Agentic Search vs SERP 抓取：为什么 Agent 需要一种不一样的 API
二十年来，搜索 API 的意思就是「抓 Google 的结果页」。AI Agent 打破了这个假设。这里讲清楚 agentic search 到底是什么、它为何出现，以及旧的 SERP 模型什么时候仍然成立。
一句话总结
- •Agentic search 是为 AI Agent 消费而设计的网页搜索：你发一个语义目标，拿回一份简短、ranked 的干净、可引用文本段落列表，按上下文窗口尺寸裁好。
- •SERP 抓取返回搜索引擎结果页的原始 HTML/JSON —— 为人类和仪表盘而造，不是为语言模型。
- •这一转变之所以发生，是因为 LLM 在简短的 ranked 文本上推理、而非在 SERP blob 上推理，也因为微软在 2025 年 8 月下线了 Bing Search API，逼着整个市场重新选型。
- •Agentic search 加了三样 SERP API 没有的东西：预先清洗的 snippet、可选的 grounded 答案，以及对 Agent 友好的计费（按调用，通常只对成功扣费）。
- •当你确实需要 Google 完整的结果页 —— 排名、knowledge panel、local pack —— 并且自己跑清洗管线时，SERP 抓取仍然胜出。
先把定义摆在前面
Agentic search 是为 AI Agent 消费、而非展示给人看而设计的网页搜索。你发一个查询 —— 或一个更高层的语义目标 —— 拿回一份简短、ranked 的标题、URL 和预先清洗的文本段落列表，有时还有一个成品的带引用答案，已经 shaping 好，可以直接塞进语言模型的上下文窗口。
这和过去二十年里「搜索 API」的含义是不同的产品。二十年来，搜索 API 的意思是：把人类用户会看到的结果页给我。而这个假设，正是 AI Agent 打破的东西。
旧模型：SERP 抓取
一个 SERP（搜索引擎结果页）API 返回 Google 或 Bing 结果页的结构化 JSON —— organic 链接、knowledge panel、「people also ask」、local pack、广告、shopping 轮播。Serper 和 SerpApi 这类工具把这件事做得又好又便宜。输出忠实于一个人在浏览器里看到的样子：
{
"organic": [
{ "position": 1, "title": "…", "link": "https://…", "snippet": "…" },
{ "position": 2, "title": "…", "link": "https://…", "snippet": "…" }
],
"knowledgeGraph": { "title": "…", "type": "…", "description": "…" },
"peopleAlsoAsk": [ /* … */ ],
"relatedSearches": [ /* … */ ]
}这对 SEO 仪表盘、排名跟踪器或人在环里的研究工具堪称完美。但对语言模型来说是错的形状，原因很直白：模型没法在一个 SERP blob 上有效推理。它在简短、命名清晰、ranked 的文本上推理。把一整个 SERP 丢给模型，你就是在把上下文 token 花在版面元数据、广告和「related searches」上 —— 这些和答案毫不相干。
新模型：agentic search
Agentic search 扔掉 SERP，只返回 Agent 用得上的东西。同一个查询回来的是一份紧凑、ranked 的干净段落列表：
{
"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
}这个形状编码了三个 SERP API 留给你自己做的刻意决定：
- 预先清洗的 snippet。 样板内容 —— 导航、cookie 横幅、广告 —— 被剥掉了，所以模型把上下文花在信号上。
- 为相关性而非为广告排序。 结果按对查询的有用程度排序，而不是按一个让顶部位置变现的结果页版面。
- 一个尺寸预算。 是一小把结果，不是一百个，因为上下文窗口和 token 预算都是有限的。
为什么这个转变现在才发生
两股力量在 2025–2026 年汇合。
1. LLM 让 SERP 格式成了负担
Agent 一开始把搜索当工具来调用，这个错配就显而易见了。每一个花在 SERP 脚手架上的 token，都是没花在真正来源上的 token；每一个未清洗的页面，都是模型走神或引用一句 cookie 横幅的地方。各团队发现自己在每个 SERP API 之上都要写一层清洗和排序 —— 而这正是 agentic search 内建的那一层。
2. Bing 退役逼出一次重新选型
在 2025 年 8 月 11 日，微软下线了 Bing Search API，停掉了曾默默为大量 LLM 管线做 grounding 的端点。替代品 —— Grounding with Bing Search（在 Azure AI Foundry 内）—— 并不是即插即用的 API，且按约每 1,000 次事务 $35 计费。成千上万个团队不得不在某个时刻选一个新供应商 —— 而正是这一刻，一波面向 Agent 的初创公司密集出货：Exa 完成 $85M B 轮，Parallel 募得 $100M，Tavily 被 Nebius 以 $275M 收购，Linkup 拿了种子轮。这个品类不是凭空冒出来的 —— 它被资本推上、被逼到了台前。
SERP 抓取 vs agentic search：诚实的一张表
| SERP 抓取 | Agentic search | |
