成功注册Google的SerpAPI实现AI Agent的tool

本文涉及的产品
应用实时监控服务-应用监控,每月50GB免费额度
云原生网关 MSE Higress,422元/月
应用实时监控服务-可观测链路OpenTelemetry版,每月50GB免费额度
简介: 成功注册Google的SerpAPI实现AI Agent的tool

成功注册Google的SerpAPI实现AI Agent的tool

最近研究AI Agent,发现需要serper api进行让AI Agent可以搜索网页,但是发现怎么搜都找不到正经注册的地方,因此把自己的注册经历记录一下。

聊聊一个非常实用的工具——Google的Serper API,也就是SerpAPI。在进行AI Agent的开发的时候,SerpAPI是一个非常常用的tool,让我们一起来看看它都有哪些本事。

1. API 简介

SerpApi 是一个专门针对Google搜索结果页面(SERP)的API服务。通过这个API,我们可以获取到Google搜索的各种数据,包括但不限于搜索结果、位置、时间等信息。

2. 核心功能

  • 搜索结果获取:获取Google搜索的有机结果。
  • 结构化数据:提供搜索结果的结构化数据,方便解析和分析。
  • 多语言支持:支持多种语言的搜索结果获取。

3. 技术优势

  • 实时性:API请求会即时运行,无需等待,获取最新的搜索结果。
  • 全球定位:可以指定地理位置获取特定地区的搜索结果。
  • 多设备支持:模拟不同设备的搜索结果,如桌面、平板、手机等。

4. 数据格式

返回的数据通常以JSON格式提供,这种格式易于解析,非常适合自动化测试和数据分析。

5. 测试用例设计要点

  • 参数有效性:测试不同的查询参数组合,确保API能够正确处理。
  • 结果验证:验证返回的搜索结果是否与预期一致。
  • 性能评估:测试API的响应时间和稳定性。
  • 异常测试:模拟网络延迟、错误的API密钥等异常情况。

6. 示例代码

google-search-results 是一个 Python 包,它提供了对 Google 搜索结果的访问。这个包允许用户通过 Python 代码直接获取 Google 搜索结果,而不需要手动进行搜索或解析网页。它通过 SerpApi(一个实时 Google 搜索结果的 API)来实现这一功能。
https://serper.dev/可以注册一个账号,免费提供2500次的接口调用,那么对于尝试AI Agent已经足够用了。注册完成后,将其配置到.env环境变量的文件中,然后使用crewAI的实现AI Agent,通过Tool 调用SerpAPI,代码如下。

import warnings
warnings.filterwarnings("ignore")
from dotenv import load_dotenv, find_dotenv
import os


_=load_dotenv(find_dotenv())
api_base = os.getenv("OPENAI_API_BASE")
model_name=os.getenv("OPENAI_MODEL_NAME")
api_key=os.getenv("OPENAI_API_KEY")
serper_api_key = os.getenv("SERPER_API_KEY")

os.environ["OPENAI_API_KEY"] = api_key
os.environ["OPENAI_API_BASE"]=api_base
os.environ["OPENAI_MODEL_NAME"]=model_name
os.environ["SERPER_API_KEY"]=serper_api_key

from crewai import Agent, Task, Crew
from crewai_tools import SerperDevTool

research_agent = Agent(
  role='Researcher',
  goal='Find and summarize the latest AI news',
  backstory="""You're a researcher at a large company.
  You're responsible for analyzing data and providing insights
  to the business.""",
  verbose=False
)

search_tool = SerperDevTool()

task = Task(
  description='Find and summarize the latest AI news',
  expected_output='A bullet list summary of the top 5 most important AI news',
  agent=research_agent,
  tools=[search_tool]
)

crew = Crew(
    agents=[research_agent],
    tasks=[task],
    verbose=2
)

result = crew.kickoff()
print(result)

