SchemaRouter: kako AI agenti pronalaze prave podatke bez nepotrebnog konteksta

Skriveni troškovi iza agentnog RAG protoka

Što više alata AI agent stječe, to postaje sve teža naizgled jednostavna odluka: koji alat treba pozvati, s kojim parametrima i točno koja polja treba vratiti? U jednostavnom chatbotu model odgovara na temelju konteksta koji mu je dan. U agentnom RAG sustavu prvo mora odlučiti gdje će pretraživati, a zatim tu odluku pretvoriti u valjan poziv.

Upit može zahtijevati kombinaciju interne baze podataka, vektorskog skladišta, grafskog skladišta i vanjskog API-ja. Izbor nije ograničen samo na naziv alata: svaki krajnje mjesto ima različite obavezne parametre, polja odgovora, jedinice, izvore i ograničenja upotrebe. Ako je ijedan od njih nedostupan, plan može biti semantički relevantan, ali tehnički neizvediv.

Istraživački projekt SchemaRouter: Upravljanje alatima ovisno o poljima za učinkovit heterogen agentni RAG, objavljeno na arXivu 3. srpnja 2026., predlaže posredni sloj za usmjeravanje. Mali LLM izdvaja namjeru i ključne koncepte; deterministička pravila temeljena na grafu sheme zatim odabiru alate i domene. Ova je razlika ključna jer dijagnoza kvara AI agenta Potrebno je znati je li problem bio u interpretaciji, skeniranju, pozivu alata ili u kasnijem čitaču.

Zašto 'prompt-all', 'over-fetch' i 'under-fetch' uzrokuju različite probleme

Strategija prikaži sve Svi opisi alata i polja smješteni su unutar uputa za usmjeravanje. To može biti učinkovito s robusnim modelom, ali shema se ponavlja pri svakom pozivu i raste kako se inventar širi. U studiji je katalog sadržavao 19 alata i 166 polja za odgovore. Samo segment sheme obuhvaćao je 5.042 znaka, tj. otprilike 1.260 tokena, na temelju pojednostavljene pretpostavke o četiri znaka po tokenu.

Autori detaljno procjenjuju povećanje od približno 66 tokena za upite o rutiranju po dodatnom alatu: približno 6.600 tokena za 100 alata i 33.000 za 500. Ovo je projekcija temeljena na inventaru od 19 alata, a ne mjerenje iz implementacija takvih razmjera. Pohranjivanje prompta može smanjiti početni trošak fiksne sheme, ali ne otklanja potrebu za pažnjom na cijeli prefiks, niti rješava promjene alata, verzija ili dozvola.

The prekomjerno dohvaćanje je drugačiji problem: agent poziva više alata ili vraća više polja nego što je potrebno. To povećava opterećenje, kontekst i vjerojatnost da osjetljivi ili kontradiktorni podaci dospiju do čitatelja. nedovoljno naplaćivanje izostavlja ključno područje i može rezultirati uvjerljivim, ali nepotpunim odgovorom. Zaštita od indirektno ubrizgavanje upita u vanjske izvore Još uvijek je potreban zaseban provjer; niža stopa oporavka ograničava opseg, ali ne dokazuje da je sadržaj pouzdan.

Graf sheme pretvara API-je u funkcionalnu mapu.

SchemaRouter predstavlja sljedeće kao čvorove: Tool, Endpoint, Parameter, ResponseField, DomainConcept, Unit, SourceType, LicensePolicy, FieldGroup i Intent. Rubovi povezuju krajnje točke s parametrima i poljima, polja s jedinicama, izvorima i konceptima te izraze prirodnog jezika s kanoničnim nazivima polja. Sustav ne pohranjuje samo tekstualne opise; on pohranjuje odnose koji određuju koji su zahtjevi valjani i što svaki odgovor znači.

Koncept je sličan povezivanju shema u procesu pretvorbe teksta u SQL, ali je prilagođen okruženju koje obuhvaća mnogo heterogenih alata. Ne mapira samo riječi na stupce u bazi podataka. Povezuje upite s poljima kroz više API-ja i održava metapodatke koje naknadni čitatelj ne može sigurno rekonstruirati iz parametrijskog znanja.

