[ blog · deep-dive ]10 min read

Ricerca agentica vs SERP scraping: perché gli agenti hanno bisogno di un'API diversa

Sarah Choy·Pubblicato il 29 maggio 2026·10 min di lettura

Per vent'anni, un'API di ricerca ha significato 'fai scraping della pagina dei risultati di Google'. Gli agenti IA hanno rotto questa premessa. Ecco cosa è davvero la ricerca agentica, perché è nata e quando il vecchio modello SERP ha ancora senso.

In breve

• •La ricerca agentica è ricerca web progettata per essere consumata da un agente IA: invii un obiettivo semantico e ricevi una lista breve e ordinata di passaggi di testo puliti e citabili, dimensionati per una finestra di contesto.
• •Lo SERP scraping restituisce l'HTML/JSON grezzo di una pagina dei risultati di un motore di ricerca — costruito per gli esseri umani e le dashboard, non per i modelli linguistici.
• •Il cambiamento è avvenuto perché gli LLM ragionano su testo breve e ordinato, non su un blob di SERP, e perché Microsoft ha dismesso la Bing Search API ad agosto 2025, costringendo a una riscelta in tutto il mercato.
• •La ricerca agentica aggiunge tre cose che le API di SERP non hanno: snippet già puliti, risposte fondate opzionali e una fatturazione amica degli agenti (a chiamata, spesso solo in caso di successo).
• •Lo SERP scraping vince ancora quando hai davvero bisogno della pagina completa dei risultati di Google — ranking, knowledge panel, local pack — e gestisci la tua pipeline di pulizia.

Una definizione, in apertura

La ricerca agentica è ricerca web progettata per essere consumata da un agente IA invece che mostrata a un essere umano. Invii una query — o un obiettivo semantico di più alto livello — e ricevi una lista breve e ordinata di titoli, URL e passaggi di testo già puliti, a volte una risposta citata già pronta, già formattata per entrare nella finestra di contesto di un modello linguistico.

È un prodotto diverso da ciò che "un'API di ricerca" ha significato nei vent'anni precedenti. Per due decenni, un'API di ricerca ha significato: dammi la pagina dei risultati che vedrebbe un essere umano. Quella premessa è esattamente ciò che gli agenti IA hanno rotto.

Il vecchio modello: SERP scraping

Un'API di SERP (search engine results page) restituisce il JSON strutturato di una pagina dei risultati di Google o Bing — link organici, il knowledge panel, "people also ask", local pack, annunci, caroselli di shopping. Strumenti come Serper e SerpApi lo fanno estremamente bene e a basso costo. L'output è fedele a ciò che una persona vede in un browser:

{
  "organic": [
    { "position": 1, "title": "…", "link": "https://…", "snippet": "…" },
    { "position": 2, "title": "…", "link": "https://…", "snippet": "…" }
  ],
  "knowledgeGraph": { "title": "…", "type": "…", "description": "…" },
  "peopleAlsoAsk": [ /* … */ ],
  "relatedSearches": [ /* … */ ]
}

Questo è perfetto per una dashboard SEO, un rank tracker o uno strumento di research con l'umano nel loop. È la forma sbagliata per un modello linguistico, per un motivo netto: un modello non può ragionare efficacemente su un blob di SERP. Ragiona su testo breve, nominato e ordinato. Consegna a un modello una SERP completa e stai spendendo token di contesto su metadati di layout, annunci e "related searches" che non hanno nulla a che fare con la risposta.

Il nuovo modello: ricerca agentica

La ricerca agentica butta via la SERP e restituisce solo ciò che un agente può usare. La stessa query torna come una lista compatta e ordinata di passaggi puliti:

{
  "results": [
    {
      "title": "Retrieval-augmented generation - Wikipedia",
      "url": "https://en.wikipedia.org/wiki/Retrieval-augmented_generation",
      "snippet": "Retrieval-augmented generation (RAG) combines search with\ntext generation, grounding LLM answers in retrieved documents."
    }
    /* …4 more, ranked */
  ],
  "result_count": 5,
  "credits_used": 15
}

Questa forma codifica tre decisioni deliberate che un'API di SERP lascia a te:

• Snippet già puliti. Il boilerplate — navigazione, banner dei cookie, annunci — viene rimosso, così il modello spende il suo contesto sul segnale.
• Ordinamento per rilevanza, non per annunci. I risultati sono ordinati per utilità rispetto alla query, non per un layout di pagina dei risultati che monetizza le posizioni in alto.
• Un budget di dimensione. Una manciata di risultati, non un centinaio, perché le finestre di contesto e i budget di token sono finiti.

