现代自主 AI Agent(基于 LangChain、LlamaIndex、CrewAI 或 OpenAI Swarm 等框架)必须依赖外部工具与现实世界保持实时连接。当大语言模型面对突发新闻、最新股价或竞品情报等疑问时,必须触发网页搜索工具(Web Search Tool)以检索客观事实。

使用 Serqo 作为 AI Agent 搜索工具相比传统爬虫有两大决定性优势:无需启动无头浏览器的毫秒级 JSON 响应,以及经过高度精简、严防大模型上下文溢出的结构化数据。

为什么 AI Agent 需要纯净的 SERP API

使用 Python 构建 LangChain 搜索工具

以下是可直接投入生产的 Python 代码示例,展示如何将 Serqo 封装为标准 LangChain BaseTool:

import os
import requests
from typing import Optional, Type
from langchain.tools import BaseTool
from pydantic import BaseModel, Field

class SearchInput(BaseModel):
    query: str = Field(description="需要在 Google 上检索的搜索查询词")

class SerqoSearchTool(BaseTool):
    name: str = "google_search"
    description: str = "在 Google 上搜索最新时事、技术文档与实时网络数据。"
    args_schema: Type[BaseModel] = SearchInput

    def _run(self, query: str) -> str:
        api_key = os.environ.get("SERP_API_KEY")
        if not api_key:
            return "错误: 未配置 SERP_API_KEY 环境变量。"

        try:
            res = requests.post(
                "https://api.serqo.io/v1/search",
                headers={"x-api-key": api_key, "Content-Type": "application/json"},
                json={"engine": "google", "q": query, "gl": "us", "hl": "en"},
                timeout=15
            )
            if not res.ok:
                return f"搜索请求失败,HTTP 状态码: {res.status_code}"

            data = res.json().get("data", {})
            snippets = []

            # 1. 优先提取谷歌直接答案框 (Answer Box)
            features = data.get("features", {})
            if "answerBox" in features:
                snippets.append(f"直接答案: {features['answerBox'].get('answer')}")

            # 2. 提取排名前 4 的自然搜索结果
            for item in data.get("results", [])[:4]:
                title = item.get("title", "")
                snippet = item.get("snippet", "")
                url = item.get("url", "")
                snippets.append(f"- {title}: {snippet} ({url})")

            return "\n".join(snippets) if snippets else "未找到相关搜索结果。"
        except Exception as e:
            return f"搜索异常: {str(e)}"

TypeScript 与 AI SDK Tool Calling 工具调用示例

对于使用 Vercel AI SDK 或 Node.js Agent 循环的全栈应用,可以通过 zod 将 Serqo 定义为强类型工具:

import { z } from "zod";

export const googleSearchTool = {
  description: "在 Google 上检索实时事实、最新新闻与技术资料。",
  parameters: z.object({
    query: z.string().describe("搜索关键词"),
  }),
  execute: async ({ query }: { query: string }) => {
    const res = await fetch("https://api.serqo.io/v1/search", {
      method: "POST",
      headers: {
        "x-api-key": process.env.SERP_API_KEY || "",
        "Content-Type": "application/json",
      },
      body: JSON.stringify({
        engine: "google",
        q: query,
        gl: "us",
        hl: "zh-CN",
      }),
    });
    if (!res.ok) throw new Error(`Search failed: ${res.statusText}`);
    const json = await res.json();
    return json.data?.results?.slice(0, 5).map((r: any) => ({
      title: r.title,
      url: r.url,
      snippet: r.snippet,
    }));
  },
};