Graf proizvodnje koji je inspirirao studiju je vlasnički. Rad se odnosi na zamrznuti JSON izvoz, okvir za evaluaciju i repozitorij za reprodukciju rezultata. Međutim, pri provjeri 14. rujna 2026. navedeni GitHub link vratio je HTTP 404 grešku. Stoga članak temelji svoje metrike na cijelom radu i ne predstavlja repozitorij kao javno dostupnu resurs.

Kako se generira plan izvršnog alata?

U prvom koraku mali LLM izdvaja namjeru, koncepte domene, vrijednosti parametara, ograničenje izvora i eksplicitno navedene alate. Ako korisnik navede određeni alat, on ima prednost. U suprotnom se kandidati sužavaju na temelju domene namjere i potrebnih grupa polja. Ograničenje izvora može, na primjer, razlikovati eksperimentalne, izračunate ili literaturne podatke.

Odabir polja zatim se provodi deterministički. To uključuje identifikatore, podudaranja koncepata i polja te skupine polja, koje djeluju kao sigurnosna mreža za ponovni poziv. Sloj nadimaka povezuje korisnikov jezik s kanonskim nazivima polja: pojmom domene može se povezati s točnim nazivom koji API razumije. Na kraju, shema povezuje jedinicu, vrstu izvora i licencu sa svakim relevantnim poljem.

«Valid by design» ne znači da je poslovna politika automatski implementirana. To znači da polja potječu iz deklarirane sheme, a parametri iz skupa prihvaćenog od krajnje točke. Autentifikacija, autorizacija, suglasnost, ograničenja brzine, minimizacija podataka i kontrolne točke odobrenja moraju biti provedene u odgovarajućim slojevima politike i izvršenja. Zaštita podataka u CRM-u bez ometanja marketinga Zahtijeva upravo ovu razliku između upotrebljive površine i dopuštenog pristupa.

Što zapravo mjeri test od 110 pitanja?

Procjena obuhvaća 110 pitanja iz znanosti o materijalima raspoređenih u devet kategorija: 36 pretraživanja svojstava jednog alata, 12 kemijskih pretraživanja, 12 upita osjetljivih na porijeklo, 10 upita s više polja, 10 pretraživanja literature, 8 usporedbi među izvorima, 8 upita osjetljivih na jedinice, 8 negativnih upita bez odgovarajućeg alata i 6 dvosmislenih upita za jedan entitet.

Zamrznuti inventar obuhvaća 19 heterogenih alata i 166 polja za odgovore: baze podataka o svojstvima materijala, PubChem, bibliografske API-je, izvor poslovnih otkrića te web ili Q&A rezervne opcije. Donji tokovi podataka sastoje se od determinističkih strukturiranih elemenata. Ovaj izbor olakšava kontrolirano usporedbu, ali podcjenjuje šum, zbrku i moguću injekciju upita s kojima se susreće u stvarnom korpusu.

Studija se ne zaustavlja na preciznosti alata ili F1 rezultatu. Mjeri valjanost parametara, omjer izvršivih planova, broj preuzetih tokena konteksta, end-to-end latenciju, točnost konačnog odgovora te prenosi li odgovor informacije o podrijetlu i licenci. Ovo je pravi standard za produkcijskog agenta: ruter nije dobar samo zato što proizvodi «elegantan» plan, nego zato što pomaže osigurati da je konačni odgovor ispravan, brz i provjerljiv.

Rezultati: konkurentna točnost uz znatno manje konteksta

SchemaRouter je postigao točnost odgovora od 0,71 s 95-postotnim intervalom pouzdanosti od 0,63–0,79, field recall od 0,86, 227 tokena izvučenog konteksta i end-to-end latenciju od 5,5 sekundi. Pristup 'fetch-all' imao je točnost od 0,70, ali je koristio 2.066 tokena i potrošio 4,9 sekundi. Pristup 'prompt-all' imao je točnost od 0,66, 207 prikupljenih kontekstualnih tokena i latenciju od 15,1 sekundi.

Najjasnija razlika leži u učinkovitosti i valjanosti plana. SchemaRouter je u osnovnoj tablici metrika planiranja postigao točnost alata od 0,93 i valjanost parametara od 1,00. Koristio je otprilike devet puta manje tokena dohvaćenog konteksta nego fetch-all, bez ikakvog mjerljivog gubitka točnosti u ovom konkretnom postavljanju. U usporedbi s prompt-all, vrijeme od početka do kraja bilo je otprilike 2,7 puta niže.

