Wat bouwen teams met een web search API voor AI-agents?

Wat hebben deze vier taken gemeen?

Elk ervan heeft de woorden op de pagina nodig, niet alleen een lijst met links. Een snippet van 160 tekens bevat zelden het cijfer, de datum of de voorwaarde die een model moet citeren. Daarom eindigen de meeste stacks met twee diensten: een zoek-API om URL's te vinden en een reader om ze op te halen.

LLMWebSearch voegt de twee stappen samen. Eén call doet een live webzoekopdracht en leest de eerste pagina's die het vindt. Elk resultaat bevat zijn positie, titel, URL, host, snippet en, wanneer de pagina is gelezen, de hoofdinhoud van de pagina als Markdown of platte tekst met het aantal woorden en, indien bekend, de publicatiedatum. De agent krijgt tekst die hij in dezelfde round trip kan citeren, en jij krijgt één factuur.

De andere gedeelde behoefte is controle. Jij bepaalt hoeveel resultaten er terugkomen (max_results), hoeveel pagina's er worden gelezen (read) en hoe lang elke pagina mag zijn (max_chars). Die drie getallen bepalen zowel de tokencost aan de kant van je model als de creditkost aan onze kant.

Welke instellingen passen bij elk gebruiksscenario?

Begin bij de defaults en verander één ding tegelijk.

• Agent-tool. Houd max_results=5 en read=3 aan, en beperk pagina's tot 3.000 à 5.000 tekens. Agents roepen de tool vaak aan, dus korte antwoorden houden de context schoon.
• Diepgaand onderzoek. Veel kleine zoekopdrachten verslaan een paar grote. Gebruik read=3 per query en voer meer queries uit. Verhoog read alleen wanneer één query een smal onderwerp in de diepte moet dekken.
• RAG. Vraag langere pagina's op (max_chars rond 12.000) en chunk ze zelf. Voeg include_domains toe wanneer antwoorden uit bekende bronnen moeten komen.
• Nieuwsmonitoring. Stel topic=news en time_range=day in en verwijder daarna URL's die je al hebt gezien. Lees drie artikelen per query om samen te vatten wat er is veranderd.

Alle filters staan in de zoekreferentie.

Hoe bepaal ik de omvang van een eerste pack?

Vermenigvuldig taken per dag met zoekopdrachten per taak, en dan met 30. Een assistent die 100 vragen per dag beantwoordt met 4 zoekopdrachten elk, heeft ongeveer 12.000 zoekopdrachten per maand nodig. Dat past in 25.000 zoekopdrachten met ruimte voor een tweede maand.

Credits verlopen niet aan het einde van een factuurcyclus. Zoekcredits verlopen niet: wat je deze maand niet gebruikt, staat er volgend jaar nog. Een klein pack dat je voor een prototype kocht, behoudt zijn waarde tot het project groeit. De kostengids werkt drie grotere gevallen uit en vergelijkt ze met andere API's en met de zoektools die in modellen zijn ingebouwd.