AI-modeller og platforme

Amazon Bedrock Får Indbygget Web-Søgning Til Grundlag For Model-Svar

mm
Føj Unite.AI til dine foretrukne kilder på Google

AWS har gjort Web Search generelt tilgængelig på Amazon Bedrock den 4. august 2026, hvilket giver grundlag for modeller på deres AI-platform en indbygget måde at grundlægge svar i aktuel web-knowledge uden en tredjeparts-søgeleverandør. Server-side-værktøjet er aktiveret gennem en enkelt parameter i en eksisterende OpenAI-kompatibel API-opkald, og svar kommer tilbage med strukturerede citeringer til de kilder, der er brugt, siger AWS i deres meddelelse.

Lanceringen udvider en funktion, som AWS først udgav i juni 2026, da Web Search blev generelt tilgængelig på Bedrock AgentCore, virksomhedens agent-infrastruktur-lag, på AWS New York Summit. Den version nåede agenter gennem AgentCore Gateway og Model Context Protocol. Den nye udgave flytter det samme underliggende værktøj direkte ind i Bedrock model-inferens, så enhver ansøgning, der kalder en understøttet model, kan bruge det uden at skulle oprette agent-infrastruktur først.

Indtil nu har det at grundlægge en Bedrock-model i live-information betydet at vælge en søgeleverandør, integrere dennes API, håndtere nøgler og orkestrering og gennemføre en sikkerhedsreview. AWS sælger fjernelsen af dette arbejde: ingen tredjeparts-leverandører at påbegynde, ingen eksterne API’er at orkestrere, og ingen yderligere leverandør-sikkerhedsreviews, ifølge meddelelsen.

Hvad værktøjet gør og hvad det koster

Web Search kører på en web-indeks, som Amazon opererer, der omfatter milliarder af dokumenter og opdateres løbende, kombineret med en indbygget viden-graf, der anchorer enheder og forbindelserne mellem dem. For faktuelle spørgsmål svarer værktøjet fra viden-grafen i stedet for at lade modellen slutte sig til et svar fra udtrukne side-tekster. Hentning sker gennem semantisk snippet-udtrækning, der trækker de passager, der er relevante for forespørgslen, i stedet for at give modellen rå sider, hvilket holder token-udgifterne til boilerplate nede.

Når værktøjet er aktiveret, håndterer Bedrock den fulde søge-livscyklus server-side: modellen identificerer et viden-gap, Bedrock formulerer forespørgslen, henter fra indeksen og viden-grafen, indsætter snippets, kilde-URL’er og titler i kontekst-vinduet og returnerer et svar med citation-noteringer, der markerer det præcise tegn-sæt, hver kilde understøtter. Hvis de første resultater er utilstrækkelige, kan modellen omformulere og søge igen inden for samme omdrejning; hvis resultaterne ikke understøtter et svar, siger modellen det i stedet for at udfylde gapet fra træningsdata, ifølge Web Search-dokumentationen.

Amazon Bedrock-prisside listar Web Search til $12,00 pr. 1.000 forespørgsler i de tre US-regioner, hvor det kører. Det er en brugs-gebyr oveni model-inferens; AWS priser AgentCore-versionen af værktøjet separat.

Betingelserne medfører en forpligtelse, der er værd at bemærke for hold, der bygger bruger-orienterede produkter: kunder skal beholde og vise kilde-citationer og -links fra model-udgang i alt, der præsenteres for slutbrugere, og må ikke bruge værktøjet til at bulk-hente indhold eller opbygge en konkurrerende indeks.

Hvor det kører og hvilke modeller det understøtter

Ved lancering fungerer Web Search kun med OpenAI-modeller, der serveres gennem Bedrock’s bedrock-mantle-inferens-endpoint via Responses API’en: openai.gpt-5.4, openai.gpt-5.5 og de tre GPT-5.6-variationer (Luna, Terra og Sol), ifølge dokumentationen. Anthropic, Meta, Mistral og Amazon’s egne Nova-modeller på Bedrock er ikke på listen over understøttede modeller.

Tilgængelighed er begrænset til tre US-regioner: us-east-1, us-east-2 og us-west-2, med forespørgsler, der behandles i-region. Dokumentationen beskriver værktøjet som strengt regionalt: hver region opererer sin egen søge- og hent-funktion, og forespørgsler, hentninger, indeks-data og resultater krydser ikke regionale grænser.

Overholdelses-posturen

AWS præsenterer værktøjets data-håndtering som dens enterprise-forskellighed. Som standard serveres hentning helt fra Amazon Bedrock-web-indeks og cache, et snapshot af web-indhold, der er hostet inden for AWS, så anmodningsdata ikke forlader AWS-grænsen. Live-web-hentning, der henter indhold direkte fra web’en på anmodningstidspunkt, er ikke endnu serveret; API-parametren for det er allerede på plads, og dokumentationen siger, at enhver fremtidig ændring vil kræve, at kunderne udtrykkeligt giver en separat IAM-tilladelse, før det træder i kraft.

Audit kører gennem CloudTrail out of the box. Hver søge- og hent-anmodning registreres med den kalde identitet, tidsstempel og region-kontekst, og afviste anmodninger logger den specifikke betingelsesnøgle, der forårsagede afvisningen. Ved design ikke registrerer sporet ikke forespørgselstekst, returnerede URL’er eller hentet side-indhold, hvilket giver overholdelses-holdene en registrering af, hvem der brugte værktøjet og hvornår, uden at afsløre, hvad brugerne søgte efter.

Fra AgentCore til model-inferens

AgentCore-lanceringen (meddelt på AWS New York Summit 2026) og den 4. august-udgivelse bringer begge Web Search-værktøjet til forskellige lag af Bedrock-stakken.

Forskellen mellem de to versioner er integrationspunktet. AgentCore-værktøjet er et connector-mål på en gateway, rettet mod hold, der allerede bygger agenter på den stak og påkaldes gennem MCP. Bedrock-versionen hæfter sig til et almindeligt inferens-opkald, hvilket bringer grundlæggelse inden for rækkevidde af en langt større samling af eksisterende ansøgninger, herunder dem med ingen agent-arkitektur overhovedet. Pris for de to versioner sidder nu på separate sider til separate satser.

Med grundlæggelse reduceret til et værktøjs-indgang i anmodnings-teksten er det resterende arbejde for adoptører tilladelse: at aktivere værktøjet kræver IAM-handlinger til søgning og hentning sammen med Bedrock-inferens-adgang, og godkendelse til bedrock-mantle-endpointen bruger en kort-levet bærer-token, der er præget fra eksisterende AWS-legitimationsoplysninger i stedet for en separat API-nøgle. Live-web-hentning forbliver den datoerede, men ikke-planlagte post på vejrkortet, låst bag en tilladelse, der er deaktiveret som standard.

Aiden Cross er en AI-genereret strateg hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomheds teams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med en pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktveje, markedsstrategier, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnere. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastruktur begrænsninger og sammenligningen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genereret og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.