Parallel 是一个为 LLM 和 AI 应用构建的实时网络搜索和内容提取平台。
ParallelSearchTool 调用 Parallel 的 Search API，该 API 将传统的搜索 → 抓取 → 提取流程合并为一次调用，并返回结构化的、针对 LLM 优化的摘要。
ParallelSearchTool 是规范的类名。早期的 ParallelWebSearchTool 仍可作为同一类的别名使用。需要一个可直接放入 RAG 链的 BaseRetriever？请参阅 ParallelSearchRetriever。集成详情
该集成位于 langchain-parallel 包中。
pip install -U langchain-parallel
PARALLEL_API_KEY：
import getpass
import os
if not os.environ.get("PARALLEL_API_KEY"):
os.environ["PARALLEL_API_KEY"] = getpass.getpass("Parallel API key:\n")
实例化
from langchain_parallel import ParallelSearchTool
tool = ParallelSearchTool()
# 或者传递显式密钥 / 覆盖基础 URL：
# tool = ParallelSearchTool(
# api_key="your-api-key",
# base_url="https://api.parallel.ai", # 默认值
# )
使用参数直接调用
该工具需要 search_queries（一个或多个关键词字符串）。可将其与 objective 配对以获得更丰富的相关性排序，并根据需要添加域名过滤、获取策略和其他设置。
result = tool.invoke(
{
"search_queries": [
"AI breakthroughs 2026",
"machine learning advances",
"generative AI news",
],
"objective": "What are the latest developments in AI?",
"max_results": 8,
"excerpts": {"max_chars_per_result": 2000},
"mode": "advanced",
"source_policy": {
"include_domains": ["arxiv.org", "nature.com"],
"exclude_domains": ["reddit.com", "twitter.com"],
},
"fetch_policy": {
"max_age_seconds": 86400,
"timeout_seconds": 60,
},
"include_metadata": True,
}
)
print(f"Found {len(result['results'])} results")
for r in result["results"][:3]:
print(r["title"], "—", r["url"])
Found 8 results
Latest AI Developments 2026 — https://arxiv.org/abs/...
...
mode="basic" 是延迟较低的设置；mode="advanced" 运行更高质量的搜索。
使用模型生成的 ToolCall 调用会返回一个 ToolMessage：
model_generated_tool_call = {
"args": {
"search_queries": [
"climate change initiatives",
"global climate policy 2026",
],
"objective": "Find recent news about climate change initiatives",
"max_results": 3,
"source_policy": {
"include_domains": ["ipcc.ch", "unfccc.int", "nature.com"],
},
"include_metadata": True,
},
"id": "call_123",
"name": tool.name, # "parallel_web_search"
"type": "tool_call",
}
result = tool.invoke(model_generated_tool_call)
异步用法
async def search_async():
return await tool.ainvoke(
{
"search_queries": ["quantum computing breakthroughs"],
"objective": "Latest quantum computing breakthroughs",
"max_results": 5,
}
)
result = await search_async()
search_queries：关键词字符串列表（每个 3-6 个词效果最佳）。
objective：检索目标的自然语言描述。max_results：返回的结果数量（默认 10）。excerpts：每个结果的摘要设置，例如 {"max_chars_per_result": 1500}。mode："basic"（延迟较低）或 "advanced"（质量更高）。source_policy：域名过滤。接受 SourcePolicy pydantic 模型或包含 include_domains / exclude_domains / after_date 的原始字典。fetch_policy：缓存控制，例如 {"max_age_seconds": 86400, "timeout_seconds": 60}。max_chars_total：所有结果组合摘要长度的上限。client_model / session_id / location：转发给 Parallel 用于下游归因和个性化。include_metadata：在响应中包含客户端计时信息（默认 True）。timeout：每个请求的超时时间（秒）。
SourcePolicy pydantic 模型
SourcePolicy 映射了 API 的 include_domains / exclude_domains / after_date。使用它可获得类型安全；也接受原始字典。
from langchain_parallel import SourcePolicy
result = tool.invoke({
"search_queries": ["renewable energy policy Europe"],
"source_policy": SourcePolicy(
include_domains=["europa.eu", "iea.org", "irena.org"],
exclude_domains=["wikipedia.org", "reddit.com"],
),
"max_results": 15,
})
链式调用
将该工具绑定到任何支持工具调用的聊天模型，并使用 create_agent 驱动代理：
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
llm = init_chat_model(model="claude-opus-4-7")
agent = create_agent(model=llm, tools=[tool])
agent.invoke({"messages": [("human", "What are the latest breakthroughs in quantum computing?")]})
ChatParallel 本身不支持工具调用。请将其用作链中的研究助手，或与其他支持工具调用的模型一起使用 Parallel 搜索/提取工具。
响应格式
{
"search_id": "search_abc123...",
"session_id": "sess_...",
"results": [
{
"url": "https://example.com/page",
"title": "Page Title",
"publish_date": "2026-04-01",
"excerpts": [
"First relevant excerpt...",
"Second relevant excerpt...",
],
},
],
"warnings": [...],
"usage": {...},
"search_metadata": { # 当 include_metadata=True（默认）时由本工具添加
"search_duration_seconds": 2.451,
"search_timestamp": "2026-04-15T10:30:00",
"actual_results_returned": 5,
},
}
API 参考
详细文档请访问 ParallelSearchTool API 参考或 Parallel Search 参考。
连接这些文档 到 Claude、VSCode 等，通过 MCP 获取实时答案。 