Zašto je minimalan broj polja pogrešan KPI

Jedno od najkorisnijih otkrića jest da ekstremna minimalizacija polja šteti kasnijim performansama. Na radnoj točki minimalnog polja točnost je pala na 0,56 uz 188 preuzetih kontekstualnih tokena. Kada su kao sigurnosna mreža za prepoznavanje namjera dodane grupe polja relevantne za namjeru, točnost je porasla na 0,71, dok se broj tokena povećao na samo 227.

Lekcija nije «prikupljati više podataka». To je da ispravan cilj optimizacije kombinira kvalitetu odgovora s troškom u stvarnom kontekstu. Metrika prebrojavanja polja tretira sva polja kao jednaka, dok kratki identifikator i dugo tekstualno polje imaju vrlo različite otiske tokena. Manji plan može izgledati učinkovit, a istovremeno mu nedostaje element koji omogućuje čitatelju da odgovori.

Za timove za proizvode i podatke, nadzorne ploče trebaju povezati metrike usmjeravanja s uspjehom odgovora, latencijom, upotrebom tokena, nevažećim pozivima i pogreškama zbog nedostajućih polja. Slično, Multimodalni AI agenti zahtijevaju verifikaciju nakon percepcije.Više ulaza ne jamči ispravno ponašanje, ali ni agresivno uklanjanje konteksta ne jamči da će se zadržati ključne informacije.

Porijeklo, licence i sigurnost podataka

Najznačajnija razlika na razini odgovora odnosi se na sljedivost. SchemaRouter je uključio navode licence 'samo shema' u 62 posto ne-negativnih odgovora. I spominjanja licence i izjave o vrsti izvora dosegnule su 94 posto. Referentne vrijednosti imale su stopu citiranja samo sheme približno nultu, jer specifični nizovi licenci nisu bili prisutni u tekstu koji je čitatelj primio.

U marketingu, e-trgovini i operacijama sadržaja ovaj se princip proteže i izvan znanosti o materijalima. Kada agent koristi feedove proizvoda, DAM resurse, podatke o kupcima ili licencirana istraživanja tržišta, izvor i uvjeti korištenja ne smiju se naknadno dodavati kao fusnota. Moraju putovati zajedno s podacima iz registra do konačnog izlaza. Ovo je arhitektonska interpretacija, a ne međudomeni rezultat demonstriran referentnim testom.

Manji odgovor API-ja također može smanjiti rizik od prekomjernog izlaganja podataka, ali samo ako se odabir polja provodi na strani poslužitelja i poveže s autorizacijom na razini svojstava objekta. Ruter koji «zahtijeva» manje polja ne zamjenjuje kontrole pristupa. Specifikacija MCP-a također upozorava da su anotacije alata samo naznake i ne bi se smjele smatrati pouzdanim opisom ponašanja.

U čemu SchemaRouter još uvijek zaostaje?

Preostale pogreške uglavnom se dijele na neispravan odabir alata za dvosmislene entitete i pogreške čitatelja. U nejasnim upitima za pojedinačne entitete, konceptni usklađivač se muči odrediti odgovarajući izvor bez eksplicitnog naziva. Sloj nadimaka zahtijeva ljudsko održavanje kako domena raste; stoga ovaj pristup ne otklanja potrebu za upravljanjem shemom.

Postoje značajna ograničenja valjanosti. Benchmark obuhvaća 110 upita, usmjeren je na znanost o materijalima, kreirao ga je jedan anotator i koristi zamrznute strukturirane fiksature umjesto stvarnih dokumenata. Evaluacija je provedena u jednoj izvedbi koristeći samostalno hostani model Qwen-3.5 122B, pri temperaturi od nule i s onemogućenim razmišljanjem. Ista obitelj modela generirala je i ocijenila odgovore, dok je unakrsna provjera unutar obitelji provedena samo na 40 uzoraka.

Mjerenja latencije uzeta su s dijeljenog, jako opterećenog poslužitelja i su pokazna. Rezultati zahtijevaju višestruko sjemenje, više modela i replikaciju preko domena. Nadalje, rad podržava rute neovisne o veličini sheme, ali održavanje grafova, aliasa, grupa polja i politika ostaje stvarni organizacijski trošak.

