网页搜索与提取
AigenLabs Agent 内置两个可供模型调用的网页工具，由多个提供商支持：
web_search— 搜索网页并返回排序结果web_extract— 从一个或多个 URL 获取并提取可读内容
两者均通过单一后端选择进行配置。提供商可通过 aigenlabs tools 选择，或直接在 config.yaml 中设置。
后端
| 提供商 | 环境变量 | 搜索 | 提取 | 免费层级 |
|---|---|---|---|---|
| Firecrawl（默认） | FIRECRAWL_API_KEY | ✔ | ✔ | 500 积分/月 |
| SearXNG | SEARXNG_URL | ✔ | — | ✔ 免费（自托管） |
| Brave Search（免费层级） | BRAVE_SEARCH_API_KEY | ✔ | — | 2 000 次查询/月 |
| DDGS (DuckDuckGo) | —（无需密钥） | ✔ | — | ✔ 免费 |
| Tavily | TAVILY_API_KEY | ✔ | ✔ | 1 000 次搜索/月 |
| Exa | EXA_API_KEY | ✔ | ✔ | 1 000 次搜索/月 |
| Parallel | PARALLEL_API_KEY | ✔ | ✔ | 付费 |
| xAI (Grok) | XAI_API_KEY 或 aigenlabs auth login xai-oauth | ✔ | — | 付费（SuperGrok 或按 token 计费） |
Brave Search、DDGS 和 xAI 均为仅搜索——如果同时需要 web_extract，可将其中任意一个与 Firecrawl/Tavily/Exa/Parallel 配合使用。DDGS 底层使用 ddgs Python 包；若尚未安装，请运行 pip install ddgs（或让 AigenLabs 在首次使用时懒加载安装）。xAI 通过 Responses API 运行 Grok 服务端的 web_search 工具——结果由 LLM 生成而非基于索引，因此标题、描述和 URL 选择均为模型输出（参见下方信任模型说明）。
按能力拆分： 搜索和提取可分别使用不同的提供商——例如搜索使用 SearXNG（免费），提取使用 Firecrawl。详见下方按能力配置。
如果您拥有付费 Nous Portal 订阅，网页搜索和提取可通过 Tool Gateway 使用托管的 Firecrawl——无需 API 密钥。新安装可运行 aigenlabs setup --portal 登录并一次性开启所有 gateway 工具；现有安装可通过 aigenlabs tools 单独开启网页功能。
web_extract 如何处理长页面
后端返回的原始页面 markdown 可能非常庞大（论坛帖子、文档站点、带嵌入评论的新闻文章）。为保持上下文窗口可用并降低成本，web_extract 在将内容交给 agent 之前，会通过 web_extract 辅助模型对返回内容进行处理。行为完全由大小决定：
| 页面大小（字符数） | 处理方式 |
|---|---|
| 5 000 以下 | 原样返回——不调用 LLM，完整 markdown 直达 agent |
| 5 000 – 500 000 | 通过 web_extract 辅助模型单次摘要，输出上限约 5 000 字符 |
| 500 000 – 2 000 000 | 分块处理：拆分为 10 万字符的块，并行摘要每块，再合成最终摘要（约 5 000 字符） |
| 超过 2 000 000 | 拒绝处理，并提示使用更具体的来源 URL |
摘要保留引用、代码块和关键事实的原始格式——它是内容压缩器，而非改写器。如果摘要失败或超时，AigenLabs 会回退到原始内容的前约 5 000 字符，而非返回无用的错误信息。
哪个模型负责摘要？
web_extract 辅助任务。默认情况下（auxiliary.web_extract.provider: "auto"），使用您的主聊天模型——与 aigenlabs model 相同的提供商和模型。对大多数配置而言这没问题，但在昂贵的推理模型（Opus、MiniMax M2.7 等）上，每次长页面提取都会产生可观的成本。
若要将提取摘要路由到廉价快速的模型，无论主模型是什么：
# ~/.aigenlabs/config.yaml
auxiliary:
web_extract:
provider: openrouter
model: google/gemini-3-flash-preview
timeout: 360 # 秒；如果遇到摘要超时，请调大此值
或交互式选择：aigenlabs model → Configure auxiliary models → web_extract。
完整参考和按任务覆盖模式，请参阅辅助模型。
摘要处理不适用的情况
如果您明确需要原始、未经摘要的页面内容——例如正在抓取结构化页面，LLM 摘要会丢失重要字段——请改用 browser_navigate + browser_snapshot。浏览器工具返回实时无障碍树，不经辅助模型改写（在超大页面上受其自身 8 000 字符快照上限约束）。
设置
通过 aigenlabs tools 快速设置
运行 aigenlabs tools，导航至 Web Search & Extract，选择一个提供商。向导会提示输入所需的 URL 或 API 密钥，并写入您的配置。
aigenlabs tools
Firecrawl（默认）
功能完整的搜索和提取。推荐大多数用户使用。
# ~/.aigenlabs/.env
FIRECRAWL_API_KEY=fc-your-key-here
在 firecrawl.dev 获取密钥。免费层级包含每月 500 积分。
自托管 Firecrawl： 指向您自己的实例而非云端 API：
# ~/.aigenlabs/.env
FIRECRAWL_API_URL=http://localhost:3002
