给智能体接联网检索：成品答案、原始结果与自建抓取怎么选

本周三家官方把「联网」推成了三种形态。选型先定三件事：结果给谁看、综合放在哪、边界由谁划。按交付物把六款站内工具分成原料组与成品组，附一条可照走的决策路径。

先说结论

2026 年 11 月头一周，联网检索被三家官方从三个方向各推了一次：11 月 4 日 MCP 官方参考服务器发布 v2.3.0，给 fetch 服务器加了主机白名单与可配超时；11 月 5 日 AWS 宣布 Web Answer on Amazon Bedrock AgentCore 正式可用，一次工具调用返回带引用的成品答案；11 月 6 日 Vercel 在 AI Gateway 上线 DeepSeek Search 与 DeepSeek Fetch，一把网关密钥即可调用，换模型不必换工具。

AWS 在同日的官方上手文章里给了一道清楚的分界线：差别不在搜得多准，而在「谁跑模型」。一种返回排序后的网址、标题、摘要与元数据，模型与综合过程留在你自己手里；另一种由服务端把检索、综合、归因跑完，交给你一段带引用的成品答案。官方明说这不是新旧替代，很多客户会两者都用。

所以选型先定三件事，再谈工具：

• 结果给谁看。给模型看、后面还要接自己的综合与引用逻辑，选返回原始结果的检索 API；只是大任务里要一个能直接引用的事实，选成品答案型，省掉自建检索—清洗—综合—引用这四段代码。
• 综合放在哪。放服务端，工程量小，但交出了合成权与可复核粒度；放自己的模型，控制权在自己，四段代码及其失败模式也归自己。
• 边界由谁划。域名范围、超时上限、数据出不出网能不能自己锁，往往比检索质量更早决定一个方案能不能进生产验收。

下面按「交付物是原料还是成品」把站内已核实的六款工具分成两组逐个看，最后给一条可照走的决策路径。价格与额度一律以官网为准，本文不转述具体金额。

入选标准

三条：一是交付物形态明确——要么返回结构化原料供自己的模型消费，要么返回带出处的成品结论，两者混着说、说不清输出是什么的先排除；二是站内已有核实过的详情页，能点进去核对可用性与边界；三是能被清楚说出「不适用什么」，这一条比列一串优点更有用。

本周那三条官方发布只作为背景与判断依据，不作为被比较的产品：它们没有站内详情页，本文不把云服务与站内工具放进同一张表里比高低。真正要回答的问题只有一个——在你自己的项目里，联网这一步该买成品、买原料，还是把边界收回来自己做。六款工具的能力与可用性描述均取自站内已核实条目，不凭印象补写。

工具逐个看

Tavily —— 原料组，连正文一起交付

面向智能体与后端流水线的检索 API，交付物是「可以直接塞进提示词」的结构化结果：检索阶段就抽取正文段落与要点摘要，并带完整来源链接，不必自己再写一遍网页解析。可定制指定领域的检索来源，支持时间范围过滤与结果数量控制，抓取深度也能按成本与精度调，另有 REST 接口与多语言 SDK。

强项在省掉解析这一层，来源链接完整，答案便于溯源，对后端流水线接入友好。适合已经在代码里跑智能体、只想把「查一下」变成一个函数返回的团队。边界要说清：没有面向人的网页界面，以英文互联网语料为主，中文站点的解析质量不如英文来源；接口服务在境外，调用需自备国际网络，高频调用时按量计费的成本会明显上升，额度与价格以官网为准。详情见 Tavily 工具页。

Exa —— 原料组，按语义找同类内容

以语义相似度而非关键词匹配为核心的内容搜索与爬取 API，可以直接传入一个网址，让它找出「像这个页面」的同类内容；也可按时间范围与域名过滤结果，并内置网页正文抓取能力，多种检索模式可选，面向程序调用提供 REST 接口。

它回答的不是「这个关键词有哪些结果」，而是「还有哪些东西和它是一类」——做内容盘点、竞品发现、相似案例收集时，这条思路比堆关键词更直接，还能同时拿到链接与正文。代价是长尾与低频内容覆盖不一定全，相似度排序仍需人工二次判断，中文语料表现弱于英文，也没有面向普通用户的搜索界面。接口端点位于境外，需自备国际网络，按调用量计费，以官网为准。详情见 Exa 工具页。

Serper —— 原料组，只要标准结果条目

轻量的搜索 API，向开发者返回标准搜索结果条目，并附带问答框、知识图谱、相关搜索等结构化字段，可按国家与语言限定结果，响应体精简便于高并发调用，SDK 与文档覆盖主流语言，几行代码即可跑通。

