你们的 ai agent 一般用哪些 web_search 工具？

[lynn1su]

楼主用了 16 个工具
1.minimax （ cli+mcp ）
2.step
3.baidu
4.baidu ai search
5.tavily
6.doubao
7.bailian
8.exa
9.brave
10.linkup
11.serpapi
12.bocha
13.openai
14.grok
15.duckduckgo （ hermes agent 自带搜索工具）
16.gemini
目前这些都是免费的
之前楼主都是全部写入我的 agent ，然后让自己的 agent 装上，然后一股脑全部调用，然后发现太耗费 token 了，
然后就弄了个子 agent ，用 minimax-m2.7 ，专门用来提炼+总结，
如果主 agent 需要搜索就派发任务给子 agent ，然后子 agent 反馈给主 agent ，然后主 agent 屏蔽自身的所有搜索功能。
目前是这个玩法
大家是怎么玩的？
------------------------------------------------------------------------
然后所有搜索工具，如果是原始搜索的，返回条目拉到最大。
如果是 ai 总结的，有挡位的调到最大
mcp 用的是自己写的 mcp 工具，把所有搜索汇集在一起了

[utodea]

最近在写的 DeepSeek-native coding agent ， 在用的是 DuckDuckGo, 不行就 fallback 到 Bing 。付费的用不起...


https://github.com/usewhale/whale/blob/main/internal/tools/web_search.go

[Nin]

grok+tavily+exa+brave 做成脚本聚合搜索+交叉验证，tavily+firecrawl 做内容抓取，也是参考别人的思路做的，用来下蛮顺手的。

[Flanker666]

@Nin 这样好像不错

[panghu960]

我会倾向把搜索工具分层，而不是全塞给主 agent 。主流程只决定要查什么，子流程负责搜索和去重，最后返回带来源的摘要。否则工具越多，token 和噪音越多，模型还容易把不同来源的结论揉在一起。

[lynn1su]

@panghu960 目前我就是这样的，主流程决定查什么，然后派任务给子流程，子流程调用所有搜索 mcp ，llm 提炼总结，发回主流程，然后主流程采用

[mandex]

我使用 exa 和 kimi search 。

kimi 的搜索接口只要有 API KEY 就可以直接访问，我参考这个 https://github.com/wys010812/Kimi-Search-MCP 项目自己搞了一个给其他工具使用，感觉中文搜索挺好的。

[Charon2050]

我倾向于直接爬 Bing 网页，放在客户端执行

[lynn1su]

@Charon2050 #7 searxng,目前我弄了这个，专门爬搜索引擎网页的