[ blog · deep-dive ]10 min read

Agentic search กับ SERP scraping: ทำไม agent จึงต้องการ API ที่ต่างออกไป

Sarah Choyเผยแพร่ 29 พฤษภาคม 2569อ่าน 10 นาที

ตลอดยี่สิบปี API ค้นหาหมายถึง 'ขูดหน้าผลลัพธ์ของ Google' AI agent ได้ทลายสมมติฐานนั้นลง นี่คือสิ่งที่ agentic search เป็นจริง ๆ ทำไมมันจึงเกิดขึ้น และเมื่อไรที่โมเดล SERP แบบเดิมยังคงสมเหตุสมผล

สรุปสั้น

•Agentic search คือการค้นหาเว็บที่ออกแบบมาให้ AI agent นำไปใช้: คุณส่งเป้าหมายเชิงความหมายเข้าไปและได้รับรายการสั้น ๆ ที่จัดอันดับแล้วของ passage ข้อความที่สะอาดและอ้างอิงได้ ปรับขนาดให้พอดีกับ context window
•SERP scraping คืนค่า HTML/JSON ดิบของหน้าผลลัพธ์เครื่องมือค้นหา — สร้างมาเพื่อมนุษย์และ dashboard ไม่ใช่เพื่อ LLM
•การเปลี่ยนแปลงนี้เกิดขึ้นเพราะ LLM ให้เหตุผลได้ดีกับข้อความสั้นที่จัดอันดับแล้ว ไม่ใช่กับก้อน SERP และเพราะ Microsoft ยกเลิก Bing Search API ในเดือนสิงหาคม 2025 ซึ่งบังคับให้ทั้งตลาดต้องเลือกผู้ให้บริการใหม่
•Agentic search เพิ่มสามสิ่งที่ API แบบ SERP ขาดไป: snippet ที่ทำความสะอาดมาแล้ว คำตอบที่มีหลักฐานอ้างอิงแบบเลือกได้ และการคิดเงินที่เป็นมิตรกับ agent (ต่อการเรียก มักคิดเฉพาะเมื่อสำเร็จ)
•SERP scraping ยังคงชนะเมื่อคุณต้องการหน้าผลลัพธ์เต็ม ๆ ของ Google จริง ๆ — อันดับ knowledge panel local pack — และคุณรัน pipeline ทำความสะอาดของตัวเอง

นิยามก่อนเป็นอย่างแรก

Agentic search คือการค้นหาเว็บที่ออกแบบมาให้ AI agent นำไปใช้แทนที่จะแสดงต่อมนุษย์ คุณส่ง query — หรือเป้าหมายเชิงความหมายในระดับที่สูงขึ้น — เข้าไป และได้รับกลับมาเป็นรายการสั้น ๆ ที่จัดอันดับแล้วของหัวเรื่อง URL และ passage ข้อความที่ทำความสะอาดมาแล้ว บางครั้งเป็นคำตอบสำเร็จรูปพร้อมการอ้างอิง ซึ่งจัดรูปแบบมาให้หย่อนลงใน context window ของ LLM ได้ทันที

นั่นเป็นผลิตภัณฑ์คนละอย่างกับสิ่งที่ "API ค้นหา" เคยหมายถึงตลอดยี่สิบปีก่อนหน้า ตลอดสอง ทศวรรษ API ค้นหาหมายถึง: ขอหน้าผลลัพธ์แบบที่มนุษย์จะเห็นมาให้หน่อย สมมติฐานนั้นเองคือสิ่งที่ AI agent ได้ทลายลง

โมเดลแบบเดิม: SERP scraping

API แบบ SERP (search engine results page) คืน JSON ที่มีโครงสร้างของหน้าผลลัพธ์ Google หรือ Bing — ลิงก์ organic knowledge panel "people also ask" local pack โฆษณา carousel ของ shopping เครื่องมืออย่าง Serper และ SerpApi ทำสิ่งนี้ได้ดีและถูกอย่างยิ่ง เอาต์พุตซื่อตรงต่อสิ่งที่ คนคนหนึ่งเห็นในเบราว์เซอร์:

