AnySearch：第一款不打算给人类看结果的搜索 API，专为 AI Agent 而生_边学边练

AnySearch：第一款不打算给人类看结果的搜索 API，专为 AI Agent 而生

2026 年 5 月 11 日，来自香港的开发团队上线了一款极具颠覆性的产品 —— AnySearch。

与传统的搜索引擎（如 Google、Bing）或现有的 AI 搜索引擎（如 Perplexity）不同，AnySearch 完全不打算为人类用户提供结果展示页。它是一款纯粹的、目标读者从「人类」彻底换成「AI Agent（智能体）」的搜索 API。

产品上线仅仅一周，便冲上了知名开发者平台 Skills.sh 热榜 TOP 1，每天为开发者提供 1000 次的免费调用额度。在 Agent 开发者生态圈内，它迅速引发了一场关于“下一代检索基础设施”的广泛讨论。

搜索的本质变革：当读者从“人类”变成“Agent”

在过去的互联网时代，搜索引擎是“人与海量信息的连接器”。为了迎合人类的阅读习惯，传统的搜索 API（如 Brave Search、Tavily、Exa）或多或少都保留了对人类界面的妥协 —— 它们返回的是网页标题、URL 以及长篇大论的网页内容摘要（Snippets）。

然而，当 AI Agent 成为调用搜索引擎的主体时，这种设计显得极其臃肿且低效：

1. Token 浪费严重：Agent 需要耗费大量的输入 Token 去阅读掺杂着 SEO 垃圾信息、广告链接和无关排版的长文本，然后再通过昂贵的大模型推理去清洗、提取其中的关键字段。

2. 格式极其不稳定：由于网页结构千差万别，即使使用最先进的 LLM 进行结构化信息提取（Structured Outputs），也经常会因为源文本格式突变而导致 Agent 解析失败。

AnySearch 彻底斩断了这一妥协。

它的核心理念非常直接：既然是给 Agent 用的，那就不要返回任何网页摘要，直接返回开箱即用的“结构化字段”。

这意味着，当 Agent 查询某家公司的财务报表、某个网络协议的最新漏洞或某个学术 DOI 时，AnySearch 不会扔给它一个带有几百字摘要的网页链接，而是直接输出包含 revenue: "5.2B", cve_id: "CVE-2026-1234", patch_status: "released" 等严谨格式的 JSON 字段。

胜负手不在检索质量，而在垂直数据源覆盖

传统搜索 API 往往将精力集中在网页的“检索相关性（Relevance）”或“页面排名（PageRank）”算法上。但 AnySearch 的团队敏锐地意识到：AI 搜索的胜负手，根本不在通用检索算法的微调，而在于“垂直数据源的覆盖维度”。

传统的 Tavily、Exa 还在努力抓取公开网页并整理摘要时，AnySearch 直接打通了 23 个深度的垂直数据领域：

• 安全与漏洞库：CVE 漏洞库、Exploit-DB 实时数据。

• 金融与市场：实时股票代码、财务报表指标。

• 学术与科研：DOI 学术标识、权威文献库。

• 法律与条文：现行法律法条、法院公开判决书。

通过统一的 API 接口，AnySearch 将这些通常需要复杂身份验证、防爬虫策略或专有 SDK 才能访问的垂直域数据，全部标准化为相同的结构化输出。

AnySearch 结构化数据流与传统网页摘要的对比

如上图所示，当 Agent 需要执行特定的硬核工程任务（如漏洞排查、法条检索）时，传统方案需要经历“网页抓取 → 去噪 → 文本提取 → 语义映射”的漫长链路；而 AnySearch 则如同直连数据库一般，将精准的结构化数据流直接注入 Agent 的记忆与执行模块。

跑分拆解：FRAMES + FreshQA + WebwalkerQA 深度评测

空口无凭，跑分才是检验检索基础设施的硬标准。在 AnySearch 官方公布的测试中，研发团队使用了业界极具挑战性的三个基准测试集：FRAMES（多跳推理与事实性）、FreshQA（时效性问题）以及 WebwalkerQA（多步网页推理与导航）。

