents, ainsi qu'entre agents autonomes.
   • Le contexte d'une organisation ne se limite pas à du Markdown mais inclut les décisions, la structure et la sensibilité aux changements.
   • Le protocole MCP de Notion a été multiplié par sept en six mois grâce à l'augmentation de l'activité des agents de code et des agents personnels.
2. 03:05 - 07:00

   Divergence de conception entre interfaces humaines et agents

   Traiter les agents et les humains avec la même interface de recherche constitue une erreur de conception. Contrairement aux humains qui exigent des extraits précis et un classement rigoureux, les agents exploitent des états intermédiaires de données qui n'ont même pas besoin d'être lisibles par une personne.

   • Environ la moitié du contenu textuel rédigé sur Notion provient actuellement d'agents et du MCP.
   • La recherche d'informations pour les agents diffère de celle des humains en privilégiant un taux de rappel élevé plutôt qu'une précision stricte.
   • Le classement positionnel et les algorithmes de re-classement sont inutiles pour les agents et génèrent de la latence superflue.
3. 07:00 - 13:30

   Outils universels et investissement dans l'évaluation

   L'utilisation d'un outil universel comme le CLI et le MCP garantit l'équité entre l'agent interne et les intégrations tierces. Les investissements dans l'apprentissage par renforcement et les API de déploiement permettent de comparer objectivement les performances de différents modèles dans des environnements d'exécution prolongés.

   • Les agents natifs de Notion accèdent au système via les bacs à sable Vercel et utilisent la même interface CLI que l'écosystème tiers.
   • L'acquisition de Zero Entropy permet à Notion d'utiliser l'apprentissage par renforcement pour évaluer rigoureusement différents cadres d'agents.
   • Les agents natifs intègrent une expertise contextuelle spécifique à Notion que les agents tiers n'obtiennent qu'en exposant des outils et des mémoires adaptés.
4. 13:30 - 22:02

   Infrastructure, déterminisme et neutralité des modèles

   L'intégration de technologies déterministes et de classifieurs simplifie les flux de travail sans nécessiter systématiquement un LLM lourd et coûteux. La neutralité des modèles impose un effort technique continu pour analyser les spécificités de chaque nouvelle version, tandis que la gestion de l'obstination des agents représente le prochain défi de maturité pour l'industrie.

   • L'utilisation de workers et de machines à états dans les bacs à sable Vercel réduit la consommation de jetons et améliore la fiabilité.
   • Notion déploie les nouveaux modèles propriétaires ou à poids ouverts en l'espace de 15 minutes grâce à des partenariats et des systèmes d'évaluation avancés.
   • Les comportements émergents des agents démontrent une persistance extrême, allant jusqu'à utiliser un navigateur pour contourner des blocages d'interface.