它的价值在接入极简、返回字段规整方便二次加工，按次计费适合中小规模项目，适合只想拿结果条目、后面全部自己写的场景。局限也很直白：本身不含抽取与摘要等加工能力，结果依赖第三方索引的可用性，免费额度较紧张仅够调试，后台服务在境外、国内直连不稳定时调用延迟可能偏高。价格以官网为准。详情见 Serper 工具页。

Perplexity —— 成品组，结论带引用可逐条回看

带引用来源的 AI 搜索，先给结论再列依据。每条结论标注来源链接，可点回原文核对；支持追问式检索，在上一轮结果上继续提问逐步收窄；可把来源限定在学术论文、社区讨论、视频等范围内；还能上传 PDF 或指定网页围绕其内容提问，并把结果整理成可分享的简报页与搜索空间便于留档。

它在调研类任务里的核心价值是「结论带出处、能逐条回到原文」，适合文献检索、口碑调研这类必须留证据的场合。边界：官方未在中国大陆提供接入，境内直连通常打不开；免费版有每日额度限制；引用只保证出处、不保证来源本身正确；问常识与创作类问题时检索流程反而比直接对话慢。订阅以美元计价，需境外支付方式，以官网为准。详情见 Perplexity 工具页。

秘塔AI搜索 —— 成品组，中文资料与结构化输出

不夹带广告的 AI 搜索引擎，把提问整理成带出处的大纲、脑图与表格，关键信息标注来源可回溯到原始网页或文献。提供简洁、深入与研究等多档搜索强度，可在全网、学术、文库等范围之间切换，学术检索会优先返回中文文献；另有深度研究报告、专题归档与结果导出。

强项是输出自带结构，省去从零搭框架的时间，且不掺商业推广位，秘塔科技自营、大陆可直接访问、检索免登录即可用。适合中文调研起步、搭框架与做文献盘点。代价是它面向检索与整理，不擅长轻松闲聊或创意发散；结果质量依赖公开资料，冷门领域未必有足够素材；来源权威性参差，关键数据仍需回到一手材料核对。更强的深度与部分导出能力需开通权益，以官网为准。详情见 秘塔AI搜索 工具页。

天工 AI 搜索 —— 成品组，大陆直连的搜索生成一体

昆仑万维出品的 AI 搜索与智能助手，把搜索与生成放进同一个流程，支持中文问答与总结、多轮对话追问、文档与网页解析。大陆直连、中文界面，基础检索与生成免费可用，手机号或第三方账号即可注册。

它的适用面很明确：需要境内稳定打开、中文理解到位、且不想在多个工具间搬运资料的日常检索与总结。边界同样清楚：深度生成弱于专用模型，海外内容覆盖一般，生态半径有限，高级功能需会员。这条与秘塔AI搜索同属「成品 + 大陆直连」一组，差别更多在输出形态与是否要顺手做文档处理，而不是谁搜得更准。价格与额度以官网为准。详情见 天工 AI 搜索 工具页。

怎么选

按你手上这个任务走四步，每一步都能收敛掉一半选项。

第 1 步，先问联网结果给谁看。 给模型看、后面还要接自己的综合与引用逻辑，走原料组（Tavily / Exa / Serper）。给人看、或者只是大任务里要一个能直接引用的事实，走成品组（Perplexity / 秘塔AI搜索 / 天工 AI 搜索）。这一步选错，后面所有的调优都是在补一个方向性的坑。

第 2 步，在原料组里按「要不要正文」分。 要连正文一起拿、不想写解析器，选 Tavily；要按语义找「像这个页面」的同类内容、做内容盘点或竞品发现，选 Exa；只要标准结果条目并且接入越轻越好，选 Serper，但要接受它不含抽取与摘要，后面两段得自己写。三者都以英文语料为主、服务在境外，中文站点效果与网络条件是共同的门槛，不是某一款的缺陷。

第 3 步，在成品组里按网络与语言分。 中文资料为主、要求大陆直连，从秘塔AI搜索或天工 AI 搜索起步：前者给你大纲、脑图与表格，适合要搭框架的调研；后者把搜索与生成、文档解析收在一个流程里，适合顺手处理材料。需要限定在学术论文或社区讨论等来源范围内做调研、且网络条件具备，看 Perplexity。这里有个容易漏掉的点：以上三款的引用都是给人点回原文用的；若要写进程序做审计，得先确认返回里有没有结构化的引用列表，不能只认渲染出来的角标。

