Zapier odkrywa ukryte warstwy instrukcji i żądania Markdown podczas przeglądania sieci przez agentów AI

Zapier opublikował wyniki badań technicznych, które pokazują, że agenci AI nie przyswajają stron internetowych w taki sam sposób jak ludzie czy tradycyjne web scrapery, ujawniając ukryte kroki architektoniczne w popularnych narzędziach takich jak WebFetch. W testach z użyciem Claude Code od Anthropic, Zapier odkrył, że narzędzia pobierające strony dla agentów sprawdzają lustrzane strony w formacie Markdown przed HTML oraz przesyłają zawartość strony przez pośredni model podsumowujący, zanim model wywołujący w ogóle otrzyma dane.

Co się stało

Zgodnie z blogiem Zapier, firma zbudowała eksperymentalne środowisko testowe o nazwie „Agent Arm Runner”, uruchamiając Claude Code w kontenerze Docker z proxy przekierowującym w celu izolowania zmian treści przy zachowaniu niezmienionych adresów URL stron. Podczas testu na stronie integracji ze Slackiem, Zapier usunął szczegóły integracji z treści HTML, spodziewając się, że agent zwróci puste wyniki. Zamiast tego agent nadal zwracał szczegółowe wyzwalacze i akcje Slacka, ponieważ WebFetch zażądał formatu text/markdown przed text/html, pobierając nieedytowaną kopię w formacie Markdown, którą serwer Zapier udostępniał automatycznie. Zapier potwierdził ten przepływ danych, wstrzykując ciąg testowy (ZPR-CANARY-7Q2K9-AGD256-MD) do pliku Markdown, który trafił bezpośrednio do podsumowania agenta.

Zapier zarejestrował również ruch z proxy, który pokazał, że podczas gdy zadanie główne działało na modelu Opus 5, WebFetch przekazywał pobraną treść strony do modelu pomocniczego claude-haiku-4-5-20251001 w celu wstępnego przetworzenia. Ten pośredni model Haiku działał według odrębnych instrukcji systemowych, w tym ścisłego limitu 125 znaków dla cytatów oraz obowiązkowych reguł parafrazowania, filtrując tekst, zanim dotarł on do głównego modelu.

Tymczasem dostawca automatyzacji dla przedsiębiorstw, UiPath, podkreślił w osobnym raporcie, że surowe parsowanie dokumentów nie jest już głównym wąskim gardłem operacyjnym. Powołując się na dane U.S. Bureau of Land Management pokazujące ponad 22 miliony akrów ziemi federalnej w dzierżawie na 91 000 odwiertów, UiPath zauważył, że zespoły ds. automatyzacji przechodzą od prostego czytania do architektur wielowarstwowych, które koordynują ekstrakcję dokumentów, wykonanie w systemach podrzędnych oraz zatwierdzenia przez ludzi — przywołując wdrożenie agentów UiPath przez Continental Resources do obsługi relacji z właścicielami i procesów związanych z tantiemami.

Dlaczego to ma znaczenie dla inżynierów automatyzacji

Dla zespołów operacyjnych i inżynierów automatyzacji budujących przepływy pracy oparte na agentach, odkrycia Zapier obalają kluczowe założenie: że przekazanie adresu URL strony internetowej lub wewnętrznej dokumentacji agentowi AI daje głównemu modelowi bezpośredni dostęp do tekstu źródłowego. W rzeczywistości nowoczesne łańcuchy narzędzi agentów wprowadzają ukryte warstwy pośrednie. Jeśli pomocniczy model podsumowujący wymusza limity znaków lub parafrazowanie, krytyczne parametry — takie jak endpointy API, reguły zgodności czy precyzyjne instrukcje przepływu pracy — mogą zostać zmodyfikowane lub pominięte, zanim główny agent podejmie decyzję operacyjną.

O odzwierciedla szersze zmiany w automatyzacji operacyjnej. Jak zauważył UiPath, wyodrębnianie tekstu z dokumentów lub stron internetowych to dopiero pierwszy krok; połączenie wyodrębnionych danych z wykonalnymi krokami systemowymi przy jednoczesnym przestrzeganiu standardów nadzoru, takich jak NIST AI Risk Management Framework, decyduje o niezawodności w świecie rzeczywistym. Zespoły ds. automatyzacji nie mogą traktować pozyskiwania danych przez agentów jak czarnej skrzynki. Jeśli Twoje przepływy pracy opierają się na agentach konsumujących wewnętrzną dokumentację, portale dostawców lub kopie stron, musisz zoptymalizować je pod kątem reprezentacji Markdown i wziąć pod uwagę filtrowanie przez modele pośrednie.

Co zrobić w tym tygodniu

1. Przeprowadź audyt swoich serwerów webowych i narzędzi do wewnętrznej dokumentacji, aby sprawdzić, czy odpowiadają na nagłówki accept: text/markdown, upewniając się, że aktualizacje treści dotyczą zarówno endpointów Markdown, jak i HTML.

1. Umieść unikalne ciągi testowe w kluczowych wewnętrznych stronach internetowych, aby śledzić, które reprezentacje treści Twoi agenci AI faktycznie pobierają podczas zadań przeglądania.

1. Przejrzyj konfiguracje łańcucha narzędzi agenta, aby zidentyfikować, czy pośrednie narzędzia pobierające stosują obcinanie cytatów lub reguły parafrazowania, które mogłyby zmienić krytyczne dane operacyjne.

Źródła

• What we learned by watching Claude read Zapier.com — Zapier Blog
• AI can read the deed. What happens next? — UiPath Blog