同时在官方的dashboard中可以看到用量。

7. 总结

SerpApi 是一个强大的工具,它能够帮助我们深入理解Google搜索结果,为我们的测试工作提供了极大的便利。掌握好这个工具,你的测试用例将更加全面和精准。

目录
相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
谷歌最新推出的Gemini 2.0是一款原生多模态输入输出的AI模型,以Agent技术为核心,支持多种数据类型的输入与输出,具备强大的性能和多语言音频输出能力。本文将详细介绍Gemini 2.0的主要功能、技术原理及其在多个领域的应用场景。
112 20
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
|
10天前
|
人工智能 API 语音技术
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
TEN Agent 是一个开源的实时多模态 AI 代理框架,集成了 OpenAI Realtime API 和 RTC 技术,支持语音、文本和图像的多模态交互,具备实时通信、模块化设计和多语言支持等功能,适用于智能客服、实时语音助手等多种场景。
94 15
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
|
19天前
|
人工智能 自然语言处理 JavaScript
Agent-E:基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
Agent-E 是一个基于 AutoGen 代理框架构建的智能自动化系统,专注于浏览器内的自动化操作。它能够执行多种复杂任务,如填写表单、搜索和排序电商产品、定位网页内容等,从而提高在线效率,减少重复劳动。本文将详细介绍 Agent-E 的功能、技术原理以及如何运行该系统。
68 5
Agent-E:基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
|
1月前
|
存储 人工智能 自然语言处理
AI经营|多Agent择优生成商品标题
商品标题中关键词的好坏是商品能否被主搜检索到的关键因素,使用大模型自动优化标题成为【AI经营】中的核心能力之一,本文讲述大模型如何帮助商家优化商品素材,提升商品竞争力。
125 13
AI经营|多Agent择优生成商品标题
|
19天前
|
人工智能 自然语言处理 数据挖掘
田渊栋团队新作祭出Agent-as-a-Judge!AI智能体自我审判,成本暴跌97%
田渊栋团队提出Agent-as-a-Judge框架,利用智能体自身评估其他智能体的性能,不仅关注最终结果,还能提供中间反馈,更全面准确地反映智能体的真实能力。该框架在DevAI基准测试中表现出色,成本效益显著,为智能体的自我改进提供了有力支持。
35 7
|
27天前
|
人工智能 自然语言处理 搜索推荐
🤖【多Agent大爆炸】——灵活调用与实践指南,解锁AI协作新技能!
本文深入探讨了单Agent与多Agent在不同场景下的应用及优势,通过实例讲解多Agent如何实现高效协作,涵盖智能物流、教育、医疗等多个领域的实际应用,旨在帮助开发者掌握多Agent系统的调用与实践技巧。
94 5
|
27天前
|
机器学习/深度学习 传感器 人工智能
2024.11|全球具身智能的端到端AI和具身Agent技术发展到哪里了
2024年,具身智能领域取得显著进展,特别是在端到端AI控制系统和多模态感知技术方面。这些技术不仅推动了学术研究的深入,也为科技公司在实际应用中带来了突破。文章详细介绍了端到端AI的演化、自监督学习的应用、多模态感知技术的突破、基于强化学习的策略优化、模拟环境与现实环境的迁移学习、长程任务规划与任务分解、人机协作与社会交互能力,以及伦理与安全问题。未来几年,具身智能将在多模态感知、自监督学习、任务规划和人机协作等方面继续取得重要突破。
67 2
|
1月前
|
JSON 数据可视化 知识图谱
基于百炼 qwen plus 、开源qwen2.5 7B Instruct 建非schema限定的图谱 用于agent tool的图谱形式结构化 文本资料方案
基于百炼 qwen plus 的上市企业ESG图谱构建工作,通过调用阿里云的 OpenAI 服务,从 Excel 文件读取上市公司 ESG 报告数据,逐条处理并生成知识图谱,最终以 YAML 格式输出。该过程包括数据读取、API 调用、结果处理和文件保存等步骤,确保生成的知识图谱全面、动态且结构清晰。此外,还提供了基于 Pyvis 的可视化工具,将生成的图谱以交互式图形展示,便于进一步分析和应用。
358 3
|
2月前
|
人工智能 JSON API
利用TTS技术让你的AI Agent发声
【10月更文挑战第5天】
108 4
利用TTS技术让你的AI Agent发声
|
1月前
|
人工智能 测试技术 Windows
Windows 竞技场:面向下一代AI Agent的测试集
【10月更文挑战第25天】随着人工智能的发展,大型语言模型(LLMs)在多模态任务中展现出巨大潜力。为解决传统基准测试的局限性,研究人员提出了Windows Agent Arena,一个在真实Windows操作系统中评估AI代理性能的通用环境。该环境包含150多个多样化任务,支持快速并行化评估。研究团队还推出了多模态代理Navi,在Windows领域测试中成功率达到19.5%。尽管存在局限性,Windows Agent Arena仍为AI代理的评估和研究提供了新机遇。
45 3