第 4 步，再决定要不要把边界收回自己手里。 涉及内网资料、必须锁域名、或者数据不能出网时，托管成品答案与境外 API 都未必能进验收项。此时更稳的是自建抓取，把允许访问的主机、超时上限与只读范围写在自己的配置里：MCP 参考服务器 v2.3.0 给 fetch 服务器新增的主机白名单与三层超时、给 filesystem 服务器新增的只读模式，就是现成的两层边界。Vercel AI Gateway 那种「一把密钥、模型可换」的形态解决的是另一个问题——降低对单一模型供应商的耦合，别和边界控制混为一谈。

最后算代价，别只算能力。 成品答案省工程量，代价是综合过程不可干预、引用粒度由对方定义；原始结果保留控制权，代价是检索质量、清洗、综合、引用抽取四段代码都要自己维护，任一环节都可能引入错误；自建抓取边界最清楚，代价是 robots 规则、超时、失败重试与索引新鲜度都归你。没有通吃的一条路：按上面四步收敛到一个主方案，再留一个备用检索源，通常比一开始就追求「全都接上」更省事。AWS 官方把两条路并用的建议写得很直白——广域研究用原始结果，具体事实问题用带引用的成品答案；把两类都挂成工具、让智能体按问题类型选，比强行二选一更接近真实用法。

常见问题

带引用的成品答案还需要人工核对吗？

需要。引用只保证「这句话有出处」，不保证来源本身正确，也不保证综合时没有偏离原意。本站的一贯口径是：关键数据与对外结论回到一手材料复核。程序化场景还要多看一层——渲染出来的角标是给人点的，结构化的引用列表才便于代码校验、写日志与挂审计记录，两者不是一回事，选型时要把「有没有结构化引用」单独列成一项去问。

检索 API 和成品答案能不能一起用？

能，官方也建议这么用：广域调研要原始结果、由自己的模型决定怎么取舍；具体事实问题要一个快速、带引用的成品答案。把两类都挂成工具，让智能体按问题类型选，比强行二选一更接近真实用法。要注意的是两条路的重试与降级策略要分别写：成品答案内部会自行规划多轮检索，它的耗时分布与单次 API 调用不是一回事，别把两边的超时设成同一个值。

境内团队接境外检索 API 要先确认什么？

先确认网络与结算条件能不能长期稳定，再谈检索质量。这类接口多部署在境外，调用需自备国际网络，按量计费且常需境外支付方式，免费额度通常只够联调。上线前把域名白名单、超时上限与失败降级写进验收项，比事后补更省事。若这两条有一条回答不了，就优先看大陆直连的成品组，或者把检索放在自建服务里。价格与额度以官网为准。

为什么不建议从零自己写搜索管线？

不建议的不是「自己写」，而是把检索、判可信度、抓取清洗、模型综合、引用抽取五段都自己扛一遍却没算维护成本。AWS 那篇上手文章把这五段各自的失败模式列得很清楚：证据不足时凭空生成、索引变动导致内容过时、论断与来源对不上。若这五段不是你的业务差异点，用现成工具更划算；若是，那就只自建其中最关键的一两段，其余交给工具。判断标准不是「能不能写」，是「写完之后谁负责长期盯」。

这些工具的费用怎么比？

不比具体金额。计费形态差别很大：有的按调用次数，有的按订阅档，有的提供有限免费额度仅够联调，且各家常调整。本文只写「以官网为准」——转述的数字会过期，过期的数字比没有数字更容易误导。真要做预算，按你自己的日调用量去官网当期页面算，并把「高频调用下按量计费的成本上升」单独列一项，这一项在联调阶段往往看不出来。

相关分类与内容

按类目浏览可以看 AI搜索工具 与 AI智能体；要给编码侧的智能体配工具，AI编程工具 分类页里也有可对照的条目。想横向比工具本身，Tavily、Exa、Perplexity 三个详情页分别代表了原料组与成品组的典型形态。

延伸阅读：「怎么把实时联网真正接成一个可用工具」在 给智能体接上实时联网搜索，讲的是接线与调用；本文讲的是接之前该选哪种交付物，两篇分工不同。模型接入渠道怎么选 处理供给侧（模型从哪来），与本文的检索侧可对照读；知识工作者侧的入口分流在 知识工作者怎么挑资料入口；编排层的判断在 智能体编排怎么选。边界怎么落到配置上另有专文，与本文第 4 步呼应。

一手来源（官方页面，仅作溯源）：AWS 公告 https://aws.amazon.com/about-aws/whats-new/2026/11/web-answer-amazon-bedrock/ ；AWS 上手文章 https://aws.amazon.com/blogs/machine-learning/getting-started-with-web-answer-on-amazon-bedrock-agentcore/ ；Vercel 变更日志 https://vercel.com/changelog/ai-gateway-adds-deepseek-search-and-fetch-tools ；MCP 参考服务器发布说明 https://github.com/modelcontextprotocol/servers/releases/tag/v2.3.0 。