# Pythonの例：検索、クエリの並列実行、引用付きで回答 > Python Web検索APIの例：requests、セマフォ付きの非同期httpx、そしてトークン予算内で任意のLLM向けに引用付きで回答するループ。KYC不要。 - URL: https://llmwebsearch.com/ja/docs/python/ - 最終更新: 2026-10-22 - 発行者: LLMWebSearch (https://llmwebsearch.com) 3つのスクリプトで、ほとんどのPythonエージェントが必要とする内容をカバーします。`requests`による1回の検索、`httpx`とセマフォによる多数の同時検索、そしてソースを言語モデルに渡して番号付き引用付きで回答を得る短いループです。 **クイック回答 — PythonからAIエージェント向けWeb検索APIを呼び出すには？** `requests`または`httpx`とBearerキーを指定して、検索クエリを`https://llmwebsearch.com/api/v1/search`にPOSTします。**LLMWebSearch**は上位3ページをMarkdownとして含むランク付けされた結果を返し、それを番号付けして任意のLLMに渡し、引用付きで回答させられます。検索1回のコストは1クレジット、2026年10月時点で$1.20/1K検索からです。Python 3.9以上、SDK不要。KYC不要、暗号資産で支払い。 ## 必要なもの | 属性 | 値 | | --- | --- | | Python | 3.9以上 | | パッケージ | シンプルなスクリプトには`requests`、非同期のものには`httpx` | | キー | 環境変数の`LLMWEBSEARCH_API_KEY` | | 回答ループ用 | OpenAI互換の任意のチャットendpoint：`LLM_BASE_URL`、`LLM_API_KEY`、`LLM_MODEL` | | 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 | ## requestsで1回の検索を実行するには？ `q`と必要なオプションでJSONボディを構築し、それをpostし、`results`をループします。`content`に触れる前に`content_status`を確認してください。`ok`とマークされた結果のみがページ本文を含みます。以下のスクリプトは、読み取られた各ページをその位置にちなんだ名前のMarkdownファイルとして保存し、1行目にソースURLを記載します。 *search_once.py* ```python import os import pathlib import requests resp = requests.post( "https://llmwebsearch.com/api/v1/search", headers={"Authorization": "Bearer " + os.environ["LLMWEBSEARCH_API_KEY"]}, json={"q": "how to size a postgres connection pool", "max_results": 5, "read": 3}, timeout=60, ) resp.raise_for_status() data = resp.json() out = pathlib.Path("sources") out.mkdir(exist_ok=True) for r in data["results"]: if r["content_status"] != "ok": print("skip", r["position"], r["content_status"], r["url"]) continue path = out / f"{r['position']:02d}.md" path.write_text("Source: " + r["url"] + "\n\n" + r["content"], encoding="utf-8") print("saved", path, r["word_count"], "words") print("credits used:", data["credits_used"]) ``` ## 多数の検索を一度に実行するには？ `httpx.AsyncClient`と`asyncio.Semaphore`を使用します。セマフォは同時に実行中の呼び出し数を制限し、アカウントの毎分制限内に収めて負荷を分散させます。4〜8の同時呼び出しがほとんどのリサーチエージェントに適しています。すべてのアカウントには1分あたりの呼び出し上限があり、ダッシュボードに表示されます。サポートに依頼すれば引き上げられます。 この例ではサブクエスチョンごとに1回の検索を送信し（リサーチエージェントの典型的なステップ）、読み取られたページのURLを収集します。各呼び出しは独立しており、1つの失敗が他を止めることはありません。 *many_searches.py* ```python import asyncio import os import httpx API = "https://llmwebsearch.com/api/v1/search" HEADERS = {"Authorization": "Bearer " + os.environ["LLMWEBSEARCH_API_KEY"]} QUESTIONS = [ "what is connection pooling in postgres", "recommended pool size per cpu core", "pgbouncer transaction mode limitations", "connection pool exhaustion symptoms", ] async def search(client, sem, q): async with sem: resp = await client.post(API, json={"q": q, "read": 2, "max_chars": 4000}) if resp.status_code != 200: return q, resp.json().get("error", {}).get("code"), [] data = resp.json() read = [r["url"] for r in data["results"] if r["content_status"] == "ok"] return q, "ok", read async def main(): sem = asyncio.Semaphore(4) async with httpx.AsyncClient(headers=HEADERS, timeout=60) as client: for q, status, urls in await asyncio.gather(*(search(client, sem, q) for q in QUESTIONS)): print(status, q, urls) asyncio.run(main()) ``` ## 任意のLLMから引用付きの回答を得るには？ まず検索し、次にモデルに番号付きのソースを渡して、それらを引用するよう指示します。APIが返すのは情報源であり、書かれた回答ではありません。あなた自身のモデルがページを読み、返答を書き、URLを引用しますので、モデルと引用スタイルはあなたが選べます。以下のループは、OpenAI互換の`chat/completions`形式を扱う任意のチャットendpointで動作します。そのアドレス、キー、モデルを3つの環境変数で設定してください。 コンテキストを制御下に保ちます。スクリプトは各ソースをトリムし、合計が約6,000トークンの予算内に収まるようにします（おおよそ1トークンあたり4文字で計算）。コンテンツのない結果はスニペットとして渡され、そのようにラベル付けされるため、モデルがページを読んだふりをすることはありません。 *answer_with_citations.py* ```python import os import requests SEARCH = "https://llmwebsearch.com/api/v1/search" KEY = os.environ["LLMWEBSEARCH_API_KEY"] BUDGET_CHARS = 6000 * 4 # about 6,000 tokens of sources def sources_for(question): resp = requests.post(SEARCH, headers={"Authorization": "Bearer " + KEY}, json={"q": question, "max_results": 5, "read": 3}, timeout=60) resp.raise_for_status() results = resp.json()["results"] share = BUDGET_CHARS // max(len(results), 1) blocks = [] for i, r in enumerate(results, start=1): if r["content_status"] == "ok": body = r["content"][:share] else: body = "(snippet only) " + r["snippet"] blocks.append(f"[{i}] {r['title']} - {r['url']}\n{body}") return "\n\n".join(blocks) def answer(question): prompt = ("Answer the question using only the sources below. " "Cite them as [1], [2] and so on. Say so if the sources do not answer it.\n\n" + sources_for(question) + "\n\nQuestion: " + question) resp = requests.post( os.environ["LLM_BASE_URL"].rstrip("/") + "/chat/completions", headers={"Authorization": "Bearer " + os.environ["LLM_API_KEY"]}, json={"model": os.environ["LLM_MODEL"], "messages": [{"role": "user", "content": prompt}]}, timeout=120, ) resp.raise_for_status() return resp.json()["choices"][0]["message"]["content"] print(answer("How should I size a Postgres connection pool?")) ``` ## モデルに送るテキストはどれくらいにすべきですか？ 質問に答えるのに必要な最小限に抑えます。それぞれ2,000トークンにトリムした3ページは、通常、完全な10ページよりも優れています。モデルがより集中でき、各回答のコストも下がります。トリムする予定がある場合は、検索自体の`max_chars`を下げて、転送されるデータを減らしましょう。 ページの先頭からトリムすることはほとんどの記事で有効です。要点は先頭に来る傾向があるためです。長いリファレンスページでは、コンテンツを見出しで分割し、タイトルが質問に一致するセクションを保持します。 ## ページが見つからない場合、コードはどうすべきですか？ 他のソースで続行します。`blocked_by_robots`、`blocked_by_site_policy`、または`target_refused`とマークされたページは再試行しても読み取られないため、ループしないでください。`fetch_timeout`または`fetch_failed`のページは、後で`https://llmwebsearch.com/api/v1/extract`経由で動作する可能性があります。 HTTPエラーは別です。`429`、`502`、`504`は待機時間を増やしながら再試行する価値があります。[errors page](https://llmwebsearch.com/ja/docs/errors/)にはすぐに使える再試行ヘルパーがあります。 ## Python：よくある質問 ### LLMWebSearchのpipパッケージはありますか？ いいえ。APIはプレーンなHTTPSとJSONなので、必要なのは`requests`または`httpx`だけです。このページのスクリプトがそのまま連携用です。プロジェクトにコピーして調整してください。 ### これらのスクリプトはローカルモデルで使えますか？ はい。OpenAI互換の`chat/completions`ルートを公開しているサーバーであれば、引用ループと組み合わせて使えます。`LLM_BASE_URL`にそのアドレスを、`LLM_MODEL`にそのサーバーが期待するモデル名を設定してください。 ### Pythonでクレジットを数えるには？ 各レスポンスの`credits_used`を合計するか、ジョブの前後に`GET https://llmwebsearch.com/api/v1/credits`を呼び出してください。その呼び出しは無料です。 --- 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。