Što ovo znači za agente CRM-a, e-trgovine i marketinga?

Agent za trgovinu može biti povezan s katalogom, skladištem, cjenovnikom, narudžbama, recenzijama i oglašivačkim platformama. Pitanje «koji proizvod ima potencijal za promociju?» zahtijeva specifična polja i možda drugačija ovlaštenja pristupa nego «koja je kampanja imala najbolji ROAS?». Ako su svi opisi i svi podaci uvijek učitani, kontekst postaje širi. Ako je odabran samo semantički najbliži alat, može nedostajati trošak proizvoda ili vremenski prozor atribucije.

Registar osjetljiv na polja može odrediti koja polja svaka namjera zahtijeva, njihove jedinice, izvor, svježinu i ograničenja pristupa. Za CRM upit, na primjer, upit može zahtijevati fazu životnog ciklusa i najnoviji dopušteni kontakt, ali ne i cjelokupnu povijest bilješki ili detalje koji nisu povezani s namjenom. Za dostupnost proizvoda potrebno je SKU, status zaliha i vremenski žig, a ne cijela stavka narudžbe.

Proizvodno razmještanje zahtijeva provođenje privatnosti i autorizacije, što nisu obuhvaćeni ovim radom. Također je potreban mehanizam za povratak kad krajnja točka promijeni shemu, kad su izvorni podaci zastarjeli ili kad plan ne zadovoljava prag pouzdanosti. AI agenti u poslovanju trebali bi se tretirati kao softver s ograničenjima., a ne kao «kolege» koji proizvoljno popunjavaju praznine.

Pilot-rješenje u sedam koraka za usmjeravanje svjesno polja

Pilot bi trebao započeti s ograničenim opsegom, s mjerljivim troškom pogreške, umjesto da pokriva cjelokupan inventar API-ja organizacije. Prikladan prvi slučaj upotrebe je upit samo za čitanje u katalogu, analitici ili bazi znanja za podršku, gdje postoje poznati točni odgovori i sigurna rezervna opcija.

The Αυτοματισμοί Επιχειρήσεων & AI της TWO DOTS ξεκινούν από τη χαρτογράφηση διαδικασιών, δεδομένων, owners και σημείων ελέγχου. Για ένα SchemaRouter-style pilot, η αξία δεν βρίσκεται στο να προστεθεί ακόμη ένα abstraction layer, αλλά στο να αποδειχθεί ότι το plan μειώνει περιττό context χωρίς να χάνει κρίσιμα πεδία ή να παρακάμπτει πολιτικές.

Suština: najmanji dovoljan i provjerljiv skup

Ο SchemaRouter δεν αποδεικνύει ότι ένα schema graph είναι η καλύτερη λύση για κάθε agentic RAG σύστημα. Δείχνει όμως ότι η επιλογή response fields αξίζει να αντιμετωπίζεται ως ξεχωριστό αρχιτεκτονικό πρόβλημα. Στο συγκεκριμένο benchmark, η recall-preserving δρομολόγηση διατήρησε ανταγωνιστική accuracy με πολύ λιγότερο retrieved context από το fetch-all και με πλουσιότερη πληροφορία προέλευσης και αδειών.

Για τις επιχειρήσεις, ο ώριμος στόχος δεν είναι ούτε «όλα τα δεδομένα» ούτε «όσο λιγότερα γίνεται». Είναι το μικρότερο επαρκές, εκτελέσιμο, επιτρεπτό και ελέγξιμο σύνολο που επιτρέπει σωστή απάντηση. Αυτό απαιτεί metrics που ακολουθούν ολόκληρη τη διαδρομή: intent, tool selection, parameter validation, field projection, authorization, retrieval, answer και ανθρώπινη επαλήθευση.

Αν το schema graph παραμένει versioned, οι aliases συντηρούνται από domain owners και τα permissions επιβάλλονται έξω από το μοντέλο, η προσέγγιση μπορεί να γίνει χρήσιμο control point. Αν αντιμετωπιστεί μόνο ως τεχνική μείωσης tokens, κινδυνεύει να βελτιστοποιήσει το λάθος metric και να μεταφέρει την πολυπλοκότητα σε ένα registry που κανείς δεν αναλαμβάνει να διατηρεί.