什么是代理搜索？架构、工作流程和网络数据

TL;DR:

• Agentic search 是由 AI 代理控制的多步骤检索过程。 该系统规划查询、调用搜索和页面工具、评估证据，并继续进行，直到能够回答或达到限制。
• 它与语义搜索在控制流程上有所不同。 语义搜索对一个查询进行项排名；而 agentic search 可以重新制定任务、收集多个来源，并根据中间结果改变其下一步行动。
• 新鲜的网络数据属于单独的获取层。 搜索结果、渲染页面、来源和验证应通过有限制的工具返回，而不是隐藏在模型提示中。
• 生产质量依赖于预算和证据。 限制调用、时间和领域；保存源 URL 和时间戳；拒绝薄弱或冲突的证据，而不是将其掩盖。
• Scrapeless 提供网络搜索和提取工具，而不是代理的推理循环。 深度 SerpApi、通用抓取 API 和 MCP 服务器可以在代理框架周围形成实时网络数据层。

当一个问题无法通过检索一个排名列表可靠回答时，agentic search 是有用的。市场研究请求可能需要多个查询、当前页面、跨来源的比较以及记录支持每个结论的证据。

该术语有时用于任何连接到语言模型的搜索框。该定义太广泛。agentic search 系统具有控制循环：它选择一个动作，观察结果，更新状态，并决定是否再次搜索、检查页面、请求澄清或停止。

What Is Agentic Search?

Agentic search 是一种信息检索架构，其中 AI 代理计划并执行一系列搜索和源检查以满足目标。该序列是动态的。下一个查询或工具调用取决于之前步骤返回的证据。

关于大型语言模型搜索代理的研究描述了结合规划、检索、证据聚合和多轮评估的系统。基于大型语言模型的搜索代理的 ACL 调查 组织了该领域，围绕架构、优化、应用、评估和开放挑战。

决定性的属性不是模型品牌或用户界面。而是在检索中的条件控制。一个总是并行发送三个查询的固定工作流程可能是有用的，但只有当观察影响后续发生的事情时，它才变得具有代理性。

How Agentic Search Works

一个实用的 agentic search 循环有七个阶段。

1. 目标解析。 将请求转换为任务、约束、所需输出和停止条件。
2. 查询规划。 选择一个或多个查询、目标域、语言、区域和时间窗口。
3. 搜索执行。 调用返回结构化结果和源元数据的搜索工具。
4. 源获取。 根据需要使用直接HTTP、托管API或浏览器渲染来获取选定页面。
5. 证据提取。 将声明、日期、实体和支持段落拉入类型化证据记录。
6. 评估。 检查覆盖率、争议、新鲜度、权威性，以及是否有必要采取其他行动。
7. 综合或停止。 生成带来源的答案，请求输入，或因达到成本、时间或政策限制而停止。

该循环应保持明确的状态。 有用的字段包括原始目标、批准的域、查询历史、选定的 URL、被拒绝的来源、证据记录、剩余预算和未解决的问题。 没有该状态，模型可能会重复搜索或失去源声明与其自身总结之间的区别。

Traditional, Semantic, and Agentic Search Compared

搜索模型	主要输入	控制模式	典型输出	最佳适用
传统词汇搜索	关键字和过滤器	一次请求，排名检索	文档或链接	已知术语和导航任务
语义搜索	自然语言查询或嵌入	一步检索或固定重排名	相似段落或记录	在索引语料库中进行概念匹配
Agentic search	目标、约束和工具访问	条件多步骤循环	综合答案加证据	复杂、当前或探索性问题

传统搜索在用户知道实体或短语时效率高。语义搜索在措辞与索引文本不同时有帮助。Agentic search 添加了规划和工具使用，但它也增加了延迟、成本和新的失败模式。

Agentic search 不应替代确定性的查找。如果任务是“返回客户123的当前记录”，数据库查询更清晰且更容易审核。当检索路径确实不确定时，请使用 agentic 循环。

Core Components of an Agentic Search Architecture

Planner and orchestrator

规划者分解请求并提出行动方案。协调者强制执行工具模式、权限、预算和停止条件。保持这些角色的区别可以防止有说服力的模型输出在没有适当控制的情况下悄然覆盖运行时政策。

搜索工具

搜索工具应返回结构化结果：标题、规范 URL、摘要、排名、地区和检索时间。Scrapeless Deep SerpApi 可以为支持的场景提供当前的搜索引擎结果。

工具合同应公开地区和时间敏感参数。没有集合上下文的结果难以比较或复现。

Deep SerpApi 快速入门 记录了当前任务请求和响应状态的实施。

当任务从结果发现扩展到动态页面检查时，Scrapeless Scraping Browser 指南 显示了浏览器控制如何进入获取层，而不改变代理的推理政策。

页面获取工具

搜索摘要是发现数据，而不是完整证据。代理需要一种有界方式来检索所选页面。Universal Scraping API 适用于管理公共页面的获取，而 Scraping Browser 适合于需要 JavaScript 或交互的场景。