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

สิ่งนี้สมบูรณ์แบบสำหรับ dashboard SEO ตัวติดตามอันดับ หรือเครื่องมือวิจัยที่มีมนุษย์อยู่ในวง แต่มันเป็น รูปทรงที่ผิดสำหรับ LLM ด้วยเหตุผลตรง ๆ ข้อเดียว: โมเดลไม่สามารถให้เหตุผลอย่างมีประสิทธิภาพกับ ก้อน SERP ได้ มันให้เหตุผลกับข้อความสั้น ที่มีชื่อ และจัดอันดับแล้ว ยื่น SERP เต็ม ๆ ให้โมเดล แล้วคุณก็กำลังใช้ token ของ context ไปกับ metadata ของเลย์เอาต์ โฆษณา และ "related searches" ที่ไม่เกี่ยวอะไรกับ คำตอบเลย

โมเดลแบบใหม่: agentic search

Agentic search โยน SERP ทิ้งไปและคืนเฉพาะสิ่งที่ agent ใช้ได้ query เดียวกันกลับมา เป็นรายการที่กระชับ จัดอันดับแล้ว ของ passage ที่สะอาด:

{
  "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
}

รูปทรงนี้เข้ารหัสการตัดสินใจโดยเจตนาสามข้อที่ API แบบ SERP ปล่อยให้เป็นภาระของคุณ:

Snippet ที่ทำความสะอาดมาแล้ว ส่วนที่เป็นเปลือก — เมนูนำทาง แบนเนอร์คุกกี้ โฆษณา — ถูกตัดออก เพื่อให้โมเดลใช้ context ไปกับสัญญาณ
จัดอันดับตามความเกี่ยวข้อง ไม่ใช่ตามโฆษณา ผลลัพธ์ถูกเรียงตามความมีประโยชน์ต่อ query ไม่ใช่ตามเลย์เอาต์ของหน้าผลลัพธ์ที่หาเงินจากตำแหน่งบนสุด
งบประมาณด้านขนาด ผลลัพธ์เพียงหยิบมือ ไม่ใช่ร้อยรายการ เพราะ context window และ งบประมาณ token นั้นมีจำกัด

ทำไมการเปลี่ยนแปลงจึงเกิดขึ้นตอนนี้

สองแรงผลักดันมาบรรจบกันในช่วงปี 2025–2026

1. LLM ทำให้รูปแบบ SERP กลายเป็นภาระ

ทันทีที่ agent เริ่มเรียกการค้นหาเป็นเครื่องมือ ความไม่เข้ากันก็เห็นได้ชัด ทุก token ที่ใช้ไป กับโครงนั่งร้านของ SERP คือ token ที่ไม่ได้ใช้กับแหล่งข้อมูลจริง และทุกหน้าที่ไม่ได้ทำความสะอาดคือจุด ที่โมเดลจะเสียสมาธิหรือหยิบยกแบนเนอร์คุกกี้มาอ้าง ทีมงานพบว่าตัวเองกำลังเขียน ชั้นทำความสะอาดและจัดอันดับทับลงบน API แบบ SERP ทุกตัว — ซึ่งก็คือชั้นที่ agentic search อบมาให้ในตัวพอดี

2. การเลิก Bing บังคับให้ต้องเลือกใหม่

เมื่อ วันที่ 11 สิงหาคม 2025 Microsoft ได้เลิก Bing Search API โดยปลดระวาง endpoint ที่ขับเคลื่อน pipeline ของ LLM ส่วนใหญ่อย่างเงียบ ๆ ตัวแทนที่ — Grounding with Bing Search ภายใน Azure AI Foundry — ไม่ใช่ API แบบ drop-in และคิดเงินราว $35 ต่อ 1,000 ธุรกรรม ทีมงานหลายพันทีมต้องเลือกผู้ให้บริการใหม่ในจังหวะ ที่คลื่นสตาร์ทอัพสาย agent-native พากันเปิดตัว: Exa ระดมทุน Series B $85M, Parallel ระดม $100M, Tavily ถูก Nebius เข้าซื้อด้วยมูลค่า $275M, Linkup ระดมทุน seed หมวดหมู่นี้ไม่ได้ แค่โผล่ขึ้นมา — มันได้รับเงินทุนและถูกดันออกสู่ที่แจ้ง