设置 FIRECRAWL_API_URL 后，API 密钥为可选项（使用 USE_DB_AUTHENTICATION=false 禁用服务器认证）。
SearXNG（免费，自托管）
SearXNG 是一个注重隐私的开源元搜索引擎，聚合来自 70 多个搜索引擎的结果。无需 API 密钥——只需将 AigenLabs 指向一个运行中的 SearXNG 实例。
SearXNG 为仅搜索——web_extract 需要单独的提取提供商。
方案 A — 使用 Docker 自托管（推荐）
这为您提供无速率限制的私有实例。
1. 创建工作目录：
mkdir -p ~/searxng/searxng
cd ~/searxng
2. 编写 docker-compose.yml：
# ~/searxng/docker-compose.yml
services:
searxng:
image: searxng/searxng:latest
container_name: searxng
ports:
- "8888:8080"
volumes:
- ./searxng:/etc/searxng:rw
environment:
- SEARXNG_BASE_URL=http://localhost:8888/
restart: unless-stopped
3. 启动容器：
docker compose up -d
4. 启用 JSON API 格式：
SearXNG 默认禁用 JSON 输出。复制生成的配置并启用它：
# 从容器中复制自动生成的配置
docker cp searxng:/etc/searxng/settings.yml ~/searxng/searxng/settings.yml
打开 ~/searxng/searxng/settings.yml，找到 formats 块（约第 84 行）：
# 修改前（默认——JSON 已禁用）：
formats:
- html
# 修改后（为 AigenLabs 启用 JSON）：
formats:
- html
- json
5. 重启以应用更改：
docker cp ~/searxng/searxng/settings.yml searxng:/etc/searxng/settings.yml
docker restart searxng
6. 验证是否正常工作：
curl -s "http://localhost:8888/search?q=test&format=json" | python3 -c \
"import sys,json; d=json.load(sys.stdin); print(f'{len(d[\"results\"])} results')"
您应该看到类似 10 results 的输出。如果收到 403 Forbidden，说明 JSON 格式仍未启用——请重新检查第 4 步。
7. 配置 AigenLabs：
# ~/.aigenlabs/.env
SEARXNG_URL=http://localhost:8888
然后在 ~/.aigenlabs/config.yaml 中选择 SearXNG 作为搜索后端：
web:
search_backend: "searxng"
或通过 aigenlabs tools → Web Search & Extract → SearXNG 设置。
方案 B — 使用公共实例
公共 SearXNG 实例列表见 searx.space。筛选已启用 JSON 格式的实例（表格中有显示）。
# ~/.aigenlabs/.env
SEARXNG_URL=https://searx.example.com
公共实例有速率限制、可用性不稳定，且可能随时禁用 JSON 格式。生产环境强烈建议自托管。
将 SearXNG 与提取提供商配合使用
SearXNG 负责搜索；web_extract 需要单独的提供商。使用按能力配置的键：
# ~/.aigenlabs/config.yaml
web:
search_backend: "searxng"
extract_backend: "firecrawl" # 或 tavily、exa、parallel
使用此配置，AigenLabs 对所有搜索查询使用 SearXNG，对 URL 提取使用 Firecrawl——将免费搜索与高质量提取相结合。
Tavily
针对 AI 优化的搜索和提取，免费层级慷慨。
# ~/.aigenlabs/.env
TAVILY_API_KEY=tvly-your-key-here
在 app.tavily.com 获取密钥。免费层级包含每月 1 000 次搜索。
Exa
具有语义理解的神经搜索。适合研究和查找概念相关内容。
# ~/.aigenlabs/.env
EXA_API_KEY=your-exa-key-here
在 exa.ai 获取密钥。免费层级包含每月 1 000 次搜索。
Parallel
具备深度研究能力的 AI 原生搜索和提取。
# ~/.aigenlabs/.env
PARALLEL_API_KEY=your-parallel-key-here
在 parallel.ai 申请访问权限。
xAI (Grok)
通过 Responses API 将 web_search 路由至 Grok 服务端的 web_search 工具。Grok 执行实际搜索并以结构化 JSON 返回最佳结果。
支持两种凭证路径——无需新的环境变量，无需新的设置向导：
# ~/.aigenlabs/.env（环境变量路径）
XAI_API_KEY=sk-xai-your-key-here
或对于 SuperGrok 订阅用户：
aigenlabs auth login xai-oauth
然后选择 xAI 作为搜索后端：
# ~/.aigenlabs/config.yaml
web:
backend: "xai"
可选配置项：
web:
backend: "xai"
xai:
model: grok-4.3 # web_search 所需的推理模型（默认）
allowed_domains: # 可选，最多 5 个——与 excluded_domains 互斥
- arxiv.org
