Búsqueda web | Ollama

La API de búsqueda web de Ollama se puede utilizar para complementar los modelos con la información más reciente para reducir las alucinaciones y mejorar la precisión.

La búsqueda web se proporciona como una API REST con integraciones de herramientas más profundas en las bibliotecas de Python y JavaScript. Esto también permite que modelos como los modelos gpt-oss de OpenAI realicen tareas de investigación de larga duración.

Autenticación

Para acceder a la API de búsqueda web de Ollama, crea una clave API. Se requiere una cuenta gratuita de Ollama.

API de búsqueda web

Realiza una búsqueda web para una sola consulta y devuelve resultados relevantes.

Solicitud

POST https://ollama.com/api/web_search

query (cadena, requerido): la cadena de consulta de búsqueda
max_results (entero, opcional): cantidad máxima de resultados a devolver (predeterminado 5, máximo 10)

Respuesta

Devuelve un objeto que contiene:

results (matriz): matriz de objetos de resultados de búsqueda, cada uno contiene:
- title (cadena): el título de la página web
- url (cadena): la URL de la página web
- content (cadena): fragmento de contenido relevante de la página web

Ejemplos

Nota

Asegúrate de que OLLAMA_API_KEY esté configurada o debe pasarse en el encabezado Authorization.

Solicitud cURL

bash

curl https://ollama.com/api/web_search \
  --header "Authorization: Bearer $OLLAMA_API_KEY" \
	-d '{
	  "query":"what is ollama?"
	}'

Respuesta

json

{
  "results": [
    {
      "title": "Ollama",
      "url": "https://ollama.com/",
      "content": "Cloud models are now available..."
    },
    {
      "title": "What is Ollama? Introduction to the AI model management tool",
      "url": "https://www.hostinger.com/tutorials/what-is-ollama",
      "content": "Ariffud M. 6min Read..."
    },
    {
      "title": "Ollama Explained: Transforming AI Accessibility and Language ...",
      "url": "https://www.geeksforgeeks.org/artificial-intelligence/ollama-explained-transforming-ai-accessibility-and-language-processing/",
      "content": "Data Science Data Science Projects Data Analysis..."
    }
  ]
}

Biblioteca de Python

python


response = ollama.web_search("What is Ollama?")
print(response)

Ejemplo de salida

python


results = [
    {
        "title": "Ollama",
        "url": "https://ollama.com/",
        "content": "Cloud models are now available in Ollama..."
    },
    {
        "title": "What is Ollama? Features, Pricing, and Use Cases - Walturn",
        "url": "https://www.walturn.com/insights/what-is-ollama-features-pricing-and-use-cases",
        "content": "Our services..."
    },
    {
        "title": "Complete Ollama Guide: Installation, Usage & Code Examples",
        "url": "https://www.collabnix.com/complete-ollama-guide-installation-usage-code-examples",
        "content": "Join our Discord Server..."
    }
]

Más ejemplos de Ollama en Python

Biblioteca de JavaScript

tsx



const client = new Ollama();
const results = await client.webSearch("what is ollama?");
console.log(JSON.stringify(results, null, 2));

Ejemplo de salida

json

{
  "results": [
    {
      "title": "Ollama",
      "url": "https://ollama.com/",
      "content": "Cloud models are now available..."
    },
    {
      "title": "What is Ollama? Introduction to the AI model management tool",
      "url": "https://www.hostinger.com/tutorials/what-is-ollama",
      "content": "Ollama is an open-source tool..."
    },
    {
      "title": "Ollama Explained: Transforming AI Accessibility and Language Processing",
      "url": "https://www.geeksforgeeks.org/artificial-intelligence/ollama-explained-transforming-ai-accessibility-and-language-processing/",
      "content": "Ollama is a groundbreaking..."
    }
  ]
}

Más ejemplos de Ollama en JavaScript

API de obtención web

Obtiene una página web individual por URL y devuelve su contenido.