Perché il cambiamento è avvenuto ora

Due forze sono convergute nel 2025–2026.

1. Gli LLM hanno reso il formato SERP una zavorra

Appena gli agenti hanno iniziato a chiamare la ricerca come strumento, il disallineamento è diventato ovvio. Ogni token speso sull'impalcatura della SERP è un token non speso sulle fonti reali, e ogni pagina non pulita è un punto in cui il modello può distrarsi o citare un banner dei cookie. I team si sono ritrovati a scrivere uno strato di pulizia e ordinamento sopra ogni API di SERP — che è precisamente lo strato che la ricerca agentica integra già.

2. La dismissione di Bing ha forzato una riscelta

L'11 agosto 2025, Microsoft ha dismesso le Bing Search API, mettendo fuori servizio gli endpoint che silenziosamente avevano fondato una grande quota di pipeline di LLM. Il sostituto — Grounding with Bing Search dentro Azure AI Foundry — non è un'API drop-in e fattura intorno ai $35 per 1.000 transazioni. Migliaia di team hanno dovuto scegliere un nuovo fornitore nel momento esatto in cui un'ondata di startup native per gli agenti lanciava: Exa ha raccolto una Serie B da $85M, Parallel ha raccolto $100M, Tavily è stata acquisita da Nebius per $275M, Linkup ha raccolto un seed. La categoria non è solo apparsa — è stata finanziata e spinta alla luce.

SERP scraping vs ricerca agentica: la tabella onesta

L'economia che nessuno mette nella pagina dei prezzi

Lo shock da prezzo — "la ricerca agentica costa 10x il prezzo di Serper" — sparisce quando metti a budget il prezzo dell' intera pipeline. Un'API di SERP ti dà una pagina dei risultati; per alimentare un modello poi fai girare un estrattore di contenuti sui link scelti, più l'ingegneria per costruire e mantenere la logica di pulizia e ordinamento. La ricerca agentica ripiega tutto questo dentro la chiamata. Non stai pagando 10x per la stessa cosa; stai pagando una volta per due passaggi invece di due volte per due passaggi.

C'è un secondo costo, più subdolo: i retry. Gli agenti si diramano e ritentano in caso di guasti transitori. Su un fatturatore di SERP a query, ogni retry è fatturabile. La difesa più pulita è la fatturazione solo in caso di successo — paghi per l'HTTP 200, non per i tre timeout prima di esso. Per il traffico a raffica degli agenti, quella singola regola di fatturazione spesso fa risparmiare più della differenza di prezzo a chiamata tra fornitori.

Costruire sulla ricerca agentica: il loop minimo

Poiché l'output è già formattato per il modello, l'integrazione è breve. Recupera un tool schema, consegnalo al tuo modello e lascialo chiamare la ricerca come strumento:

import anthropic, requests

# Agentic search ships a ready-made tool definition — no hand-written JSON
schema = requests.get("https://www.apipick.com/api/search/web/tool-schema").json()
client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    tools=[schema["claude"]],
    messages=[{"role": "user", "content": "What is agentic search, with sources?"}],
)
# The model calls /api/search/web, gets clean ranked snippets back,
# and answers with citations — no SERP parser anywhere in the loop.

È tutto il senso della categoria: l'API di ricerca incontra l'agente dove già si trova, così il codice di collante che viveva nella tua codebase si sposta dietro l'endpoint.

Quindi, quale dovresti usare?

Scritto da

Sarah Choy

CEO, API Pick

Sarah Choy è la CEO di API Pick. Scrive sulla creazione di API pronte per la produzione per agenti IA e flussi di lavoro con LLM.