为了保证评估的客观性与相对差距的敏感度，所有测试引擎的底层大模型均固定使用 glm-5.1。

以下是详细的性能对比数据：

评估指标 (基准测试)	AnySearch	Parallel	Brave Search	性能对比与技术亮点
WebwalkerQA 多跳网页推理准确率	65.2%	61.0%	46.8%	AnySearch 比 Brave 高出 18.4pp，表现出极强的跨页面信息关联与深度多步推理能力。
端到端延迟 (End-to-End Latency)	47.8s	74.4s	68.9s	越低越好。 AnySearch 耗时最少，明显快于 Parallel 和 Brave，大幅缩减了 Agent 的等待时间。
FreshQA 时效性准确率	80.0%	-	-	应对“昨天发生了什么”、“最新软件版本号”等极度敏感的时效性问题表现完美。

数据背后的技术剖析

1. 多跳网页推理 (WebwalkerQA)：传统的 Brave 仅仅提供关键词匹配的网页摘要，当面对需要“先在 A 页面找到关键线索，再到 B 页面查出具体答案”的多跳问题时，Agent 极易迷失。而 AnySearch 借助其统一的垂直域 API，能够直接为 Agent 提供多步骤关联的结构化事实，降低了长上下文（Long-Context）带来的“注意力稀释”问题。

2. 极速端到端延迟：47.8 秒的端到端耗时在人类看来可能有些缓慢，但对于复杂的、多步骤的 Agent 任务而言，这已经是一个巨大的跨越。相比 Parallel 漫长的 74.4 秒，AnySearch 减少了反复下载大体积 HTML 和剥离噪音的网络开销，传输效率呈指数级上升。

(注：当前数据来自官方发布的基准测试，第三方独立复现尚未大范围出现。)

极致的工程小聪明：“Probe-and-Persist” 与多环境免检共享

除了宏观架构的创新，AnySearch 在微观工程上也展现出了极其精妙的“小聪明” —— Probe-and-Persist（探测与持久化） 机制。

对于同一个 API 接口，AnySearch 官方同时编写了四套等价的命令行工具（CLI）：Python、NodeJS、PowerShell 和 Bash。

传统的跨平台命令行工具往往依赖于运行时环境的反复探测，这在 Agent 自动化调用时会产生不必要的冷启动延迟。AnySearch 的解决方案是：

1. 首次安装探测：当用户或 Agent 在环境中首次安装该 CLI 时，它会自动在后台执行一次全面的探测，测试当前系统环境下哪一个运行时（Runtime）的执行速度最快、稳定性最高。

2. 固化持久化：探测完成后，它会将最佳运行时及环境变量参数固化写入到 runtime.conf 配置文件中。

3. 跨 Agent 免检共享：此后，当系统内不同的 Agent（例如多个独立的子 Agent 或不同的开发工作流）调用 AnySearch 时，无需再次经历耗时的环境探测，直接读取 runtime.conf 启动执行。

这一看似简单的设计，对于追求极致响应速度的 Agent 执行链条来说，起到了极其关键的摩擦力消除作用。

AnySearch：第一款不打算给人类看结果的搜索 API，专为 AI Agent 而生

押注 Skills 生态：为什么默认打开 Skill 而非 MCP？

在当前 AI Agent 生态中，Anthropic 主导的 Model Context Protocol (MCP) 无疑是名气最大的标准。许多新上线的 API 服务都会在第一天就标榜自己“支持 MCP”。

但有趣的是，AnySearch 的官方网站在默认指引中，优先打开的却是 Skills（技能）生态，而非 MCP 协议。它极力推荐开发者将其作为 Claude Code Skills 的原生组件进行集成。

这一战略抉择背后有着深刻的技术考量：

• MCP 协议的局限性：MCP 作为一个通用的主从协议，其数据传输和服务器生命周期管理相对较重，对于一些轻量级、需要快速就地执行（On-the-fly）的 Agent 来说，部署和维护 MCP 服务存在一定的门槛。

• Skills 生态的极致灵活性：Skills（如 Claude Code Skills）更贴近代码和运行时的底层。它们可以直接作为一小段确定性的 TypeScript/Python 脚本直接被 Agent 动态加载、修改和执行。AnySearch 将 API 能力直接打包成高内聚的 Skill，使得 Agent 在遇到垂直领域搜索需求时，可以直接“在本地执行一段 Skill 脚本”获取 JSON 结构化数据，消除了中间的多层中间件转发。

这一押注，完美契合了最近 Claude Code 掀起的“终端原生 Agent”风暴，也是其上线一周即冲上 Skills.sh 热榜 TOP 1 的核心推手。