Was liefert eine Webseite an Information statt nur an HTML? Die Context API liest bis zu zehn URLs und liefert daraus bereinigtes Markdown, relevante Textstellen, Links und Metadaten. Damit erhalten KI-Agenten nicht bloß einen Suchtreffer, sondern Material, das sie tatsächlich auswerten können.
Das klingt zunächst nach einer kleinen technischen Aufgabe. In der Praxis ist es der Unterschied zwischen einem Link und einer belastbaren Grundlage für eine Antwort. Suchergebnisse zeigen häufig nur einen Auszug. Ein direkter Abruf liefert dagegen oft eine komplette HTML-Seite voller Menüs, Cookie-Hinweisen, Werbung und unsichtbarer Bedienelemente. Für einen Menschen bleibt das handhabbar. Ein Agent muss diese Bestandteile erkennen, filtern und in ein verständliches Format überführen können.
Perplexity hat deshalb die Context API vorgestellt. Sie liest mehrere ausgewählte Webseiten parallel und stellt deren Inhalte in Formaten bereit, die sich direkt in den Kontext eines Sprachmodells einfügen lassen. Entwickler können dabei bestimmen, wie frisch die Informationen sein müssen, welche Textstellen zu einer Frage passen und ob eine Seite ausschließlich aus dem Index gelesen werden darf.
Die wichtigste Idee lässt sich als digitale Zollstelle beschreiben: Suchmaschinen liefern Paketinformationen, die Context API öffnet die Sendungen und sortiert den Inhalt. Was für die Aufgabe wichtig ist, bleibt übrig. Der Rest wird nicht zum Fließtext des Modells.
Welche Formate die Context API ausliefert
Eine Anfrage enthält eine Liste von URLs und die gewünschten Ausgabeformate. Für jede URL erhält der Aufrufer ein eigenes Ergebnis. Die Reihenfolge der Ergebnisse entspricht dabei der Reihenfolge der angegebenen Adressen, sodass ein Agent sie eindeutig zuordnen kann.
Markdown ist das zentrale Format für die direkte Verwendung im Modellkontext. Die API entfernt Navigationsleisten und andere Seitenbestandteile und übergibt den verbleibenden Inhalt als strukturierten Text. HTML ist für Anwendungen gedacht, die bereits über eigene Parser verfügen oder die Originalstruktur der Seite benötigen.
Links werden als absolute URLs ausgegeben. Duplikate werden entfernt, und die Reihenfolge entspricht ihrer Position auf der Seite. Damit kann ein Agent entscheiden, welche weitere Ressource sinnvoll erscheint, ohne die komplette Seite manuell nach navigationsfähigen Verweisen durchsuchen zu müssen.
Snippets beantworten eine konkrete Frage mit den dafür relevanten Passagen der jeweiligen Seite. Wichtig ist, dass hier keine neue Zusammenfassung oder Umschreibung entsteht. Die API wählt Textstellen aus und übergibt deren ursprüngliche Formulierung. Das reduziert die Tokenmenge, ohne dass die Aussage bereits durch einen zweiten Sprachdurchlauf verändert wurde.
Zu jedem erfolgreichen Ergebnis liefert die API außerdem Metadaten. Dazu gehören Titel, Beschreibung, Sprache, Autor und Veröffentlichungsdatum ebenso wie Open-Graph-Angaben. Diese Informationen können für Quellenangaben, Filter oder die Sortierung mehrerer Treffer verwendet werden.
Wie bereinigtes Markdown aus einer Webseite entsteht
Der Bereinigungsprozess beginnt mit einer Aufteilung der Seite in Blöcke. Ein Modell bewertet jeden Block und entscheidet, ob er zum eigentlichen Inhalt gehört oder lediglich wiederkehrende Technik wie Navigation, Cookie-Hinweise oder Werbung darstellt. Anschließend werden nur die als Hauptinhalt eingestuften Blöcke zu Markdown zusammengeführt.
Dieser Ansatz ist mehr als das bloße Entfernen einzelner HTML-Tags. Navigation besteht oft aus ähnlich aufgebauten Bereichen, die formal schwer zu erkennen sind. Die Bewertung erlaubt eine inhaltliche Einschätzung, welche Teile der Seite tatsächlich den dokumentierten Gegenstand behandeln. Das Ergebnis bleibt dabei nach Angaben von Perplexity ein Auszug der Seite, keine generierte Kurzfassung.
