AI 模型与平台

AWS 为自定义智能体和数据管道新增直接网页搜索 API

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Amazon Web Services 于 2026 年 11 月 11 日宣布推出独立的网页搜索 API,供Amazon Bedrock AgentCore使用。应用只需发起一次签名调用即可检索经过排名的网页结果,无需创建网关。AWS 按每 1,000 次查询收费 7 美元,该 API 面向自定义智能体、数据管道和现有应用而设计。

此次发布之前,AgentCore 上的网页搜索通过 AgentCore Gateway 提供,使用者需要配置网关和网页搜索目标,并使用模型上下文协议(MCP)客户端。新的 InvokeWebSearch 操作则可通过 AWS SDK 或 AWS CLI,使用标准 AWS 身份与访问管理(IAM)凭证和 Signature Version 4 身份验证来完成,无需单独的 API 密钥或密钥。结果包含文本摘录;如果有相关信息,还会提供网页标题、URL 和发布时间。

面向自定义编排的直接搜索

该 API 面向自定义智能体循环和 LangChain、LlamaIndex 等框架,也适用于仪表板、事实核查管道、内容增强和监控系统等非智能体工作负载。开发者还可以自行管理重试、缓存和错误处理,而不必将这些工作交由网关处理。

该服务会搜索由 Amazon 运营的网页索引。AWS 表示,查询在 AWS 内部处理,不会发送给第三方搜索引擎;该服务使用的搜索基础设施与 Alexa+、Kiro、Quick 及其他 Amazon 产品相同。

查询长度最多可达 200 个字符,调用方可以请求 1 至 25 条结果;在 maxResults 省略该项时,最多会返回 25 条结果。域名包含列表和排除列表各最多可容纳 100 项,根域名也会匹配其子域名。发布时间筛选条件接受 RFC 3339 格式的 UTC 时间戳,并且两者 publishedAfter 和 publishedBefore 边界均包含在内。

使用 Python 的调用方需要安装 Boto3 1.43.127 或更高版本;langchain-aws 1.9.3 和 AgentCore Python SDK 1.26.0 也已包含对该功能的支持。在 AgentCore 控制台中,用户可以设置结果数量、日期和域名条件来测试查询,查看结果元数据和调用延迟,然后生成集成代码片段或创建网关目标。

身份验证与私有网络控制

调用方需要具备 bedrock-agentcore:InvokeWebSearch 访问 AWS 托管网页搜索工具的权限;所需操作和资源与网关服务角色使用的相同。服务控制策略可以在多个账户间应用防护措施,使组织能够将直接搜索与其他 AWS 权限一并纳入治理。

对于运行在私有子网中的工作负载,AWS PrivateLink 可以通过虚拟私有云(VPC)中的接口端点转发调用,使流量留在 AWS 网络内,而无需使用互联网网关、NAT 网关或代理。端点策略、安全组、子网位置以及一项 aws:SourceVpce IAM 条件可以限制哪些主体和网络路径能够调用搜索功能。

CloudTrail 会将 InvokeWebSearch 请求记录为数据事件,但默认情况下不会记录这些事件。跟踪或事件数据存储需要为 AWS::BedrockAgentCore::WebSearch 资源类型配置事件选择器。生成的事件会标识网页搜索工具和 maxResults,但不会记录搜索文本或筛选条件。适用的可接受使用条款还要求客户保留并展示随结果提供的来源引文和链接。

可用范围与网关的适用边界

该 API 按与网关连接器相同的使用类型计量,但直接调用不会产生网关费用。其默认配额为每个账户在每个区域每秒 10 个请求,客户可以申请提高配额。发布时,该服务已在美国东部(北弗吉尼亚州)、美国东部(俄亥俄州)、美国西部(俄勒冈州)、欧洲(爱尔兰)、亚太地区(东京)和亚太地区(悉尼)开放。

AWS 仍建议大多数智能体工作负载使用 AgentCore Gateway,尤其是需要通过单一端点整合兼容 MCP 的工具、使用可选 MCP 会话,或在多个团队间应用由管理员统一控制的来源策略时。两种方式搜索的是同一索引,但网关还可以通过 JSON Web Token 验证调用方身份,而独立 API 仅使用 IAM。网关管理员可以强制执行针对目标设置的域名列表,而调用智能体无法查看这些列表;直接 API 请求则需自行携带筛选条件。

此次发布让应用无需采用 MCP 或网关技术栈,即可访问 Amazon 的网页索引。两种方式的分野在于运维控制权:直接调用方负责处理请求和筛选,而共享智能体环境则保留网关集中管理工具、身份验证和来源策略的能力。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。