# LangChainとLlamaIndexでのWeb検索: ツールとretriever > LangChainとLlamaIndex向けWeb検索: search_webツール、読み取ったページごとに1つのDocumentを返すretriever、そしてLlamaIndex FunctionTool。KYC不要、暗号資産で支払い。 - URL: https://llmwebsearch.com/ja/docs/langchain/ - 最終更新: 2026-10-22 - 発行者: LLMWebSearch (https://llmwebsearch.com) 2つの形でほとんどのフレームワークをカバーできます。ツールはエージェントが検索のタイミングを判断できるようにします。retrieverはライブWebを検索チェーンに接続し、読み取った各ページがメタデータにそのURLを持つドキュメントになります。 **クイック回答 — LangChainやLlamaIndexにライブWeb検索を追加するには？** **LLMWebSearch**の`/search`呼び出しを、LangChain `@tool`、LangChain retriever、またはLlamaIndex `FunctionTool`でラップします。それぞれがランク付けされたソースを返し、上位3ページをMarkdownとそのURLで返すので、引用にすぐ使えます。インストールする当社のパッケージはありません: 以下のコードがその統合です。検索は1クレジットで、2026年10月時点で$1.20/1K検索から。KYC不要; 暗号資産で支払い。 ## 各ラッパーの用途 | 属性 | 値 | | --- | --- | | LangChainツール | エージェントがWebが必要と判断したときに`search_web`を呼び出します | | LangChain retriever | チェーンが質問ごとに新しいドキュメントを取得します。問い合わせる必要はありません | | LlamaIndex FunctionTool | 同じ`search_web`関数を、LlamaIndexエージェント向けに使用 | | パッケージ | `langchain-core`または`llama-index-core`、加えて`requests` | | キー | 環境変数に`LLMWEBSEARCH_API_KEY` | | 課金 | 1クレジットで検索1回分です。最大20件のランク付けされた結果を取得でき、上位3ページは本文抽出されてMarkdownで返されます。4〜10ページを読む場合は2クレジットです。エラーで終わった呼び出しは無料です | ## LangChainエージェント用の検索ツールを作るには？ `langchain_core.tools`から`@tool`で関数をデコレートします。LangChainは名前、型付き引数、docstringを読み取ってモデルにツールを説明するので、docstringは短く正確にしてください。関数は番号付きソースを含む1つの文字列を返すので、あらゆるチャットモデルに適しており、URLをテキストの近くに保てます。 `.invoke()`で直接呼び出してテストしてから、エージェントのtoolsリストに渡してください。 *LangChainツール: search_web* ```python import os import requests from langchain_core.tools import tool API = "https://llmwebsearch.com/api/v1/search" HEADERS = {"Authorization": "Bearer " + os.environ["LLMWEBSEARCH_API_KEY"]} @tool def search_web(query: str, read: int = 3) -> str: """Search the live web. Returns numbered sources with URLs; the first `read` include page text.""" body = {"q": query, "max_results": 5, "read": max(0, min(read, 10)), "max_chars": 5000} resp = requests.post(API, headers=HEADERS, json=body, timeout=60) resp.raise_for_status() parts = [] for i, r in enumerate(resp.json()["results"], start=1): text = r["content"] if r["content_status"] == "ok" else "(snippet only) " + r["snippet"] parts.append(f"[{i}] {r['title']} - {r['url']}\n{text}") return "\n\n".join(parts) print(search_web.invoke({"query": "postgres connection pool size"})[:500]) ``` ## ライブWebをretrieverとして使うには？ `BaseRetriever`をサブクラス化し、読み取ったページごとに1つの`Document`を返します。ページテキストは`page_content`に入れます; URL、タイトル、ランク、日付は`metadata`に入れます。引用元を示すチェーンはそこでそれらを探します。コンテンツのない結果はスキップされます。retrieverはモデルが引用できるテキストを渡すべきだからです。 retrieverは質問ごとに実行されます。これは時事トピックに関する質問応答チェーンには適していますが、ほとんどのターンで検索が不要なチャットには無駄です。その場合はツールを使用してください。 *LangChain retriever: LLMWebSearchRetriever* ```python import os from typing import List import requests from langchain_core.callbacks import CallbackManagerForRetrieverRun from langchain_core.documents import Document from langchain_core.retrievers import BaseRetriever class LLMWebSearchRetriever(BaseRetriever): """Live web search results as Documents, one per page that was read.""" max_results: int = 5 read: int = 3 max_chars: int = 6000 def _get_relevant_documents(self, query: str, *, run_manager: CallbackManagerForRetrieverRun) -> List[Document]: resp = requests.post( "https://llmwebsearch.com/api/v1/search", headers={"Authorization": "Bearer " + os.environ["LLMWEBSEARCH_API_KEY"]}, json={"q": query, "max_results": self.max_results, "read": self.read, "max_chars": self.max_chars}, timeout=60, ) resp.raise_for_status() docs = [] for r in resp.json()["results"]: if r["content_status"] != "ok": continue meta = {"source": r["url"], "title": r["title"], "position": r["position"], "published_at": r.get("published_at")} docs.append(Document(page_content=r["content"], metadata=meta)) return docs retriever = LLMWebSearchRetriever(read=3) for doc in retriever.invoke("pgbouncer transaction mode limitations"): print(doc.metadata["position"], doc.metadata["source"], len(doc.page_content)) ``` ## 同じ検索をLlamaIndexエージェントに与えるには？ プレーンな関数を書き、`llama_index.core.tools`から`FunctionTool.from_defaults`でラップします。LlamaIndexは関数の名前、シグネチャ、docstringからツールの名前と説明を構築します。ツールを呼び出すと`ToolOutput`が返され、その`content`がエージェントの読むテキストになります。 関数はLangChainのものと同じなので、両方のフレームワークを使うチームは共有できます。 *LlamaIndex: FunctionTool* ```python import os import requests from llama_index.core.tools import FunctionTool def search_web(query: str, read: int = 3) -> str: """Search the live web and return numbered sources; the first `read` include their page text.""" resp = requests.post( "https://llmwebsearch.com/api/v1/search", headers={"Authorization": "Bearer " + os.environ["LLMWEBSEARCH_API_KEY"]}, json={"q": query, "max_results": 5, "read": max(0, min(read, 10)), "max_chars": 5000}, timeout=60, ) resp.raise_for_status() parts = [] for i, r in enumerate(resp.json()["results"], start=1): text = r["content"] if r["content_status"] == "ok" else "(snippet only) " + r["snippet"] parts.append(f"[{i}] {r['title']} - {r['url']}\n{text}") return "\n\n".join(parts) search_tool = FunctionTool.from_defaults(fn=search_web) print(search_tool.metadata.name) print(search_tool.call(query="postgres connection pool size").content[:300]) ``` ## コンテキストウィンドウを制御するにはどうすればよいですか？ 後から切り詰めるのではなく、API呼び出し時に`max_chars`を設定してください。転送されるデータが減り、フレームワークが長いバージョンを保持することもありません。1ページあたり5,000文字、3ページで約4,000トークンとなり、ほとんどのモデルにとって余裕のある量です。 ライブWebと自分のドキュメントを組み合わせる検索チェーンでは、Webドキュメントの重みを下げるか、別のプロンプトセクションに分けてください。Webページは変化し、誤っていることもあります。自分のドキュメントが通常は参照元です。 ## レトリーバーが返した結果をベクトルデータベースに保存できますか？ はい、当社としては問題ないと考えています。当社はあなたの検索クエリやAPIが返す内容でモデルを学習させることはなく、結果の保存を禁じる独自のルールも設けていません。ただし、あなたが読むページのサイトの権利は引き続き適用されます。各チャンクと一緒にURLと`published_at`を保存すれば、エージェントがページを引用でき、古くなったチャンクを削除できます。 多くのチームは、頻出する質問のWeb結果を1日または1週間キャッシュしています。これにより繰り返しの検索が減り、回避した検索1回ごとにクレジットを1つ節約できます。 ## LangChainとLlamaIndex: よくある質問 ### langchain-llmwebsearchパッケージはありますか？ いいえ。当社はパッケージを公開していません。このページのコードは自分で管理できるほど短いものです。コピーしてデフォルト値を変更し、リポジトリに保存してください。 ### ツールを非同期にできますか？ はい。`requests`を`httpx.AsyncClient`に置き換え、関数を`async def`で定義してください。LangChainの`@tool`は非同期関数を直接デコレートします。LlamaIndexでは、非同期バージョンを`async_fn`として`FunctionTool.from_defaults`に渡してください。 ### エージェントが別の場所で見つけたページを読むにはどうすればよいですか？ URLを`https://llmwebsearch.com/api/v1/extract`にポストする2つ目のツールを追加してください。URLをすでに持っているページを読む場合は、コンテンツ付きで返される3ページごとの開始グループにつき1クレジットで、1回の呼び出しにつき最大20 URLです。拒否されたURLや失敗したURLはカウントされません。[extractリファレンス](https://llmwebsearch.com/ja/docs/extract/)にリクエスト例があります。 --- LLMWebSearch: LLMWebSearchは、AIエージェント向けのWeb検索APIです。ランキング済みの検索結果を、上位ページの本文をMarkdownに変換した内容とともに返し、暗号資産で支払えます。本人確認書類のアップロードは不要です。プリペイドのクレジットは$1.20/1K検索から購入でき、有効期限はありません。KYC不要 — 身分証も自撮りも書類も不要。暗号資産で支払い。