要讓 AgentGPT 具備即時網路搜尋與自主資訊檢索能力，研究人員與開發者必須為其推理循環介接外部搜尋工具。大型語言模型（LLM）本質上受限於預訓練知識庫的截止日期，在回答最新事實、動態定價、技術基準測試或競品動向時容易產生幻覺。AgentGPT 的解決之道是將自主任務拆解與工具調用（Tool Calling）深度整合，透過接入 Google Serper API 擷取即時 Google 搜尋資料，剖析搜尋摘要（Snippets），並以遞迴方式驅動後續的研調任務。
不論是使用雲端代管版網頁介面，還是透過 Docker 本地部署開源版本，配置這項能力都需要準備專屬的 API 憑證、正確設定環境變數，並掌握智慧代理人執行搜尋子任務的內部邏輯。
AgentGPT 自主檢索資訊的底層運作機制
AgentGPT 由 Reworkd AI 打造，基於 Next.js、FastAPI 與 LangChain 開發，核心運作架構建立在持續的自主執行迴圈上：規劃（Plan）→ 執行（Execute）→ 觀察（Observe）→ 迭代（Iterate）。
[ 研調目標設定 ]
│
▼
[ 任務規劃器 (LLM) ] ──► [ 生成待執行檢索任務 ]
│
▼
[ AgentGPT 後端工具路由器 ]
│
▼
[ Serper API (Google 搜尋) ]
│
▼
[ 最終研報 / 擴充新任務 ] ◄── [ 解析搜尋摘要與網頁標題 ]
當使用者設定一個高階研究目標時，系統的檢索流程會經歷以下環節：
- 自主拆解任務： 核心規劃模型評估目標，將其細分成一系列具備先後順序的子任務（例如查詢最新技術規格、收集競爭對手定價、匯總業界評測等）。
- 工具匹配判定： 當子任務需要外部真實世界資訊時，智慧代理人執行階段會選擇調用後端的搜尋工具（
reworkd_platform/web/api/agent/tools/search.py），而非僅仰賴模型本身的參數記憶。 - 發送 API 請求： 後端服務向 Serper API 端點（
https://google.serper.dev/search）發起非同步 HTTP POST 請求，傳遞模型提煉出的關鍵搜尋詞。 - 解析與消化結果： 智慧代理人接收包含自然搜尋結果、網頁標題、URL 以及摘要內文的結構化 JSON。LLM 閱讀這些摘要，評估該子任務是否已被充分解答，並將重點發現記錄到執行日誌中。
- 遞迴調整任務佇列： 若檢索結果揭示了新的未知資訊或延伸問題，智慧代理人會在佇列中動態追加新的調查子任務，直到目標達成或達到最大迴圈次數上限。
必要憑證與前置準備
在 AgentGPT 中設定網路搜尋前，需要先準備好以下兩項關鍵服務的 API 金鑰：
| 服務元件 | 服務提供商 | 在 AgentGPT 中的作用 | 取得方式 |
|---|---|---|---|
| 推論大模型 | OpenAI | 負責目標規劃、子任務拆解、工具調用判斷與多方資訊整合（建議使用 gpt-4 或 gpt-3.5-turbo） | 於 OpenAI Platform 建立 API Key |
| 搜尋引擎 API | Serper (serper.dev) | 為後端搜尋工具提供毫秒級 Google 自然搜尋結果與文字摘要 | 註冊 Serper 開發者帳號（新註冊包含 2,500 次免費查詢額度） |
私有端點注意事項： 若企業在內部環境使用 Ollama、vLLM 或 LM Studio 部署私有開源模型，可將 AgentGPT 的 LLM 基礎位址指向相容 OpenAI 格式的本地端點；然而外部網路檢索工具依然需要具備公網連線能力的 Serper API 金鑰以存取搜尋引擎索引。
方法一：在託管版 AgentGPT 中設定網路搜尋
若直接使用瀏覽器造訪線上版 agentgpt.reworkd.ai：
- 開啟設定視窗： 進入平台工作介面，點選左側導覽列的 Settings（齒輪圖示）。
- 輸入主模型金鑰： 在 Model / API Keys 分頁中輸入你的
OPENAI_API_KEY。若無有效的推論金鑰，代理人將無法分解任務與消化檢索結果。 - 填入搜尋服務金鑰： 在整合（Integrations）或 API Keys 區塊找到 Serper API Key 欄位，貼上於
serper.dev取得的有效金鑰。 - 儲存設定： 點選 Save 儲存。託管版 AgentGPT 會將憑證儲存於瀏覽器本機儲存空間（
localStorage），避免將使用者的私有金鑰上傳至中心伺服器。 - 啟動研調測試： 輸入明確的即時研調目標（例如：「檢索網路並列出 2026 年最新發布的三款主流開源 AI Agent 框架及其技術架構差異」），確認執行面板成功發起外部搜尋請求。
