上周帮朋友看一个客服机器人,用户问"X 型号支持 5G 吗",它答"支持",而这条产品线今年已经改过两版。模型的知识停在训练截止那天,prompt 里写多少遍"不确定就说不知道"都没用,缺的是一个"先查一下"的动作。

把 Google 搜索接进 Agent,工程上有两条路。检索前置:先拿用户问题搜一次,把结果拼进上下文再回答。检索后置:把搜索封装成 tool,模型自己决定调不调、调几次。两条我都写过,下面把代码和取舍一起摊开。

一、约定:一次搜索 = 一次 POST

先写个薄封装,两个架构共用。


import os

import json

import requests



ENDPOINT = "https://api.serpbase.dev/google/search"





def google_search(q: str, gl: str = "us", hl: str = "en") -> dict:

    resp = requests.post(

        ENDPOINT,

        headers={"X-API-Key": os.environ["SERPBASE_KEY"]},

        json={"device": "mobile", "gl": gl, "hl": hl, "q": q},

        timeout=60,

    )

    resp.raise_for_status()

    data = resp.json()

    if data.get("status") != 0:

        raise RuntimeError(f"SERP status={data.get('status')}")

    return data

gl 和 hl 一起改。只改语言会拿到"中文站点的英文结果"这种混合体,看着能用,实际跑偏。密钥走 header,别拼进 URL,网关日志和 Referer 都会把它带出去。

二、架构 A:检索前置注入(pre-retrieval)

流程很短:搜 → 压缩 → 拼进 system message → 一次生成。


def build_context(data: dict, top_n: int = 8) -> str:

    blocks = []

    for item in data.get("organic", [])[:top_n]:

        blocks.append(

            f"[{item.get('position')}] {item.get('title')}\n"

            f"{item.get('link')}\n{item.get('snippet') or ''}"

        )

    overview = (data.get("ai_overview") or {}).get("text")

    if overview:

        blocks.append(f"[AI overview] {overview}")

    return "\n\n".join(blocks)





SYSTEM = (

    "You answer strictly from the numbered sources below. "

    "Cite the number in square brackets after each claim. "

    "If the sources do not cover the question, say so in one sentence."

)





def answer(question: str) -> str:

    ctx = build_context(google_search(question))

    messages = [

        {"role": "system", "content": SYSTEM + "\n\n---\n" + ctx},

        {"role": "user", "content": question},

    ]

    return call_llm(messages)["choices"][0]["message"]["content"]

call_llm 就是普通的 chat completion 调用,各家 SDK 写法类似,这里不展开。

这套写法的好处是上下文完全在你手里。模型看到的每一段来源你都见过,答案跑偏时能一眼定位是"搜错了词"还是"读错了段"。做 SEO 报告、竞品周报这种一次问一次答的场景够用,费用也是可算的:一次回答固定 1 次搜索。

卡点多轮。用户第二句追问"那 X 型号呢",你手里还是第一轮结果,要么重搜一遍(浪费),要么让模型硬答(又开始编)。

三、架构 B:工具调用(tool calling)

把搜索注册成函数,让模型自己决定调用时机。


TOOLS = [{

    "type": "function",

    "function": {

        "name": "google_search",

        "description": (

            "Search Google for live web results. Call this when the answer depends on "

            "facts after your training cutoff, current prices, version numbers, "

            "or anything that changes weekly."

        ),

        "parameters": {

            "type": "object",

            "properties": {

                "q": {"type": "string", "description": "search query, 2-8 words"},

                "gl": {"type": "string", "description": "country code, e.g. us, cn, de"},

                "hl": {"type": "string", "description": "language code, e.g. en, zh-cn"},

            },

            "required": ["q"],

        },

    },

}]





def run_agent(question: str, max_hops: int = 4) -> str:

    messages = [

        {"role": "system", "content": "You are a research assistant. Search before guessing."},

        {"role": "user", "content": question},

    ]

    for _ in range(max_hops):

        msg = call_llm(messages, tools=TOOLS)["choices"][0]["message"]

        messages.append(msg)

        if not msg.get("tool_calls"):

            return msg.get("content") or ""

        for call in msg["tool_calls"]:

            args = json.loads(call["function"]["arguments"])

            data = google_search(**args)

            messages.append({

                "role": "tool",

                "tool_call_id": call["id"],

                "content": build_context(data, top_n=6),

            })

    return "(达到搜索轮次上限)\n" + (messages[-1].get("content") or "")

关键在 max_hops。不设轮次上限的 Agent 会陷入"再搜一次确认下"的循环,一次对话烧掉十几次搜索是常事。

这套写法擅长多步任务:先查"这个品类的头部玩家是谁",再针对每个名字查"定价页"。模型自己拆步骤,写死的预检索做不到。

代价是不确定性。同一句问题,模型今天搜一次,明天搜三次;它可能把 gl 填成 us 去查中文产品。上线前把工具返回的 request_id 和实际 query 一起写日志,出问题能复盘。

四、两种架构的取舍

| 维度 | 检索前置 | 工具调用 |

|---|---|---|

| 请求数 | 固定 1 次/问 | 1-4 次,跟模型行为有关 |

| 延迟 | 一次搜索 + 一次生成 | 每多一轮多一次往返 |

| 可控性 | 高,上下文可见 | 中,靠日志还原 |

| 多轮追问 | 需要重搜 | 天然支持 |

| 适合 | 单轮问答、报告、批量分析 | 助手、研究型 Agent |

我自己的经验:有明确输入输出的批处理走前置,交互式对话走工具调用。

还有个混合写法,实际项目里用得最多:开局先做一次宽泛检索兜底(防止模型压根不调工具),同时把 tool 挂上去让它按需深挖,max_hops 卡在 3。

五、成本先算清楚

Agent 比一问一答费搜索。按每次会话平均 2.5 次搜索估:日活 1,000 会话 ≈ 2,500 次/天 ≈ 7.5 万次/月。按 $50 档(12.5 万次,$0.40/千次)算,一个月三十美元上下。

这个量级下,搜索成本通常低于模型 token 成本。但如果你把 ai_overview 和 20 条自然结果全塞进上下文,token 会先顶上来。压缩 build_context 的 top_n 比换更便宜的接口更省钱,实测 8 条自然结果加一段 AI overview 覆盖了大多数事实性问题。

新账户送 500 次免费积分,够把两条链路都跑通再决定用哪个。参数错、余额不足这类失败不扣费,调试阶段不用太心疼。

六、踩过的三个坑

工具描述写得太含糊。description 里不写清什么时候该调,模型会在闲聊里也去搜一次。把触发条件写成具体场景("价格、版本号、本周新闻"),命中率明显上一个台阶。

上下文塞太满。top_n=20 看起来信息更多,实际模型会漏掉中间几条,还容易把不同来源的结论缝在一起。

没做缓存。同一批关键词跑两次,第二次本该直接命中缓存。按 (q, gl, hl) 做 5 分钟 TTL,成本能掉三成。

七、相关资源

  • 端点与字段文档:https://serpbase.dev
  • 免密钥看返回结构的 Playground:https://serpbase.dev/playground
  • 官方 MCP Server(Claude、Cursor、Codex 可直接接):https://serpbase.dev/docs/mcp-and-agents
  • 一个密钥覆盖 44 个端点(Web、Maps、News、Trends、Shopping、Scholar 等),做多源聚合时不用为每个数据源单独申请账号

两条路没有对错。先看你问的是一批问题,还是一串对话。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