Agentic Search vs SERP 抓取：為什麼 Agent 需要不一樣的 API
二十年來，搜尋 API 就等於「抓 Google 的結果頁」。AI Agent 打破了這個假設。這裡講清楚 agentic search 究竟是什麼、它為何出現，以及老的 SERP 模型何時仍然合理。
一句話總結
- •agentic search 是專為 AI Agent 消費而設計的網頁搜尋：你送出一個語意目標，拿回一份簡短、排好序、乾淨、可引用、按上下文窗大小裁切的文字段落清單。
- •SERP 抓取回傳一頁搜尋引擎結果頁的原始 HTML/JSON —— 為真人與儀表板而生，不是為語言模型。
- •這個轉變之所以發生，是因為 LLM 在簡短排序文字上推理、而不是在 SERP blob 上，也因為 Microsoft 在 2025 年 8 月讓 Bing Search API 退場，逼出一場全市場的重新選型。
- •agentic search 補上了三樣 SERP API 缺的東西：事先清洗的摘要、可選的 grounded 答案，以及 Agent 友善的計費（按次，常常只對成功扣費）。
- •當你真的需要 Google 完整的結果頁 —— 排序、知識面板、地點區塊 —— 並且跑自己的清洗管線時，SERP 抓取仍然勝出。
先把定義講清楚
agentic search 是專為被 AI Agent 消費、而非顯示給真人看而設計的網頁搜尋。 你送出一個查詢 —— 或一個更高層的語意目標 —— 拿回一份簡短、排好序的標題、URL 與事先清洗過的文字段落清單， 有時還附一個完整、附引用的答案，已整理好可直接落進語言模型的上下文窗。
這和「搜尋 API」在過去二十年的意思是不同的產品。二十年來，搜尋 API 的意思是：給我真人會看到的結果頁。 那個假設，正是 AI Agent 打破的。
舊模型：SERP 抓取
SERP（搜尋引擎結果頁）API 回傳一頁 Google 或 Bing 結果頁的結構化 JSON —— 自然連結、知識面板、「people also ask」、本地區塊、廣告、購物輪播。 Serper 與 SerpApi 這類工具把這件事做得又好又便宜。輸出忠實還原真人在瀏覽器裡看到的內容：
{
"organic": [
{ "position": 1, "title": "…", "link": "https://…", "snippet": "…" },
{ "position": 2, "title": "…", "link": "https://…", "snippet": "…" }
],
"knowledgeGraph": { "title": "…", "type": "…", "description": "…" },
"peopleAlsoAsk": [ /* … */ ],
"relatedSearches": [ /* … */ ]
}這對 SEO 儀表板、排名追蹤器或有真人介入的研究工具來說很完美。但對語言模型來說，它的形狀是錯的， 原因很直白：模型無法在 SERP blob 上有效推理。它在簡短、命名清楚、排好序的文字上推理。 把一整頁 SERP 丟給模型，你就是在版面 metadata、廣告，以及和答案毫無關係的「related searches」上花掉上下文 token。
新模型：agentic search
agentic search 丟掉 SERP，只回傳 Agent 用得上的東西。同一個查詢回來是一份精簡、排好序的乾淨段落清單：
{
"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
}這個形狀編碼了三個刻意的決定，而 SERP API 把這些留給你自己處理：
- 事先清洗的摘要。 樣板內容 —— 導覽列、cookie 橫幅、廣告 —— 都被剝掉， 讓模型把上下文花在訊號上。
- 為相關性排序，不是為廣告。 結果按對查詢的有用程度排列， 而不是按一個把頂端版位拿去變現的結果頁版面。
- 一個大小預算。 是少數幾條結果，不是一百條，因為上下文窗與 token 預算都是有限的。
為什麼這個轉變現在發生
兩股力量在 2025–2026 年匯流。
1. LLM 讓 SERP 格式成了負擔
一旦 Agent 開始把搜尋當工具呼叫，這個不匹配就變得顯而易見。每一個花在 SERP 鷹架上的 token， 都是沒花在真正來源上的 token；每一頁未清洗的內容，都是模型可能分心或引用到 cookie 橫幅的地方。 團隊發現自己在每個 SERP API 之上都得寫一個清洗與排序層 —— 而那正是 agentic search 內建的那一層。
2. Bing 退場逼出重新選型
2025 年 8 月 11 日，Microsoft 讓 Bing Search API 退場，停用了那些默默 grounding 大半個 LLM 管線的端點。 替代方案 —— Azure AI Foundry 裡的 Grounding with Bing Search —— 並非可直接替換的 API， 且每 1,000 次交易約收 $35。數千個團隊不得不在恰好一波 Agent 原生新創出貨的當口選新供應商： Exa 完成了 $85M 的 B 輪，Parallel 募了 $100M，Tavily 被 Nebius 以 $275M 收購，Linkup 募了種子輪。 這個品類不是憑空冒出來 —— 它被資金推著、被逼到了檯面上。
SERP 抓取 vs agentic search：誠實的對比表
| SERP 抓取 | Agentic search | |