Für Agenten ist diese Trennung besonders hilfreich. Ein Modell kann aus bereinigtem Markdown schneller die entscheidende Passage finden. Gleichzeitig bleibt der Kontext schlanker, weil Nebelemente nicht als Tokens verarbeitet werden müssen. Die API übernimmt damit eine Aufgabe, die sonst direkt im jeweiligen Agenten abgelagert wäre.
Die Auswahl der Snippets verläuft ähnlich, richtet sich aber an der mitgelieferten Frage aus. Statt sämtliches Material gleichrangig zu übergeben, erhält das Modell nur die Passagen, die für die konkrete Aufgabe relevant erscheinen. Das ist gewissermaßen ein zweiter Filter: Zuerst wird Nebelayout entfernt, danach wird der Hauptinhalt auf den Anlass der Anfrage zurechtgeschnitten.
Warum vollständiger Seitenkontext Aufgaben zuverlässiger macht
Eine relevante Webseite zu finden, genügt für viele Aufgaben nicht. Die entscheidende Einschränkung steht oft in einem anderen Abschnitt derselben Seite. Parameter, Authentifizierungshinweise und Fehlerfälle fehlen in einem kurzen Suchauszug, obwohl genau diese Angaben für eine funktionierende Integration erforderlich sind.
Ein Coding-Agent kann deshalb mehrere Dokumentationsseiten abrufen und deren bereinigte Inhalte prüfen. Statt eine API allein aus einer Zusammenfassung zu rekonstruieren, liest er die tatsächlichen Anforderungen an der Originalquelle. Das reduziert das Risiko, dass ein plausibel aussehender, aber unvollständiger Aufruf als fertige Lösung ausgegeben wird.
Auch Preisvergleiche benötigen mehr als die sichtbare Zahl. Eine Preisangabe kann an Nutzungsgrenzen, Abrechnungsbedingungen oder Anspruchsvoraussetzungen gebunden sein. Fehlt dieser Zusammenhang, ist der Vergleich unscharf. Die Context API kann Preisseiten live abrufen und sämtliche einschlägigen Bedingungen in den Kontext aufnehmen.
Bei Richtlinienfragen entsteht ein ähnliches Problem. Eine Rückgabefrist im Suchauszug sagt wenig über Ausnahmen für bestimmte Produkte oder Regionen aus. Ein Support-Agent kann die vollständige Richtlinienseite laden und seine Antwort entsprechend einschränken. In der Forschung lässt sich dasselbe Prinzip auf mehrere Artikel und Berichte anwenden: Die Methodik, Einschränkungen und Argumentation stehen nicht zufällig im selben Ausschnitt wie die Schlussfolgerung.
Die API erweitert die Arbeit eines Agenten also von der Dokumentensuche zur Dokumentenprüfung. Das ist ein Unterschied, der sich vor allem dann zeigt, wenn Antworten nicht nur informieren, sondern eine Handlung vorbereiten oder eine Entscheidung absichern sollen.
Wie Entwickler Aktualität und Abrufverhalten steuern
Standardmäßig sucht die Context API zunächst in Perplexitys Webindex nach einer Kopie, die in den letzten zwei Tagen abgerufen wurde. Existiert keine passende Kopie, erfolgt ein Live-Abruf. Mit dem Parameter max_age_seconds lässt sich diese Grenze verändern. Der Wert 0 erzwingt einen Live-Abruf, was bei Preisen, Scores oder laufenden Nachrichten wichtig sein kann.
Für weitgehend unveränderliche Referenzdokumente kann der Wert entsprechend erhöht werden. Wer niemals einen Live-Abruf auslösen möchte, setzt cache_only auf true. Damit wird ausschließlich der Index verwendet. Diese Kontrolle ist praktisch, weil nicht jede Abfrage eine garantiert tagesaktuelle Seite benötigt.
Jedes Ergebnis dokumentiert, ob die Inhalte aus einer gespeicherten Kopie stammen oder live abgerufen wurden. Auch der Abrufzeitpunkt ist festgehalten. Ein Agent kann somit erkennen, ob eine Aussage auf einem alten Stand basiert oder ob die verlangte Aktualität tatsächlich erreicht wurde.