SERP scraping กับ agentic search: ตารางที่ตรงไปตรงมา

ต่อ query นั้น SERP scraping ถูกกว่า แต่เมื่อคุณเพิ่มชั้นทำความสะอาดที่ agentic search รวมมาให้ ช่องว่างต้นทุนรวมจะแคบลง ราคาเป็นตัวเลขตามป้ายราคาปี 2026 — โปรดยืนยันบนหน้าเว็บของผู้ให้บริการแต่ละราย

	SERP scraping	Agentic search
คืนค่า	JSON ดิบของหน้าผลลัพธ์	snippet ที่จัดอันดับ สะอาด พร้อมสำหรับ LLM
สร้างมาเพื่อ	มนุษย์ dashboard การติดตามอันดับ	AI agent, RAG, tool calling
ขั้นตอนทำความสะอาด	คุณสร้างเอง	รวมมาให้แล้ว
ประสิทธิภาพของ token	ต่ำ (เลย์เอาต์ + โฆษณาใน payload)	สูง (เฉพาะสัญญาณ)
โหมดคำตอบ	ไม่มี	มักมี (รวมมาให้หรือ /answer แยก)
ราคาดิบ / 1k	~$0.30–$1	~$5–$16
ราคาของ pipeline ทั้งชุด	+ ตัวดึงข้อมูลของคุณ + เวลาวิศวกรรม	ใกล้กว่าที่เห็น
เหมาะที่สุดสำหรับ	SEO ฟีเจอร์ SERP pipeline ของตัวเอง	วางคำตอบ LLM ให้ตั้งอยู่บนหลักฐานใน agent

แง่มุมเศรษฐศาสตร์ที่ไม่มีใครใส่ไว้บนหน้าราคา

อาการช็อกกับราคา — "agentic search แพงเป็น 10 เท่าของ Serper" — จะหายไปเมื่อคุณคิดราคาของ pipeline ทั้งชุด API แบบ SERP ให้หน้าผลลัพธ์มา เพื่อป้อนโมเดล คุณต้องรัน ตัวดึงเนื้อหาบนลิงก์ที่เลือกต่อ บวกกับงานวิศวกรรมในการสร้างและดูแลตรรกะทำความสะอาดและจัดอันดับ Agentic search พับสิ่งเหล่านั้นเข้าไปในการเรียกครั้งเดียว คุณไม่ได้จ่าย 10 เท่าเพื่อของสิ่งเดียวกัน คุณกำลัง จ่ายครั้งเดียวสำหรับสองขั้นตอน แทนที่จะจ่ายสองครั้งสำหรับสองขั้นตอน

ยังมีต้นทุนที่สอง ซึ่งแอบซ่อนกว่า: การเรียกซ้ำ agent จะกระจายตัวและเรียกซ้ำเมื่อเกิดความล้มเหลว ชั่วคราว ในระบบคิดเงิน SERP แบบต่อ query ทุกการเรียกซ้ำถูกคิดเงิน แนวป้องกันที่สะอาดที่สุดคือการคิดเงิน เฉพาะเมื่อสำเร็จ — คุณจ่ายให้ HTTP 200 ไม่ใช่ให้ timeout สามครั้งก่อน หน้านั้น สำหรับทราฟฟิกของ agent ที่พุ่งเป็นช่วง กฎการคิดเงินข้อเดียวนี้มักประหยัดได้มากกว่าส่วนต่าง ของราคาต่อการเรียกระหว่างผู้ให้บริการเสียอีก