|---|---|---|
| 回傳結構 | 原始結果頁 JSON | 排好序、乾淨、LLM 就緒的摘要 |
| 為誰打造 | 真人、儀表板、排名追蹤 | AI Agent、RAG、tool calling |
| 清洗步驟 | 你自己搭 | 已內建 |
| Token 效率 | 低（版面 + 廣告塞在 payload） | 高（只有訊號） |
| 答案模式 | 無 | 常有（綑綁或獨立 /answer） |
| 原始價 / 1k | 約 $0.30–$1 | 約 $5–$16 |
| 整條管線價 | + 你的擷取器 + 工程時間 | 比看起來更接近 |
| 最佳場景 | SEO、SERP 功能、自建管線 | 在 Agent 內 grounding LLM 答案 |
沒人寫進定價頁的經濟學
那種「agentic search 是 Serper 的 10 倍價」的標價衝擊，在你替整條管線計價時就消失了。 SERP API 給你一頁結果；要餵給模型，你接著得在選定的連結上跑一個內容擷取器， 再加上打造與維護清洗排序邏輯的工程。agentic search 把那些摺進了那一次呼叫。 你不是為同一件事付 10 倍；你是一次付了兩個步驟，而不是兩次付兩個步驟。
還有第二筆、更隱蔽的成本：重試。Agent 會扇出、會在偶發失敗時重試。 在按查詢計費的 SERP 供應商上，每次重試都要計費。最乾淨的防禦是 只對成功扣費 計費 —— 你為那個 HTTP 200 付錢，而不是它之前的三次逾時。 對波動大的 Agent 流量來說，光是這一條計費規則，往往就比供應商之間每次呼叫的價差省下更多。
在 agentic search 上開發：最小迴圈
因為輸出已經是模型友善的形狀，整合很短。拉一份 tool schema、交給你的模型，讓它把搜尋當工具呼叫：
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.這正是這個品類的全部重點：搜尋 API 在 Agent 已經所在的地方迎接它， 於是過去住在你程式碼庫裡的黏合程式碼，搬到了端點背後。
那你該用哪一個？
常見問題
什麼是 agentic search？
agentic search 是為了被 AI Agent 消費、而非顯示給真人看而打造的網頁搜尋。你送出一個查詢或語意目標，API 回傳一份簡短、排好序的標題、URL 與事先清洗過的文字摘要清單 —— 有時還附一個完整、附引用的答案 —— 已整理好可直接落進語言模型的上下文窗。它和 SERP 抓取形成對比，後者回傳真人會看到的原始結果頁。
agentic search 和 SERP API 有什麼不同？
SERP API（如 Serper 或 SerpApi）回傳一頁搜尋引擎結果頁的完整 JSON：自然連結、廣告、知識面板、地點區塊 —— 面向真人的版面 —— 清洗、排序與摘要擷取你自己做。agentic search API（如 Exa、Tavily、Linkup 或 API Pick）完全跳過 SERP，回傳乾淨、排好序、LLM 就緒的文字。SERP API 為忠實還原 Google 而最佳化；agentic search 為模型直接使用而最佳化。
agentic search 為什麼在 2025–2026 年出現？
兩股力量。第一，LLM 在原始 SERP blob 上推理很差，但在簡短、命名清楚、排好序的段落上表現好 —— 於是一個為真人打造的格式成了 Agent 的負擔。第二，Microsoft 在 2025 年 8 月 11 日讓 Bing Search API 退場，而它原本默默撐起大半個 LLM grounding 生態，逼得數千個團隊重新選供應商，恰逢 Agent 原生新創（Exa、Tavily、Linkup、Parallel）推出為這個新用例設計的 API。
agentic search 就只是 RAG 嗎？
不完全是。RAG（檢索增強生成）是把 LLM 答案 grounding 在檢索文件上的整體模式。agentic search 是做檢索那一半的一種方式 —— 具體來說，是為 Agent 整理過的即時網頁檢索。你可以完全不用網頁搜尋、在私有向量資料庫上做 RAG，也可以不靠經典 RAG 而用 agentic search。它們搭得很好，但是不同的層。
我什麼時候還是該用 SERP 抓取型 API？
當你的管線真的需要 Google 結果頁的結構時用 SERP API —— 做 SEO 監控的精確自然排序、知識圖譜面板、本地/地圖區塊、購物結果 —— 或當你已經營運著一個內容擷取器、想要最便宜的原始查詢。對 grounding 一個 LLM 答案來說，回傳乾淨文字的 agentic search API 替你省掉一整個清洗步驟。
agentic search 比 SERP 抓取貴嗎？
就單次原始查詢而言，SERP 抓取通常更便宜（Serper 約每 1,000 次 $0.30–$1）。agentic search API 每次呼叫收得更多（約每 1,000 次 $5–$16），因為它們還做了清洗、排序與文字整理 —— 這些工作你原本會在自己的擷取步驟與工程時間上付出代價。一旦你替整條管線計價，差距就縮小；而只對成功扣費的計費（例如 API Pick 每個 HTTP 200 收 15 credits）則完全消除了 Agent 重試的成本。
本文使用的 API
Sarah Choy 是 API Pick 的 CEO，專注於為 AI Agent 與 LLM 工作流打造可用於正式環境的 API。