Ollama Web Search and Web Fetch API 發佈

Ollama 已推出全新的網頁搜尋 API 與網頁擷取 API，讓大型語言模型 (LLMs) 能夠存取來自網路的即時資訊。這些工具旨在透過最新的網頁數據來增強模型回應，從而減少幻覺並提高回應的準確性。

網頁搜尋與網頁擷取功能

Ollama 現在提供兩種主要的網頁互動工具：用於發現資訊的搜尋 API，以及用於從特定 URL 擷取內容的擷取 API。

網頁搜尋 API

網頁搜尋 API 允許模型查詢網路並接收相關結果列表。它以 REST API 的形式提供，並已整合至 Ollama 的 Python 與 JavaScript 函式庫中。這項功能使模型（例如 gpt-oss 系列）能夠執行長時間的研究任務。

網頁擷取 API

網頁擷取 API 用於檢索個別頁面的內容。當使用者在提示詞中提供特定 URL，或搜尋代理程式需要深入研究特定搜尋結果時，這項功能特別有用。

技術實作與整合

Ollama 提供多種方式將這些搜尋與擷取功能實作到現有的工作流程中。

API 與函式庫存取方式

使用者可以透過以下方式存取這些功能：

  • REST API：使用 cURL 請求至 https://ollama.com/api/web_search 與 https://ollama.com/api/web_fetch。
  • Python Library：使用 ollama.web_search 與 ollama.web_fetch（需要 ollama>=0.6.0）。
  • JavaScript Library：使用 client.webSearch 與 client.webFetch（需要 ollama@>=0.6.0）。

建立搜尋代理程式

Ollama 建議將這些工具與具備強大工具使用能力的模型結合使用。推薦的模型包括 qwen3 與 gpt-oss，以及雲端選項如 qwen3:480b-cloud、gpt-oss:120b-cloud 與 deepseek-v3.1-cloud。

在建立搜尋代理程式時，為了獲得最佳效能，Ollama 建議將模型的上下文長度 (context length) 增加至約 32,000 個 token，因為搜尋與擷取結果可能會回傳數千個 token。

生態系統整合

Ollama 已啟用與 Model Context Protocol (MCP) 的整合，以將網頁搜尋功能擴展至其他 AI 客戶端。

MCP 伺服器支援

透過 Python MCP 伺服器，可以在任何相容於 MCP 的客戶端中啟用網頁搜尋。針對以下工具提供了特定的整合指令：

  • Cline：透過 MCP 伺服器設定，使用 uv 來執行 MCP 伺服器腳本。
  • Codex：透過 ~/.codex/config.toml 檔案進行設定。
  • Goose：透過 Goose 的擴充功能進行整合。

價格與存取權限

網頁搜尋功能可供個人使用者透過與 Ollama 帳戶關聯的優渥免費層級使用。對於透過 Ollama 雲端訂閱升級的使用者，則提供更高的速率限制 (rate limits)。

Sources

相關