Agentic search ไม่ใช่สิ่งเดียวกับ RAG

RAG คือรูปแบบของการวางคำตอบให้ตั้งอยู่บนเอกสารที่ดึงมา ส่วน agentic search เป็นวิธีหนึ่งในการทำ ครึ่งที่เป็นการดึงข้อมูล — การดึงข้อมูลจากเว็บแบบสด ๆ ที่ปรับรูปให้กับ agent คุณทำ RAG บน vector store ส่วนตัว โดยไม่ค้นหาเว็บก็ได้ และใช้ agentic search โดยไม่มี RAG แบบคลาสสิกก็ได้ ทั้งสองผสานกันได้ ไม่ใช่ คำที่มีความหมายเหมือนกัน

สร้างบน agentic search: ลูปที่น้อยที่สุด

เพราะเอาต์พุตถูกจัดรูปให้โมเดลอยู่แล้ว การเชื่อมต่อจึงสั้น ดึง tool schema มา ยื่นให้ โมเดลของคุณ แล้วปล่อยให้มันเรียกการค้นหาเป็นเครื่องมือ:

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.

นั่นคือแก่นทั้งหมดของหมวดหมู่นี้: API ค้นหาไปพบ agent ณ ที่ที่มันอยู่แล้ว ดังนั้น โค้ดกาวที่เคยอยู่ใน codebase ของคุณจึงย้ายไปอยู่หลัง endpoint

แล้วคุณควรใช้ตัวไหน?

ใช้ SERP scraping เมื่อ…

คุณต้องการตัวหน้าผลลัพธ์เอง — อันดับ organic ที่แม่นยำสำหรับติดตาม SEO knowledge panel local pack shopping — หรือคุณรันตัวดึงเนื้อหาอยู่แล้วและต้องการ query ดิบที่ถูกที่สุด Serper และ SerpApi สร้างมาเพื่อสิ่งนี้

ใช้ agentic search เมื่อ…

คุณกำลังวางคำตอบของ LLM ให้ตั้งอยู่บนหลักฐานภายใน agent และต้องการข้อความที่สะอาด จัดอันดับแล้ว อ้างอิงได้ โดยไม่ต้อง สร้างชั้นทำความสะอาด — และในอุดมคติคือการคิดเงินแบบ pay-as-you-go เฉพาะเมื่อสำเร็จ เพื่อให้การเรียกซ้ำฟรี นั่นคือสิ่งที่ API Pick Web Search ทำพอดี: 15 credit (~$0.015) ต่อ การเรียก มีตัวกรองประเทศและวันที่ คิดเงินเฉพาะเมื่อ HTTP 200 พร้อม tool schema ของ OpenAI/Claude ที่พร้อมวางใช้ได้เลย ลองใช้เลย →

คำถามที่พบบ่อย

Agentic search คืออะไร?

Agentic search คือการค้นหาเว็บที่สร้างมาให้ AI agent นำไปใช้แทนที่จะแสดงต่อมนุษย์ คุณส่ง query หรือเป้าหมายเชิงความหมายเข้าไป และ API จะคืนรายการสั้น ๆ ที่จัดอันดับแล้วของหัวเรื่อง URL และ snippet ข้อความที่ทำความสะอาดมาแล้ว — บางครั้งเป็นคำตอบสำเร็จรูปพร้อมการอ้างอิง — ซึ่งจัดรูปแบบมาให้หย่อนลงใน context window ของ LLM ได้ทันที มันตรงข้ามกับ SERP scraping ที่คืนหน้าผลลัพธ์ดิบแบบที่มนุษย์จะเห็น

Agentic search ต่างจาก API แบบ SERP อย่างไร?

API แบบ SERP (เช่น Serper หรือ SerpApi) คืน JSON ทั้งหมดของหน้าผลลัพธ์เครื่องมือค้นหา: ลิงก์ organic โฆษณา knowledge panel local pack — เลย์เอาต์ที่มุ่งไปที่มนุษย์ — และคุณต้องทำความสะอาด จัดอันดับ และดึง snippet เอง ส่วน API แบบ agentic search (เช่น Exa, Tavily, Linkup หรือ API Pick) ข้าม SERP ไปทั้งหมดและคืนข้อความที่สะอาด จัดอันดับแล้ว พร้อมสำหรับ LLM API แบบ SERP ปรับให้ตรงกับ Google มากที่สุด ส่วน agentic search ปรับให้โมเดลนำไปใช้ได้โดยตรง

ทำไม agentic search จึงเกิดขึ้นในช่วงปี 2025–2026?