Die URLs werden parallel abgerufen, wobei jede Adresse über ein eigenes Zeitbudget und einen eigenen Status verfügt. Eine langsame oder defekte Seite reißt deshalb nicht die gesamte Anfrage um. Der Status zeigt an, was mit der jeweiligen URL passiert. Agenten können gezielt nur fehlgeschlagene oder zeitlich überschrittene Seiten erneut versuchen und erfolgreiche Ergebnisse weiterverwenden.
Der Entwickler prüft vor der Verarbeitung jeden Status. Das klingt selbstverständlich, ist aber entscheidend. Ein erfolgreich abgerufener, inhaltlich unbrauchbarer Wert und ein technisch fehlgeschlagener Abruf erfordern unterschiedliche anschließende Schritte. Die getrennte Statusbehandlung verhindert, dass ein Agent aus einem Teilerfolg vorschnell eine vollständige Antwort macht.
Wie gut die API Inhalte aus realen Webseiten gewinnt
Perplexity verglich die Context API auf Tausenden von URLs mit Firecrawl, Exa, Parallel, Keenable und Context.dev. Die Stichprobe umfasste 715 Websites, darunter staatliche und wissenschaftliche Quellen sowie Seiten in anderen Sprachen als Englisch. Aus echten Agenten-Abrufen stammende Adressen sollen dabei die Bandbreite der praktischen Belastung abbilden.
Ein separates Bewertungsmodell prüfte die Ausgaben, ohne den jeweiligen Anbieter zu kennen. Es bewertete drei Kriterien: die Nutzbarkeit des Ergebnisses, die Wiederauffindbarkeit wichtiger Fakten und die inhaltliche Präzision. Eine fehlgeschlagene Abfrage wurde in den letzten beiden Kategorien mit null bewertet.
Im berichteten Test lieferte die Context API für 92,3 Prozent der URLs verwertbare Inhalte. Dabei wurden 87,9 Prozent der über alle Anbieter ermittelten Schlüsselfakten wiedergefunden. Die Präzision erreichte 80,3 Prozent, bezogen auf den Anteil tatsächlicher Seiteninhalte am zurückgegebenen Text. Cookie-Hinweise, Navigation und Werbung flossen somit nicht vollständig in die Ausgabe ein.
Solche Kennzahlen sind Vergleichspunkte, keine universellen Garantien. Die Qualität hängt von Website, Inhaltsstruktur und Abrufzeitpunkt ab. Trotzdem zeigen sie, dass die Context API in der getesteten Bandbreite eine belastbare Alternative zu manuellen Extraktionslösungen bietet. Besonders relevant ist die Präzision, weil zusätzlicher Kontext nur dann nützt, wenn er nicht von irrelevanten Seitenbestandteilen verdünnt wird.
Was das API kostet und wie der Einstieg funktioniert
Die Context API kostet laut Anbieter ein US-Dollar je tausend abgerufene URLs. Berechnet wird nur jede URL, die einen erfolgreichen Status liefert. Fehlgeschlagene Abrufe werden nicht berechnet. Für einen Agenten, der eine Auswahl tatsächlich benötigter Seiten prüft, kann dieses Modell die Abrufkosten planbar machen.
Die Ergebnisse enthalten das bereinigte Markdown, die zur Frage passenden Passagen, Metadaten und den Status der einzelnen URL. Nach der Anfrage sollte jeder Eintrag auf seinen Status geprüft werden. Erst danach lässt sich entscheiden, ob eine Seite direkt verwendet, erneut abgerufen oder durch eine andere Quelle ergänzt werden muss.
Wer die API mit Bash aufruft, übergibt die URLs sowie die benötigten Formate und erhält ein Ergebnis je Adresse. Die vollständige Referenz beschreibt Parameter, Formate und Statuswerte. Für einen belastbaren Start genügt es zunächst, eine kleine Zahl ausgewählter Seiten abzurufen und die Qualität von Markdown, Snippets und Metadaten im Vergleich mit der Originalseite zu prüfen.
Die Context API löst nicht das gesamte Problem zuverlässiger Agenten. Sie löst einen konkreten Teil davon: Webinhalte in eine Form zu bringen, mit der ein Modell arbeiten kann. Die Preise bleiben aktuell, technische Anleitungen lassen sich vollständig lesen, und policybezogene Ausnahmen stehen im selben Kontext wie die allgemeine Regel. Genau diese Vollständigkeit entscheidet darüber, ob eine Agentenantwort nur plausibel klingt oder auf belegbaren Informationen beruht.
Quelle: perplexity.ai