方法二：透過 Docker 私有化部署設定（開發者推薦）
針對需要持續穩定執行、不受公網頻率限制或需要客製化底層工具鏈的開發團隊，推薦使用 Docker Compose 進行本地開源版本部署。
第一步：複製官方專案儲存庫
將專案代碼下載至本地開發環境：
git clone https://github.com/reworkd/AgentGPT.git
cd AgentGPT
第二步：設定環境變數
AgentGPT 透過環境變數將機密金鑰注入前端 Next.js 與後端 FastAPI 容器（reworkd_platform）。
複製環境變數範本檔案：
cp .env.example .env
使用文字編輯器開啟 .env，確認以下核心配置已填妥：
# 核心大模型 API Key
OPENAI_API_KEY=sk-your-openai-api-key-here
# 外部網路檢索金鑰 (Serper)
SERPER_API_KEY=your_serper_dev_api_key_here
# 選擇性設定：若有圖片生成需求可填入 Replicate Token
REPLICATE_API_TOKEN=
# 智慧代理人單次任務執行迴圈上限（防止無限遞迴與費用失控）
MAX_LOOPS=10
注意：
SERPER_API_KEY必須填入正確的 Serper 授權金鑰，且呼叫端點應維持為https://google.serper.dev/search。若金鑰遺漏或端點錯誤，後端執行搜尋時會回傳 HTTP403 Forbidden錯誤。
第三步：執行啟動腳本或 Docker Compose
利用專案內建的引導腳本啟動服務：
# Linux / macOS 系統
./setup.sh
# Windows 系統
./setup.bat
亦可直接執行標準 Docker Compose 指令完成建置與啟動：
docker compose up --build
等待前端服務（預設連接埠 3000）與後端 API（預設連接埠 8000）均顯示正常運作的狀態記錄。
第四步：確認搜尋工具載入
於後端日誌中檢查 platform/reworkd_platform/web/api/agent/tools/search.py 是否正常載入。FastAPI 啟動時會檢查環境變數，一旦偵測到 SERPER_API_KEY，系統會自動將 Search 註冊至可用工具列表，讓代理人自動取得聯網檢索權限。
自主資訊檢索的目標設計技巧
自主智慧代理人高度仰賴目標提示詞驅動。若目標定義過於籠統，容易引發漫無邊際的發散搜尋。建議在設定目標時遵循以下原則：
- 精確界定調查範圍與輸出格式： 避免使用「幫我查量子運算」等宏觀語句，應指明具體比較維度與輸出形式：
目標：針對企業級向量資料庫進行自主市場研調。搜尋最新效能評測，找出 3 家領導廠商，整理其定價方案與架構特點，並在結論中列出引用來源 URL。 - 嚴格限制迴圈上限： 在設定或
.env中設定合理的MAX_LOOPS（建議 5 至 10 次），防止代理人在特定議題上陷入死循環並耗盡 API 額度。 - 要求附帶引用來源： 提示代理人在輸出最終綜合報告時必須保留搜尋到的原始網址，以利後續人工交叉驗證。
技術邊界與工程實務考量
在實務中運用 AgentGPT 進行研調時，研究人員與開發者需要正視其底層架構限制：
- 搜尋摘要檢索與完整網頁爬取的差異： AgentGPT 原生的搜尋工具主要仰賴 Serper 回傳的結構化摘要、頁面標題與描述進行語意推理。系統預設並未內建無頭瀏覽器（如 Playwright 或 Puppeteer）以執行深度 JavaScript 動態渲染、多頁點擊或 PDF 下載解析。若需要深度全文挖掘，開發者通常必須在
tools/擴充自訂抓取工具或串接外部爬蟲微服務。 - 上下文視窗與 Token 成本： 多輪搜尋所累積的長文本摘要會迅速佔用模型上下文視窗。使用較小上下文規格的模型可能導致早期關鍵資訊遺失，或產生顯著的 API 費用支出。
- 開源儲存庫維護現況：
reworkd/AgentGPT官方儲存庫已於 2026 年 1 月正式歸檔。既有程式碼依然適合本地私有部署與原型探索；若要打造具備深度多跳推理、複雜網頁互動與工業級容錯的商業流程，業界通常會借鏡 AgentGPT 奠定的輕量工具調用架構，轉向使用更具彈性的新一代框架（如 CrewAI、LangGraph 或 browser-use），搭配 Serper 等專業搜尋 API 建構完整的資訊檢索閉環。