excluded_domains: # 可选，最多 5 个
- example-spam.com
timeout: 90 # 秒（默认）
仅搜索——如果同时需要 web_extract，请与 Firecrawl / Tavily / Exa / Parallel 配合使用。遇到 401 时，提供商会执行一次强制 OAuth token 刷新并重试（覆盖窗口中途吊销和主动过期检查无法解码的不透明 token）；环境变量凭证跳过重试。
与基于索引的提供商（Brave、Tavily、Exa）返回逐字搜索引擎结果不同，xAI 是由 LLM 选择要呈现的 URL 并自行撰写标题和描述。查询的内容会影响输出，因此恶意构造的查询（例如通过 agent 获取的不可信上游输入注入）原则上可以引导 Grok 输出攻击者指定的 URL。对返回的 URL 应与对待任何模型生成链接一样——在获取前进行验证，尤其是当查询来自不可信输入时。
配置
单一后端
为所有网页功能设置一个提供商：
# ~/.aigenlabs/config.yaml
web:
backend: "searxng" # firecrawl | searxng | brave-free | ddgs | tavily | exa | parallel | xai
按能力配置
搜索和提取使用不同的提供商。这允许您将免费搜索（SearXNG）与付费提取提供商组合使用，反之亦然：
# ~/.aigenlabs/config.yaml
web:
search_backend: "searxng" # 由 web_search 使用
extract_backend: "firecrawl" # 由 web_extract 使用
当按能力键为空时，两者均回退到 web.backend。当 web.backend 也为空时，后端根据存在的 API 密钥/URL 自动检测。
优先级顺序（按能力）：
web.search_backend/web.extract_backend（显式按能力配置）web.backend（共享回退）- 从环境变量自动检测
自动检测
如果未显式配置后端，AigenLabs 根据已设置的凭证选择第一个可用的后端：
| 存在的凭证 | 自动选择的后端 |
|---|---|
FIRECRAWL_API_KEY 或 FIRECRAWL_API_URL | firecrawl |
PARALLEL_API_KEY | parallel |
TAVILY_API_KEY | tavily |
EXA_API_KEY | exa |
SEARXNG_URL | searxng |
xAI Web Search 不在自动检测链中——设置了 XAI_API_KEY（或通过 xAI Grok OAuth 登录）不会自动将网页流量路由至 xAI，因为这些凭证同时用于推理/TTS/图像生成，用户可能希望为网页使用不同的后端。请通过 web.backend: "xai" 显式启用。
验证设置
运行 aigenlabs setup 查看检测到的网页后端：
✅ Web Search & Extract (searxng)
或通过 CLI 检查：
# 激活 venv 并直接运行网页工具模块
source ~/.aigenlabs/aigenlabs-agent/.venv/bin/activate
python -m tools.web_tools
这将打印活动后端及其状态：
✅ Web backend: searxng
Using SearXNG (search only): http://localhost:8888
故障排查
web_search 返回 {"success": false}
- 检查
SEARXNG_URL是否可达：curl -s "http://localhost:8888/search?q=test&format=json" - 如果收到 HTTP 403，说明 JSON 格式已禁用——在
settings.yml的formats列表中添加json并重启 - 如果收到连接错误，容器可能未运行：
docker ps | grep searxng
web_extract 提示"search-only backend"
SearXNG 无法提取 URL 内容。将 web.extract_backend 设置为支持提取的提供商：
web:
search_backend: "searxng"
extract_backend: "firecrawl" # 或 tavily / exa / parallel
SearXNG 返回 0 条结果
部分公共实例禁用了某些搜索引擎或分类。请尝试：
- 换一个查询词
- 从 searx.space 换一个公共实例
- 自托管实例以获得稳定结果
公共实例遭遇速率限制
切换到自托管实例（参见上方方案 A）。使用 Docker，您自己的实例没有速率限制。
web_extract 返回截断内容并附有"summarization timed out"提示
辅助模型未能在配置的超时时间内完成摘要。可以：
- 在
config.yaml中调大auxiliary.web_extract.timeout（新安装默认 360 秒，若键缺失则为 30 秒） - 将
web_extract辅助任务切换到更快的模型（例如google/gemini-3-flash-preview）——参见web_extract如何处理长页面 - 对于摘要处理不适用的页面，改用
browser_navigate
可选技能：searxng-search
对于需要直接通过 curl 使用 SearXNG 的 agent（例如作为网页工具集不可用时的回退），请安装 searxng-search 可选技能：
aigenlabs skills install official/research/searxng-search
这将添加一个技能，教 agent 如何：
- 通过
curl或 Python 调用 SearXNG JSON API - 按分类筛选（
general、news、science等） - 处理分页和错误情况
- 在 SearXNG 不可达时优雅降级