Skip to content
Outil d'IA

Revue de Search as Code (SaC)

Une nouvelle architecture de recherche pour les agents d'IA qui génère du code Python pour composer directement des primitives de recherche, en contournant les appels d'outils multi-tours.

shipped 2 juin 2026aifreemium
aiproduct-hunt
Search as Code (SaC) - AI tool for search code. Professional illustration showing core functionality and features.

Pourquoi c'est important

1Permet aux modèles d'IA de générer et d'exécuter du code Python dans un environnement sécurisé (sandbox) pour une récupération à la demande.
2Contourne les interfaces traditionnelles d'appel de fonctions multi-tours pour les opérations de recherche, améliorant l'efficacité.
3Intégré à l'Agent API et au produit Computer de Perplexity à partir de juin 2026.
4Expose les composants de la pile de recherche en tant que primitives programmables atomiques au sein d'un SDK.

Stork’s verdict on Search as Code (SaC)

SaC offre la programmation directe des pipelines de recherche pour les agents, mais exige des développeurs qu'ils gèrent du code personnalisé pour un contrôle précis.

Search as Code (SaC) reviewed by Stork AI · stork.ai/fr/search-as-code-sac

Spécifications

Documentation API

API disponible

Oui, API publique

overview

Qu'est-ce que Search as Code (SaC) ?

Search as Code (SaC) est un nouvel outil d'architecture de recherche développé par Perplexity AI qui permet aux agents d'IA et aux développeurs de contrôler les opérations de recherche de manière programmatique. Il permet aux modèles de générer et d'exécuter du code Python dans un environnement sécurisé (sandbox), d'assembler des pipelines de récupération sur mesure à la demande et de contourner les interfaces traditionnelles d'appel d'outils multi-tours. Cette architecture transforme la façon dont les modèles d'IA interagissent avec la recherche en exposant les composants de la pile de recherche en tant que primitives programmables au sein d'un SDK, permettant une récupération d'informations hautement personnalisée et efficace, adaptée aux tâches complexes et multi-étapes. SaC est conçu pour les agents d'IA qui doivent accomplir des tâches complexes et ouvertes sur des périodes prolongées, impliquant potentiellement des centaines ou des milliers d'opérations de récupération, en leur permettant de définir et de mettre en œuvre des stratégies de recherche très spécifiques directement dans leurs systèmes.

features

Fonctionnalités clés de Search as Code (SaC)

Search as Code (SaC) offre une suite de capacités conçues pour donner aux agents d'IA un contrôle granulaire sur les processus de récupération d'informations, allant au-delà des services de recherche monolithiques.

  • Permet aux modèles de générer et d'exécuter du code Python dans un environnement sécurisé (sandbox).
  • Assemble des pipelines de récupération sur mesure à la demande en fonction des exigences de la tâche.
  • Contourne les interfaces traditionnelles d'appel d'outils multi-tours pour les opérations de recherche.
  • Expose les composants de la pile de recherche en tant que primitives programmables atomiques au sein d'un SDK.
  • Offre un contrôle direct sur les étapes individuelles de la recherche, y compris la récupération, le classement, le filtrage, les fanouts et le rendu.
  • Offre un accès efficace à l'état intermédiaire, tel que les listes de candidats et les signaux de classement.
  • Permet aux agents de concevoir et d'optimiser des pipelines de recherche sur mesure en cours d'exécution.
  • Prend en charge l'exécution conditionnelle, les opérations asynchrones et le parallélisme dans les flux de travail de recherche.

use cases

Qui devrait utiliser Search as Code (SaC) ?

Search as Code (SaC) est principalement conçu pour le développement d'agents d'IA avancés et les systèmes nécessitant une récupération d'informations hautement personnalisée et dynamique.

  • Agents d'IA : Pour la construction de pipelines de récupération sur mesure pour des tâches complexes et ouvertes nécessitant des centaines ou des milliers d'opérations de récupération.
  • Développeurs de systèmes d'IA : Pour permettre aux modèles d'IA de programmer et de contrôler directement la pile de recherche, en contournant les interfaces d'appel de fonctions multi-tours.
  • Chercheurs en IA : Pour orchestrer les opérations de recherche via du code Python généré par le modèle afin d'améliorer l'efficacité et la capacité des agents d'IA en matière de récupération d'informations.

pricing

Tarification et plans de Search as Code (SaC)

Search as Code (SaC) fonctionne sur un modèle freemium. Les détails spécifiques concernant les limites d'utilisation pour le niveau gratuit ou la tarification des fonctionnalités premium ne sont pas publiquement détaillés pour l'architecture sous-jacente elle-même, mais elle est intégrée aux offres de produits plus larges de Perplexity.

  • Freemium : Accès aux fonctionnalités de base avec des limites d'utilisation potentielles ou des fonctionnalités premium disponibles à l'achat au sein des produits Agent API et Computer de Perplexity.

Outils similaires

Search as Code (SaC) vs Concurrents

Le Search as Code (SaC) de Perplexity se distingue en permettant aux agents d'IA de contrôler le processus de recherche de manière programmatique, plutôt que de simplement consommer des résultats de recherche prédéfinis ou de rechercher dans des bases de code existantes. Ce changement architectural offre un niveau de contrôle plus profond par rapport aux API de recherche traditionnelles et aux outils de recherche de code basés sur l'IA.

1

Exa is a web search engine built from scratch for AI workflows, optimized for relevance, freshness, and semantically-driven results rather than click-based ranking.

Similar to SaC, Exa provides structured, up-to-date information for AI agents and RAG systems, acting as a retrieval layer. While SaC emphasizes programmable primitives for dynamic pipeline assembly, Exa focuses on delivering highly relevant and semantically understood results tailored for AI consumption.

2

Parallel is an AI-native web search and research API designed as infrastructure for AI systems to search, retrieve, verify, and reason over live web information.

Parallel, like SaC, targets AI agents as its primary users, providing a different kind of web infrastructure for AI systems. It aims to go deeper into how AI agents interact with the web, offering a foundational layer for complex reasoning, which aligns with SaC's goal of evolving search to programmable primitives.

3
Cloudflare AI Search

Cloudflare AI Search offers a plug-and-play search primitive with hybrid search capabilities and built-in storage, allowing dynamic instance creation and management via API for agents.

Cloudflare AI Search directly positions itself as a 'search primitive' for agents, enabling developers to dynamically create and manage search instances, which closely mirrors SaC's concept of programmable primitives. It simplifies the infrastructure needed for agents to access and search data, similar to how SaC aims to provide building blocks for agentic search.

4

Brave Search API provides direct, structured API access to its independently built web index, offering flexibility and customization for RAG pipelines and AI systems.

The Brave Search API offers a foundational retrieval API for AI products, emphasizing control over ranking and summarization, and providing structured results. This aligns with SaC's goal of moving beyond monolithic search by offering customizable building blocks, though Brave's focus is on its independent index and structured output rather than the dynamic assembly of search pipelines through code generation.