AgentSearch：为搜索代理提供支持并实现可定制本地搜索的框架。

AgentSearch 是一个框架，通过将来自不同提供商的 LLM 技术与各类搜索引擎无缝集成，从而为搜索代理提供支持。这种集成使搜索代理能够通过检索增强生成（RAG）技术执行多种功能，包括总结搜索结果、生成新查询以及检索详细的下游结果。

AgentSearch 的特点

• 搜索代理集成：只需将任何专用于搜索的 LLM，例如 Sensei-7B，与受支持的搜索引擎连接，即可轻松构建搜索代理。
• 可定制搜索：结合本框架使用 AgentSearch 数据集，部署一个可定制的本地搜索引擎。
• API 端点集成：可与多种托管提供商的 API 无缝集成，以实现多样化的搜索解决方案，提供易用性和灵活性，包括必应、SERP API 和 AgentSearch。此外，还支持来自 SciPhi、HuggingFace、OpenAI、Anthropic 等公司的 LLM。

快速入门指南

安装

pip install agent-search

配置

从 SciPhi 获取免费的 API 密钥，并将其设置到您的环境变量中：

export SCIPHI_API_KEY=$MY_SCIPHI_API_KEY

使用

调用预配置的搜索代理端点：

# 需要在环境中设置 SCIPHI_API_KEY
from agent_search import SciPhi

client = SciPhi()

# 搜索后总结结果并生成相关查询
agent_summary = client.get_search_rag_response(query='最新新闻', search_provider='bing', llm_model='SciPhi/Sensei-7B-V1')
print(agent_summary)
# { 'response': '...', 'other_queries': '...', 'search_results': '...' }

支持独立搜索以及通过 AgentSearch 搜索引擎进行的搜索：

# 需要在环境中设置 SCIPHI_API_KEY
from agent_search import SciPhi

client = SciPhi()

# 执行搜索
search_response = client.search(query='量子场论', search_provider='agent-search')

print(search_response)
# [{ 'score': '.89', 'url': 'https://...', 'metadata': {...} }]

您也可以编写自己的自定义搜索代理工作流：

# 需要在环境中设置 SCIPHI_API_KEY
from agent_search import SciPhi

client = SciPhi()

# 指定任务说明
instruction = "你的任务是对给定的查询和搜索结果进行检索增强生成（RAG）。请以 JSON 格式返回答案，包含搜索结果摘要和相关查询列表。"
query = "什么是费马大定理？"

# 构建搜索上下文
search_response = client.search(query=query，search_provider='agent-search')
search_context = "\n\n".join(
      f"{idx + 1}. 标题: {item['title']}\n网址: {item['url']}\n文本: {item['text']}"
      for idx, item in enumerate(search_response)
).encode('utf-8')

# 前缀以确保返回 JSON 格式
json_response_prefix = '{"summary":'

# 准备提示
formatted_prompt = f"### 指令:{instruction}\n\n查询:\n{query}\n\n搜索结果:\n${search_context}\n\n查询:\n{query}\n### 回答:\n{json_response_prefix}",

# 使用 Sensei-7B-V1 生成完成内容
completion = json_response_prefix + client.completion(formatted_prompt, llm_model_name="SciPhi/Sensei-7B-V1")

print(completion)
# {
#   "summary":  "\n费马大定理是一个数学命题，最早由 ... ",
#   "other_queries": ["椭圆曲线在费马大定理证明中的作用", ...]
# }

社区与支持

• 加入我们：加入我们的 Discord 社区，参与讨论并获取最新动态。
• 反馈与咨询：如有个性化需求，请通过电子邮件联系我们。

其他说明

• 请在 AgentSearch 项目的根目录下执行命令。
• 用户指南即将推出！

AgentSearch 快速上手指南

AgentSearch 是一个用于构建搜索智能体（Search Agents）的框架，支持将各类大语言模型（LLM）与搜索引擎无缝集成，实现检索增强生成（RAG）、结果摘要及关联查询生成等功能。

环境准备

• 系统要求：支持 Linux、macOS 或 Windows 系统。
• 前置依赖：
  • Python 3.8 或更高版本
  • pip 包管理工具
• API 密钥：需前往 SciPhi 官网 注册并获取免费 API Key。

安装步骤

使用 pip 安装 AgentSearch 库：

pip install agent-search

💡 国内加速建议：若下载缓慢，可使用国内镜像源加速安装：

pip install agent-search -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，配置环境变量以载入 API 密钥：

export SCIPHI_API_KEY=$MY_SCIPHI_API_KEY

(Windows PowerShell 用户请使用：$env:SCIPHI_API_KEY="你的密钥")

基本使用

以下示例展示如何调用预配置的搜索智能体，执行搜索、生成摘要及相关查询：

# Requires SCIPHI_API_KEY in the environment
from agent_search import SciPhi

client = SciPhi()

# Search, then summarize result and generate related queries
agent_summary = client.get_search_rag_response(query='latest news', search_provider='bing', llm_model='SciPhi/Sensei-7B-V1')
print(agent_summary)
# { 'response': '...', 'other_queries': '...', 'search_results': '...' }

该代码将返回包含搜索结果摘要、相关追问建议及原始搜索数据的结构化响应。