AI导哈

百度AI搜索

百度AI搜索基于百度搜索与AI技术，可提供强大的百度搜索和智能搜索生成能力。 百度搜满足多样的常规搜索需求，用户可获取所需的多模态高质量内容。 智能搜索生成在此基础上提供大模型内容总结，免于纷繁的信息筛选提炼。

  • 云端部署
  • 更新于

使用说明

1. 使用方式

1.1. 添加到AppBuilder应用中使用

可在千帆AppBuilder智能体中添加并使用百度AI搜索MCP服务。

1.2 通过 AppBuilder - SDK

基础搜索能力

import asyncio
from appbuilder.mcp_server.client import MCPClient


async def main():
    client = MCPClient()
    await client.connect_to_server(service_url=service_url)
    print(client.tools)
    result = await client.call_tool("AIsearch", {"query": "上海美食有哪些"})
    print(result)

if __name__ == "__main__":
    service_url = (
        "http://appbuilder.baidu.com/v2/ai_search/mcp/sse?api_key=AppBuilder API Key"
    )
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())

AI 搜索能力

import asyncio
from appbuilder.mcp_server.client import MCPClient


async def main():
    client = MCPClient()
    await client.connect_to_server(service_url=service_url)
    print(client.tools)
    result = await client.call_tool("AIsearch", {"query": "上海美食有哪些", "model": "ernie-3.5-8k"})
    print(result)

if __name__ == "__main__":
    service_url = (
        "http://appbuilder.baidu.com/v2/ai_search/mcp/sse?api_key=AppBuilder API Key"
    )
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())

1.3 通过 cursor

{
    "mcpServers": {
        "AISearch": {
            "url": "http://appbuilder.baidu.com/v2/ai_search/mcp/sse?api_key=AppBuilder API Key"
        }
    }
}

1.4 支持 Streamable Http 协议

{
  "mcpServers": {
    "aisearch-mcp-server": {
      "type": "streamableHttp",
      "description": "搜索实时信息，支持使用大模型进行总结回复。",
      "baseUrl": "https://qianfan.baidubce.com/v2/ai_search/mcp",
      "headers": {
        "Authorization": "Bearer xxxxx"
      }
    }
  }
}

点击获取 AppBuilder API Key。

2. 工具

AI search

搜索实时信息，并使用大模型进行总结回复。

参数：

字段 类型 是否必须 说明
query string 是 搜索查询关键词或短语，用于指定需要搜索的内容。
支持自然语言查询，可以包含多个关键词。Agent应该根据用户意图构建合适的查询语句，确保搜索结果的准确性和相关性。
最佳实践：
1) 使用简洁明确的关键词组合；
2) 对于复杂查询，可以拆分为多个简单查询；
3) 避免使用过于宽泛或模糊的词语。
model string 否 指定是否使用大语言模型对搜索结果进行总结，以及使用哪个模型进行总结。
默认值为空字符串即为基础搜索，直接返回原始搜索结果。
当指定模型名称时（如"ERNIE-3.5-8K"），系统将使用对应的大模型对搜索结果进行智能总结。
此参数会显著影响其他参数的行为：
1) 当未指定时，temperature、top_p等LLM相关参数将失效；
2) 当指定时，搜索结果会经过LLM处理，可能改变原始结果的呈现方式。
最佳实践：
1) 对于需要深入分析或总结的查询，建议使用ERNIE-3.5-8K或更高级的模型；
2) 对于只需要原始搜索结果的查询，保持默认值即可；
3) 根据实际需求选择合适的模型版本。
instruction string 否 用于控制搜索结果输出风格和格式的指令参数。
如：结果排序方式、内容过滤条件、输出格式等。
当未指定时，将使用默认的搜索结果展示方式。
最佳实践：
1) 明确指定需要的输出格式（如列表、摘要等）；
2) 指定结果排序方式（如按时间、相关性等）；
3) 设置内容过滤条件（如排除特定类型的内容）。
temperature float 否 控制模型输出随机性的采样参数，取值范围为(0, 1]。默认值为1e-10。
该参数仅在model参数指定了LLM模型时生效。
参数影响模型输出的多样性和稳定性：
值越大，输出结果越多样化但可能不够稳定；
值越小，输出结果越确定和集中。
最佳实践：
1) 对于事实性查询，建议使用较低的值（如0.1）；
2) 对于创意性内容，可以使用较高的值（如0.7）；
3) 避免使用极端值（接近0或1）。
top_p float 否 控制模型输出多样性的核采样参数，默认值为1e-10。
该参数仅在model参数指定了LLM模型时生效。
参数通过设置累积概率阈值来筛选候选词：
值越小，模型会从更少的候选词中选择，输出更加确定和保守；
值越大，模型会考虑更多的候选词，输出更加多样和创造性。
最佳实践：
1) 通常建议设置为0.7-0.9之间；
2) 与temperature参数配合使用，共同控制输出质量；
3) 对于需要高准确性的场景，建议使用较低的值。
resource_type_filter list 否 指定搜索资源的类型和每种类型返回的结果数量。
默认配置为[{"type": "web","top_k": 10}]，表示只返回网页类型的搜索结果，且最多返回10条。
每种资源类型（web、image、video等）的top_k取值范围为1~10。
例如：
当search_top_k=10且resource_type_filter=[{"type": "web","top_k": 4}]时，实际返回的网页数量为4。
最佳实践：
1) 根据查询需求选择适当的资源类型组合；
2) 合理分配各类型资源的返回数量；
3) 对于多类型查询，建议每种类型设置3-5条结果；
4) 避免请求过多不必要的结果类型。

相关 MCP