获取层应在将文档返回给代理之前验证最终 URL、内容类型、页面身份和所需标记。

工具接口

工具需要明确的名称、输入模式、输出模式和错误状态。 模型上下文协议工具规范 定义了一种标准方式，使服务器能够公开模型可以发现和调用的工具。

Scrapeless MCP 服务器指南 解释了如何向兼容客户端呈现网络搜索和提取功能。MCP 服务器是连接层；主代理仍拥有规划、权限和回答政策。

证据存储

证据记录应保留声明、来源 URL、来源类型、观察日期、收集时间和提取方法。存储足够的上下文以在不将整个不受控页面传递给每个模型调用的情况下审查声明。

评估器和保护措施

评估器检查证据是否覆盖问题，来源是否冲突，以及下一个调用是否值得其成本。保护措施强制执行允许的域、数据类别、工具权限和对敏感操作的人类批准。

工具调用还依赖于普通网络协议行为。 HTTP 语义规范 提供了获取工具应记录的方法、表示、重定向和响应元数据的基线。

参考多步骤工作流程

考虑请求比较三种软件产品的最新公共定价和核心功能。

代理首先将请求转化为一个小架构：产品、计划、价格基础、功能、来源 URL 和观察日期。它搜索官方定价页面，仅选择第一方域，并检索当前页面。如果页面是在客户端渲染的，获取路由器将使用浏览器。评估器拒绝第三方定价摘要，并标记那些条款无法与请求的基础匹配的产品。

然后，代理询问一个更狭窄的后续查询，仅针对缺失字段。当每个产品都有第一方来源或调用预算耗尽时，它停止。最终答案将验证过的值与不可用的值分开，而不是对其进行估算。

该工作流程被称为代理性，因为第二个行动依赖于第一次获取过程后发现的空缺。

代理搜索用例

当前市场研究

代理可以发现官方产品页面，检索更新，规范证据并识别变化。输出应包括观察日期，因为定价和产品细节是时间敏感的。

技术研究

系统可以搜索文档、规格和论文，然后将实施声明与主要来源进行比较。域白名单和来源类型排名可以降低低质量检索的风险。

支持和事件调查

代理可以检索当前状态页面、运行手册和批准的遥测工具。未经应用程序定义的权限和批准模型，绝不应将建议的补救措施转变为外部行动。

竞争监测

搜索代理可以监控公共博客、变更日志和产品页面，提取变更，并将源证据附加到每个警报上。计划的确定性发现作业可以处理大多数运行；代理可以保留用于模糊变更。

采购研究

代理可以收集官方特性、安全性和定价文件，然后将这些文件映射到预定义的评估矩阵。对合同和风险决策仍然需要人工审查。

代理搜索的局限性

搜索结果不是绝对真相

排名结果可能是过时的、不完整的、本地化的，或为了可见性而非准确性进行优化。系统应检索主要页面并记录观察上下文。

更多步骤会产生更多失败点

每个查询、页面获取、提取和摘要都可能引入错误。长链也会增加延迟和成本。限制操作数量，并要求每次额外搜索提供理由。

工具输出可能包含恶意指令

网页是不可靠的输入。将页面文本视为数据，而不是运行时权限。工具权限、数据隔离和明确的批准边界应在模型外执行。

综合可能掩盖分歧

代理可能从相互矛盾的来源中生成一个流畅的答案。保留每个声明的来源并展示未解决的冲突。不要将模型置信度作为证据覆盖的替代品。

治理是架构的一部分

NIST AI 风险管理框架 为AI系统提供风险管理结构。对于代理搜索，实用的控制措施包括工具白名单、数据最小化规则、审计日志、人类审批点和保留限制。

如何评估代理搜索系统

评估完整的循环，而不是仅仅评判一个打磨过的答案。

• 覆盖率： 答案是否涵盖每个所需字段？
• 源质量： 决定性声明是否得到了适当主要来源的支持？
• 时效性： 每个时间敏感声明是否包含观察上下文？
• 可追溯性： 审核员是否能将每个声明映射到源记录？
• 效率： 使用了多少次搜索、页面获取、标记和秒数？
• 克制： 当证据不足或政策阻止步骤时，代理是否停止？
• 可重复性： 相同的测试集是否产生了实质上一致的证据和结论？

创建一个真实任务的基准，预期源类型和接受条件。包括缺失源和冲突源案例；它们揭示系统是否能够自我克制。

结论：将检索置于受控工具边界之外

代理搜索是一个条件循环，计划检索、获取源、评估证据并决定下一步该做什么。其价值体现在一个查询或一个语料库的查找不足以回答的问题上。

最安全的架构将实时搜索和页面获取置于可输入、可观察的工具之后。代理可以选择行动，但预算、权限、来源和接受规则仍然是应用程序控制。

---

将实时网络数据添加到代理搜索工作流

创建一个 Scrapeless 账号，使用 Deep SerpApi 加上页面获取工具测试一个研究任务。在增加调用预算之前定义证据模式和停止条件。根据每个完成的研究任务与 Scrapeless 定价 进行审核。

---

常见问题

问：简单来说，什么是代理搜索？

代理搜索让AI代理执行多个搜索和源检查，使用每个结果决定下一步行动，直到它能给出答案或达到限制。

问：代理搜索与语义搜索有什么不同？

语义搜索根据查询的意义对内容进行排名。代理搜索控制一个多步骤过程，可能会重新制定查询、检索页面、比较证据，并有条件地停止。

问：代理搜索需要网络抓取吗？

不一定。它可以搜索内部语料库或数据库。在任务依赖于当前公共网络内容超出搜索结果元数据时，它需要一个页面获取层。

问：MCP在代理搜索中扮演什么角色？

MCP标准化了兼容客户端如何发现和调用工具。它可以暴露搜索和提取工具，而主机应用程序仍然负责规划、权限和治理。
问：代理搜索结果应包括哪些内容？

包括答案、源网址、变化事实的观察时间、未解决的冲突以及足够的来源以审查每个决定性主张。