我给 Agent 测了一圈搜索 API，发现 Google 已经不太够用了
做 Agent 的人都清楚一个尴尬：模型的知识停在训练截止日，之后的事全靠搜索往回捞。行业里最吊诡的是——大家都在做 Agent，快没人好好做搜索了。连搜索起家的 Google，Gemini 的搜索效果也在肉眼可见地变差。
如果真的要把搜索接进 Agent 工作流，光有网页结果远远不够。Agent 要处理的很多信息根本不在网页里：汇率现在多少，股票今天涨跌，这些数据网页里往往不及时，就算有也藏在广告和排版里等着解析。Agent 本质上是个推理系统，Context 决定一切，搜索这端进来的东西质量不行，后续推理全是沙上建塔。
海外基本以 Google 为中心，但很少有人直接对着 Google 用，一般都会包一层。薄的像 Serper、SerpAPI，把 Google 原始结果整理成 JSON 交出来；厚的像 Tavily、Exa、Brave Search API，自己做召回和排序，Exa 还自建了索引。国内也有几家，博查、豆包搜索，智谱和阿里云也都开了搜索 API。
我拿 Serper 和豆包搜索做了一轮测试。选 Serper 是因为它够薄，基本等于直接看 Google 原始结果，适合当基准；选豆包搜索是因为它是国内这批里刚正式开放、可控参数给得最全的一家。具体用哪家取决于业务场景。
场景一：口语化输入
Agent 收到的用户输入极少是整理好的关键词。我用了一句完全口语的 query：「就是那个有灵魂的那个 AI agent 叫什么来着，好像说自己有意识还是什么的，特别火」。
豆包召回 10 条，首条命中 ColaOS，后面跟着 InfoQ 对 SOUL.md 的逐句解读。Google 只召回 3 条——一条 2022 年搜狐旧闻，一条 YouTube 视频，一条腾讯新闻答非所问。差距不止召回数量，是能不能理解人话。
场景二：结构化数据
问日元兑人民币汇率。豆包返回一张结构化卡片：1 CNY = 24.192 JPY，1 JPY = 0.0413 CNY，带更新时间戳。Google 返回 Wise、新浪财经、XE 五个链接，要看数值还得再发一次请求去抓。
同样，问科大讯飞今日股价。豆包给出卡片：代码 002230，¥38.88，跌 1.61，跌幅 3.98%，时间戳 15:49，休市。Google 返回东方财富、雪球、富途的行情页链接，搜狐证券那条标题里带了个 40.97，是过时数字。
对 Agent 来说，一边是直接喂进 Context 用，另一边还要再走一遍抓取和解析。
场景三：跨语言与时效性
Claude Opus 5 发布次日，用中文问。豆包同时召回 Anthropic 官网的 Introducing Claude Opus 5 原文，和 IT之家、超能网的中文解读。Google 索引还没跟上，返回的是上一代 Sonnet 5 的公告和 Reddit 猜测帖。Google 对英文 query 时效性通常更好，但中文场景下确实落后了。
同样限定一天内，豆包 10 条全是当天的中文资讯，人民网转经济日报的报道、腾讯早报等。Google 混进来 Threads 聊天帖、台媒 YouTube 视频、繁体摘要。
场景四：权威度控制
搜 HPV 疫苗扩龄政策，把权威度过滤开到「非常权威」。豆包 10 条全部来自温州市卫健委、吉林省疾控局、芜湖市政府、正蓝旗政府。Google 没有这个维度，返回结果里医院的预约套餐页、北大医院接种须知、百度百科和政府网站混在一起。
Agent 做医疗、金融等场景时，信源权威度是最关键的维度之一，普通的网页搜索不会做这一层过滤。
Google 还有一个阵地守得不错
英文学术搜索，Google 仍然明显更强。搜 continual learning 综述论文，Google 返回 arXiv 预印本、ACM 正式出版、配套代码仓库、ResearchGate，一整套学术源都在。豆包以生物通的中文解读打头，纵深不够。
体会
测试完之后一个明显的感受是：Agent 对搜索的需求和人对搜索的需求已经很不一样了。
人看搜索结果看得懂上下文、能分辨权威、能接受打开三个网页手动对比。Agent 不行——它需要结构化、权威分级、时效可控、能理解口语化输入。用给人看的搜索引擎去喂 Agent，就像用人吃的食材去喂一台机器，耗损很大。
豆包搜索这边有几个设计是测之前没想到的：结构化卡片（汇率直接带双向换算和更新时间，股价现价涨跌幅休市状态全给齐）、权威度分级（每条结果自带标注，请求参数里可以筛）、时效过滤（设一天就真只返回当天的）。Serper 注册送 2500 次一次性额度，豆包每月送 500 次，月月刷新。超出之后买额度也便宜，跟大模型推理成本比，搜索 API 这点钱基本可以忽略——一次搜索的成本连一轮长上下文推理的零头都不到。
这轮测试的结论是：给 Agent 选搜索 API，应该优先考虑专门为 Agent 场景做了优化的方案。结构化能力、权威控制、时效过滤、中文口语理解，这几个维度在 Agent 工作流里比「搜得全不全」更重要。
本测试是上周六做的，数据已经过时。测试脚本完全客观可复现，使用了 Doubao-Seed-Evolving 模型辅助编写。
相关链接
- 豆包搜索控制台：https://console.volcengine.com/search-infinity/web-search-exp
- Serper：https://serper.dev
- Exa：https://exa.ai
- Tavily：https://tavily.com
- Brave Search API：https://brave.com/search/api/