|---|---|---|
| 返回 | 原始结果页 JSON | ranked、干净、LLM 友好的 snippet |
| 为谁而造 | 人类、仪表盘、排名跟踪 | AI Agent、RAG、工具调用 |
| 清洗步骤 | 你自己搭 | 已内含 |
| Token 效率 | 低（载荷里有版面 + 广告） | 高（只有信号） |
| 答案模式 | 无 | 常有（捆绑或单独 /answer） |
| 原始价 / 1k | 约 $0.30–$1 | 约 $5–$16 |
| 整条管线价 | + 你的抽取器 + 工程时间 | 比看起来更接近 |
| 最佳场景 | SEO、SERP 特性、自定义管线 | 在 Agent 里给 LLM 答案做 grounding |
没人写在定价页上的经济账
那种「agentic search 是 Serper 价格的 10 倍」的标价冲击，在你给整条管线算账时就消失了。SERP API 给你一个结果页；为了喂模型，你接着要在选中的链接上跑一个内容抽取器，外加构建和维护清洗与排序逻辑的工程。Agentic search 把这些折进了那一次调用。你不是为同一件事付了 10 倍；你是为两个步骤付一次，而不是为两个步骤付两次。
还有第二个更隐蔽的成本：重试。Agent 会扇出、会在偶发失败时重试。在按查询计费的 SERP 供应商那里，每次重试都计费。最干净的防御是 只对成功扣费 —— 你为那个 HTTP 200 付费，而不是它之前的三次超时。对突发型 Agent 流量来说，这一条计费规则省下的，往往比供应商之间每次调用的价差还多。
基于 agentic search 来搭：最小循环
因为输出已经为模型 shaping 好，集成很短。拉一个 tool schema，把它交给模型，让模型把搜索当工具来调：
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.这就是这个品类的全部要点：搜索 API 在 Agent 已经所在的地方与它相遇，于是过去住在你代码库里的胶水代码，挪到了端点背后。
那么你该用哪个？
常见问题
什么是 agentic search？
Agentic search 是为 AI Agent 消费、而非展示给人看而造的网页搜索。你发一个查询或语义目标，API 返回一份简短、ranked 的标题、URL 和预先清洗的文本 snippet 列表 —— 有时还有一个成品的带引用答案 —— 已经 shaping 好，可以直接塞进语言模型的上下文窗口。它和 SERP 抓取相对：后者返回人类用户会看到的原始结果页。
Agentic search 和 SERP API 有什么不同？
SERP API（如 Serper 或 SerpApi）返回搜索引擎结果页的完整 JSON：organic 链接、广告、knowledge panel、local pack —— 那个面向人类的版面 —— 清洗、排序和 snippet 抽取由你自己做。Agentic search API（如 Exa、Tavily、Linkup 或 API Pick）完全跳过 SERP，直接返回干净、ranked、LLM 友好的文本。SERP API 为忠实还原 Google 而优化；agentic search 为模型直接使用而优化。
Agentic search 为什么在 2025–2026 年出现？
两股力量。第一，LLM 在原始 SERP blob 上推理很差，在简短、命名清晰、ranked 的段落上推理很好 —— 所以一个为人类而造的格式成了 Agent 的负担。第二，微软于 2025 年 8 月 11 日下线了 Bing Search API，而它曾默默为大量 LLM grounding 生态供能，逼着成千上万个团队重新选型 —— 恰逢面向 Agent 的初创公司（Exa、Tavily、Linkup、Parallel）推出了为新用例设计的 API。
Agentic search 就是 RAG 吗？
不完全是。RAG（检索增强生成）是把 LLM 答案 grounding 在检索到的文档上的整体范式。Agentic search 是做检索那一半的一种方式 —— 具体说，是为 Agent shaping 好的实时网页检索。你完全可以在私有向量数据库上做 RAG 而不用任何网页搜索，也可以用 agentic search 而不用经典 RAG。它们组合得很好，但属于不同层。
我什么时候还该用 SERP 抓取型 API？
当你的管线确实需要 Google 结果页的结构时 —— SEO 监测要的精确 organic 排名、knowledge-graph 面板、local/maps pack、shopping 结果 —— 或者你已经在运营一个内容抽取器、只想要最便宜的原始查询时，用 SERP API。要给 LLM 答案做 grounding，返回干净文本的 agentic search API 能省掉一整个清洗步骤。
Agentic search 比 SERP 抓取更贵吗？
就原始查询而言，SERP 抓取通常更便宜（Serper 约每 1,000 次 $0.30–$1）。Agentic search API 每次调用收费更高（约每 1,000 次 $5–$16），因为它还做了清洗、排序和文本 shaping —— 这些工作你本来要在自己的抽取步骤和工程时间里付出。一旦把整条管线算进去，差距就缩小了；而只对成功扣费的计费（如 API Pick 每个 HTTP 200 收 15 credits）则完全消除了 Agent 重试的成本。
本文涉及的 API
Sarah Choy 是 API Pick 的 CEO，专注于为 AI Agent 与 LLM 工作流构建可用于生产的 API。