มีสองแรงผลักดัน แรกคือ LLM ให้เหตุผลได้แย่กับก้อน SERP ดิบ แต่ทำได้ดีกับ passage สั้น ๆ ที่มีชื่อและจัดอันดับแล้ว — ดังนั้นรูปแบบที่สร้างมาเพื่อมนุษย์จึงกลายเป็นภาระของ agent สองคือ Microsoft ยกเลิก Bing Search API เมื่อวันที่ 11 สิงหาคม 2025 ซึ่งเป็นตัวขับเคลื่อนระบบนิเวศ grounding ของ LLM ส่วนใหญ่อย่างเงียบ ๆ บังคับให้ทีมงานหลายพันทีมต้องเลือกผู้ให้บริการใหม่ในจังหวะเดียวกับที่สตาร์ทอัพสาย agent-native (Exa, Tavily, Linkup, Parallel) ปล่อย API ที่ออกแบบมาเพื่อการใช้งานรูปแบบใหม่

Agentic search ก็คือ RAG ใช่ไหม?

ไม่เชิง RAG (retrieval-augmented generation) คือรูปแบบโดยรวมของการวางคำตอบของ LLM ให้ตั้งอยู่บนเอกสารที่ดึงมา ส่วน agentic search เป็นวิธีหนึ่งในการทำครึ่งที่เป็นการดึงข้อมูล — โดยเฉพาะการดึงข้อมูลจากเว็บแบบสด ๆ ที่ปรับรูปให้กับ agent คุณสามารถสร้าง RAG บนฐานข้อมูลเวกเตอร์ส่วนตัวโดยไม่ต้องค้นหาเว็บเลย และสามารถใช้ agentic search โดยไม่มี RAG แบบคลาสสิกก็ได้ ทั้งสองผสานกันได้ดี แต่เป็นคนละชั้น

เมื่อไรที่ฉันยังควรใช้ API แบบ SERP scraping?

ใช้ API แบบ SERP เมื่อ pipeline ของคุณต้องการโครงสร้างของหน้าผลลัพธ์ Google จริง ๆ — อันดับ organic ที่แม่นยำสำหรับติดตาม SEO panel ของ knowledge graph local/maps pack ผลลัพธ์ shopping — หรือเมื่อคุณรันตัวดึงเนื้อหาอยู่แล้วและต้องการ query ดิบที่ถูกที่สุด สำหรับการวางคำตอบของ LLM ให้ตั้งอยู่บนหลักฐาน API แบบ agentic search ที่คืนข้อความสะอาดจะตัดขั้นตอนทำความสะอาดออกไปทั้งขั้น

Agentic search แพงกว่า SERP scraping ไหม?

ต่อ query ดิบ SERP scraping มักถูกกว่า (Serper อยู่ที่ราว $0.30–$1 ต่อ 1,000) ส่วน API แบบ agentic search คิดเงินต่อการเรียกสูงกว่า (~$5–$16 ต่อ 1,000) เพราะมันทำความสะอาด จัดอันดับ และจัดรูปข้อความด้วย — งานที่ไม่อย่างนั้นคุณต้องจ่ายในขั้นตอนดึงข้อมูลของตัวเองและในเวลาของทีมวิศวกรรม เมื่อคุณคิดราคาของทั้ง pipeline ช่องว่างจะแคบลง และการคิดเงินเฉพาะเมื่อสำเร็จ (เช่น API Pick ที่ 15 credit ต่อ HTTP 200) จะขจัดต้นทุนของการที่ agent เรียกซ้ำออกไปทั้งหมด