Exa Agent

Exa Agent 研究

你正在通过 MCP 使用 Exa Agent。Exa Agent 是一款工具，可用于执行多步骤网络研究、名单构建、信息补全、结构化输出、运行续接和覆盖范围验证。

必需工具

• agent_run

Exa Connect 提供商

如果运行需要在 Exa 网络搜索之外使用合作伙伴的高级数据，请将 dataSources 传递给 agent_run。

仅使用目前可自行开通的提供商：

• fiber：B2B 公司、人员、职位和联系信息补全
• financial_datasets：美国上市公司的基于股票代码的新闻
• similarweb：网站流量估算、排名和竞争对手发现
• baselayer：美国企业验证、高管、注册信息和 KYB
• affiliate：产品目录搜索、定价、品牌和商家链接
• particle：带有说话人归属和时间戳的播客转录文本搜索
• jinko：按票价排名的旅行目的地发现

除非用户明确表示其 Exa 账户已启用仅限申请的提供商，否则不要推荐这些提供商。

决策树

采取行动前，先选择工作方式：

1. 已知输入行，且需大规模执行相同格式的信息补全

   • 编写脚本，直接调用 Exa API。
   • 使用有界并发、指数退避、检查点和稳定的输出文件。
   • 读取输出文件，并据此综合整理结果。
   • 不要手动循环调用数百次相同的工具，浪费上下文。

2. 开放式定义范围、构建名单、发现人员／公司、多跳研究、结构化研究，或跟进之前的工作

   • 使用 Exa Agent。
   • 创建运行前，先定义目标和 outputSchema。

创建运行前

务必写明：

• 目标：此运行要回答什么问题。
• 范围：哪些实体符合条件。
• 分组：地理区域、行业、角色、日期、资产类别或其他划分。
• 覆盖目标：期望数量、最大数量，以及何为“足够好”。
• 输出字段：最终答案所需的列。
• 证据要求：URL、来源标题、日期和置信度。
• 排除项：之前的结果或不允许纳入的实体。

如果用户使用“近期”“过去 6 个月”或“IPO 后”之类的相对时间表述，先根据今天的日期计算确切日期。

Schema 规则

名单构建、信息补全、金融／公司研究和可重复工作流均使用 outputSchema。

规则：

• 使用顶层对象。
• 在命名数组字段中放置名单行。
• 尽可能为数组添加 maxItems。
• 包含来源／证据字段，而不只是结论。
• 包含稳定标识符：公司名称、网站／域名、人员 LinkedIn URL、股票代码、CIK 等。
• 对模糊判断添加置信度或理由字段。
• 必填字段仅限必须存在的字段。
• 需要时使用 format: "uri"、format: "email" 或 format: "phone"。

公司名单 Schema 示例：

{
  "type": "object",
  "properties": {
    "companies": {
      "type": "array",
      "maxItems": 50,
      "items": {
        "type": "object",
        "properties": {
          "company_name": { "type": "string" },
          "website": { "type": "string", "format": "uri" },
          "segment": { "type": "string" },
          "why_it_qualifies": { "type": "string" },
          "evidence_url": { "type": "string", "format": "uri" },
          "confidence": { "type": "string", "enum": ["low", "medium", "high"] }
        },
        "required": ["company_name", "website", "why_it_qualifies", "evidence_url"]
      }
    },
    "coverage_notes": { "type": "string" },
    "known_gaps": {
      "type": "array",
      "items": { "type": "string" }
    }
  },
  "required": ["companies", "coverage_notes"]
}

Exa Connect 示例：

{
  "tool": "agent_run",
  "arguments": {
    "query": "Find 10 fast-growing B2B SaaS companies and return estimated monthly website visits from Similarweb.",
    "dataSources": [
      { "provider": "similarweb" }
    ],
    "outputSchema": {
      "type": "object",
      "properties": {
        "companies": {
          "type": "array",
          "maxItems": 10,
          "items": {
            "type": "object",
            "properties": {
              "name": { "type": "string" },
              "domain": { "type": "string" },
              "monthlyVisits": {
                "type": "number",
                "description": "Estimated monthly visits from Similarweb"
              }
            },
            "required": ["name", "domain", "monthlyVisits"]
          }
        }
      },
      "required": ["companies"]
    }
  }
}

