Nimble 搜索

Nimble 的搜索 API 提供实时网络搜索，通过无头浏览器浏览实时网络，而不是查询预构建的索引。该工具处理 JavaScript 渲染、动态内容和复杂的导航流程，使其适用于需要访问当前网络数据的代理工作流，包括分页、过滤器和客户端渲染后的内容。

概述

集成详情

类	包	可序列化	JS 支持	包最新版本
NimbleSearchTool	langchain-nimble	❌	❌

工具功能

返回工件	原生异步	返回数据	定价
❌	✅	title, URL, content (markdown/plain_text/HTML), metadata	提供免费试用

主要功能：

• 快速模式与深度模式：深度模式（默认）用于完整内容提取并启用 JavaScript 渲染，或快速模式用于仅获取 SERP 结果的快速响应
• AI 生成的摘要：可选的简洁答案，附带原始搜索结果
• 域名和日期过滤：按特定域名或日期范围过滤以获得精确结果
• 基于主题的路由：针对通用、新闻或基于位置的查询进行优化路由
• 灵活的输出格式：plain_text、markdown（默认）或 simplified_html
• 生产就绪：原生异步支持、自动重试、连接池

设置

该集成位于 langchain-nimble 包中。

pip

pip install -U langchain-nimble

凭据

您需要一个 Nimble API 密钥才能使用此工具。在 Nimble 注册以获取您的 API 密钥并访问其免费试用。

import getpass
import os

if not os.environ.get("NIMBLE_API_KEY"):
    os.environ["NIMBLE_API_KEY"] = getpass.getpass("Nimble API key:\n")

实例化

现在我们可以实例化工具：

from langchain_nimble import NimbleSearchTool

# Basic usage - uses environment variable for API key
tool = NimbleSearchTool()

在代理中使用

我们可以将 Nimble 搜索工具与代理一起使用，为其赋予动态网络搜索能力。以下是使用 LangGraph 的完整示例：

import os
import getpass

from langchain_nimble import NimbleSearchTool
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model

if not os.environ.get("OPENAI_API_KEY"):
    os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API key:\n")
if not os.environ.get("NIMBLE_API_KEY"):
    os.environ["NIMBLE_API_KEY"] = getpass.getpass("Nimble API key:\n")

# Initialize Nimble Search Tool with deep search for comprehensive results
nimble_tool = NimbleSearchTool(
    k=5,
    deep_search=True,
    parsing_type="markdown"
)

# Create agent with the tool
model = init_chat_model(model="gpt-4o", model_provider="openai", temperature=0)
agent = create_agent(model, [nimble_tool])

# Ask the agent a question that requires web search
user_input = "What are the latest developments in quantum computing? Include only sources from academic institutions and reputable tech publications."

for step in agent.stream(
    {"messages": user_input},
    stream_mode="values",
):
    step["messages"][-1].pretty_print()

================================ Human Message =================================

What are the latest developments in quantum computing? Include only sources from academic institutions and reputable tech publications.

================================== Ai Message ==================================
Tool Calls:
  nimble_search (call_abc123)
 Call ID: call_abc123
  Args:
    query: quantum computing latest developments 2025
    deep_search: True
    include_domains: ['mit.edu', 'stanford.edu', 'nature.com', 'science.org', 'ieee.org']
    k: 5

================================= Tool Message =================================
Name: nimble_search

[{"title": "Breakthrough in Quantum Error Correction | MIT News", "url": "https://news.mit.edu/quantum-error-correction", "content": "# Quantum Error Correction Breakthrough\n\nResearchers at MIT have achieved a significant milestone in quantum error correction...\n\n## Key Findings\n- New error correction codes reduce computational overhead\n- Scalability improvements for larger quantum systems...", "rank": 1}, {"title": "Quantum Computing Advances | Nature", "url": "https://www.nature.com/articles/quantum-2024"...

================================== Ai Message ==================================

Based on recent academic and technical sources, here are the latest developments in quantum computing:

**Error Correction:**
- MIT researchers have achieved breakthroughs in quantum error correction
- New codes significantly reduce computational overhead

**Hardware Advances:**
- Improved qubit coherence times and stability
- Progress toward fault-tolerant quantum computing...
[Agent continues with comprehensive summary]

高级配置

该工具支持广泛的配置以适应不同的用例：

参数	类型	默认值	描述
num_results	int	10	返回结果的最大数量 (1-20)
deep_search	bool	True	深度模式（默认）用于完整内容提取，或快速模式（False）用于仅 SERP 结果
topic	str	”general”	针对特定内容类型优化搜索：“general”、“news”或”location”
include_answer	bool	False	在搜索结果旁生成 AI 驱动的总结答案
include_domains	list[str]	None	白名单特定域名（例如 [“wikipedia.org”, “.edu”]）
exclude_domains	list[str]	None	黑名单特定域名以过滤掉
start_date	str	None	过滤日期之后的结果 (YYYY-MM-DD 或 YYYY)
end_date	str	None	过滤日期之前的结果 (YYYY-MM-DD 或 YYYY)
parsing_type	str	”markdown”	输出格式：“plain_text”、“markdown”或”simplified_html”
locale	str	”en”	搜索区域设置（例如 “en-US”）
country	str	”US”	本地化结果的国家代码（例如 “US”）
api_key	str	env var	Nimble API 密钥（默认为 NIMBLE_API_KEY 环境变量）

最佳实践

快速模式与深度模式

• 深度模式 (deep_search=True, 默认):

  • 从网页中提取完整内容
  • 最适合详细分析、RAG 应用和综合研究
  • 处理 JavaScript 渲染和动态内容

• 快速模式 (deep_search=False):

  • 快速获取仅包含标题和摘要的 SERP 结果
  • 针对速度至关重要的海量查询进行了优化
  • 单次查询成本更低

何时使用 include_answer

• 当您希望在原始搜索结果之外获得简洁的 AI 生成摘要时，启用 include_answer=True
• 无需自行处理所有原始内容即可获得快速见解，非常有用

过滤技巧

• 域名过滤：使用 include_domains 进行学术研究或需要可信来源时。使用 exclude_domains 过滤不需要的内容类型
• 日期过滤：结合 start_date 和 end_date 用于对时间敏感的查询或最新新闻
• 主题路由：使用 topic 参数优化通用网络内容、新闻文章或基于位置信息的搜索

性能优化

• 选择合适的模式：对于速度至关重要的海量查询使用快速模式 (deep_search=False)；对于完整内容提取使用深度模式（默认）
• 并发运行多个搜索时使用异步操作 (ainvoke)
• 将 num_results 调整为所需的最小结果数以减少响应时间
• 利用域名过滤专注于高质量来源并减少噪音

API 参考

有关所有 NimbleSearchRetriever 功能和配置的详细文档，请访问 Nimble API 文档。

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.