Exa Agent 工作流

1. 运行 Agent

   • 调用 agent_run。
   • 省略 effort，以使用工具默认的 low。只有在用户要求更深入的内容，或任务显然需要更高深度时，才选择 auto 或更高的 effort。
   • 对结构化任务，添加 outputSchema。
   • 对已知行使用 input.data。
   • 对已返回或不允许的实体使用 input.exclusion。
   • 只有在某个自助式 Exa Connect 提供商明显有用时，才添加 dataSources。
   • 在查询和 schema 中都注明你需要的提供商专属数据，以便 Agent 使用该提供商，而不是退回到网页搜索。
   • 如果后续可能会使用 previousRunId 继续运行，请保存返回的 id。
   • 如果响应包含 status: "running"，请使用该 runId 再次调用 agent_run，直到 outputReady 为 true。对于在一次 MCP 调用结束后仍保留的运行，可以使用此续跑方式。
   • 零数据保留（ZDR）团队：新运行始终以流式方式传输，输出仅在该实时流中可用（不能通过 runId 恢复）。MCP 调用窗口约为 750 秒；如果 ZDR 运行无法在一次调用中完成，请使用较低的 effort 重试，或拆分任务。ZDR 不支持 previousRunId。

2. 阅读结果

   • 等待 outputReady 为 true（或状态变为 failed/cancelled）。
   • 阅读 output.structured 和 output.grounding。
   • 不要仅仅因为运行已完成，就假定结果是完整无遗漏的。

3. 验证覆盖范围

   • 将行数与目标数量核对。
   • 检查各细分部分的覆盖情况。
   • 对实体去重。
   • 检查证据质量。
   • 找出缺口。

4. 必要时继续

   • 使用 previousRunId 调用 agent_run，进行后续查询或细化。
   • 使用 input.exclusion 避免再次出现先前结果。
   • 如果一个运行要覆盖的范围太广，请将大型集合拆分为多个运行。

5. 最终答复

   • 说明已完成的工作。
   • 展示结构化结果。
   • 说明覆盖范围和局限性。
   • 除非已明确界定并验证穷尽性，否则请使用“尽力发现”。

续跑模式

以下情况使用 previousRunId：

• 缩小列表范围
• 补全缺失字段
• 查询另一细分部分
• 验证先前的一组结果
• 请求“更多类似结果”

以下情况不要使用 previousRunId：

• 先前的运行失败或仍在运行
• 新任务与先前任务无关
• 需要针对另一细分部分进行独立、完整的覆盖

对于相互独立的细分部分，请分别创建运行，并自行汇总结果。

穷尽性与覆盖范围的表述

只有满足以下所有条件时，才能声称覆盖全面：

• 集合有明确边界和定义。
• 搜索／发现策略覆盖了主要细分部分。
• 已核查输出数量和缺口。
• 已解决重复项。
• 已检查证据。
• 已披露所有尚未解决的问题。

未完全验证时，推荐使用以下表述：

• “尽力发现”
• “高置信度的初步集合”
• “并非穷尽”
• “X 部分的覆盖似乎最充分，Y 部分则相对较弱”

避免使用：

• “所有公司”
• “完整列表”
• “穷尽”
• “确定无疑”

除非验证结果足以支持这些说法。

批处理脚本模式

如果任务需要并行执行大量形式相同的 Exa 调用，尤其是对已知公司／人员进行批量信息补全：

1. 编写脚本，而不是手动发起大量 MCP 调用。
2. 脚本必须：
   • 从文件读取确定性输入
   • 使用有界并发
   • 针对 429/5xx 使用指数退避
   • 保存检查点，记录部分进度
   • 输出确定性的 JSON/CSV/TSV 结果
   • 按行保留原始 API 错误
3. 运行脚本。
4. 读取输出文件。
5. 根据输出综合结果。

如果主要难点在于发现、推理、多跳研究或决定下一步搜索内容，请使用 Exa Agent，而不是批处理脚本模式。

失败处理

如果运行无法启动：

• 显示 HTTP 错误，并修正 schema、身份验证或输入内容。
• 对 Exa Agent 类的任务，不要悄悄改用通用网页搜索。

如果运行失败：

• 根据返回的终止状态说明失败原因。
• 只有在修正方案明确时，才创建修正后的后续运行或新运行。

如果运行目标或 schema 有误，请中止流式调用。服务器会尝试取消上游运行；随后你需要使用修正后的目标或 schema 创建新运行。

如果输出较少：

• 使用 previousRunId 继续。
• 排除先前结果。
• 对范围进行分段。
• 收紧或明确 schema 字段。