Solicitud

POST https://ollama.com/api/web_fetch

url (cadena, requerido): la URL a obtener

Respuesta

Devuelve un objeto que contiene:

title (cadena): el título de la página web
content (cadena): el contenido principal de la página web
links (matriz): matriz de enlaces encontrados en la página

Ejemplos

Solicitud cURL

python

curl --request POST \
  --url https://ollama.com/api/web_fetch \
  --header "Authorization: Bearer $OLLAMA_API_KEY" \
  --header 'Content-Type: application/json' \
  --data '{
      "url": "ollama.com"
  }'

Respuesta

json

{
  "title": "Ollama",
  "content": "[Cloud models](https://ollama.com/blog/cloud-models) are now available in Ollama...",
  "links": [
    "http://ollama.com/",
    "http://ollama.com/models",
    "https://github.com/ollama/ollama"
  ]

SDK de Python

python

from ollama import web_fetch

result = web_fetch('https://ollama.com')
print(result)

Resultado

python

WebFetchResponse(
    title='Ollama',
    content='[Cloud models](https://ollama.com/blog/cloud-models) are now available in Ollama\n\n**Chat & build
with open models**\n\n[Download](https://ollama.com/download) [Explore
models](https://ollama.com/models)\n\nAvailable for macOS, Windows, and Linux',
    links=['https://ollama.com/', 'https://ollama.com/models', 'https://github.com/ollama/ollama']
)

SDK de JavaScript

tsx



const client = new Ollama();
const fetchResult = await client.webFetch("https://ollama.com");
console.log(JSON.stringify(fetchResult, null, 2));

Resultado

json

{
  "title": "Ollama",
  "content": "[Cloud models](https://ollama.com/blog/cloud-models) are now available in Ollama...",
  "links": [
    "https://ollama.com/",
    "https://ollama.com/models",
    "https://github.com/ollama/ollama"
  ]
}

Construyendo un agente de búsqueda

Utiliza la API de búsqueda web de Ollama como herramienta para construir un mini agente de búsqueda.

Este ejemplo utiliza el modelo Qwen 3 de Alibaba con 4B parámetros.

bash

ollama pull qwen3:4b

python

from ollama import chat, web_fetch, web_search

available_tools = {'web_search': web_search, 'web_fetch': web_fetch}

messages = [{'role': 'user', 'content': "what is ollama's new engine"}]

while True:
  response = chat(
    model='qwen3:4b',
    messages=messages,
    tools=[web_search, web_fetch],
    think=True
    )
  if response.message.thinking:
    print('Thinking: ', response.message.thinking)
  if response.message.content:
    print('Content: ', response.message.content)
  messages.append(response.message)
  if response.message.tool_calls:
    print('Tool calls: ', response.message.tool_calls)
    for tool_call in response.message.tool_calls:
      function_to_call = available_tools.get(tool_call.function.name)
      if function_to_call:
        args = tool_call.function.arguments
        result = function_to_call(**args)
        print('Result: ', str(result)[:200]+'...')
        # El resultado se trunca debido a longitudes de contexto limitadas
        messages.append({'role': 'tool', 'content': str(result)[:2000 * 4], 'tool_name': tool_call.function.name})
      else:
        messages.append({'role': 'tool', 'content': f'Tool {tool_call.function.name} not found', 'tool_name': tool_call.function.name})
  else:
    break

Resultado

Thinking:  Okay, the user is asking about Ollama's new engine. I need to figure out what they're referring to. Ollama is a company that develops large language models, so maybe they've released a new model or an updated version of their existing engine....

Tool calls:  [ToolCall(function=Function(name='web_search', arguments={'max_results': 3, 'query': 'Ollama new engine'}))]
Result:  results=[WebSearchResult(content='# New model scheduling\n\n## September 23, 2025\n\nOllama now includes a significantly improved model scheduling system. Ahead of running a model, Ollama’s new engine

Thinking:  Okay, the user asked about Ollama's new engine. Let me look at the search results.

First result is from September 23, 2025, talking about new model scheduling. It mentions improved memory management, reduced crashes, better GPU utilization, and multi-GPU performance. Examples show speed improvements and accurate memory reporting. Supported models include gemma3, llama4, qwen3, etc...

Content:  Ollama has introduced two key updates to its engine, both released in 2025:

1. **Enhanced Model Scheduling (September 23, 2025)**
   - **Precision Memory Management**: Exact memory allocation reduces out-of-memory crashes and optimizes GPU utilization.
   - **Performance Gains**: Examples show significant speed improvements (e.g., 85.54 tokens/s vs 52.02 tokens/s) and full GPU layer utilization.
   - **Multi-GPU Support**: Improved efficiency across multiple GPUs, with accurate memory reporting via tools like `nvidia-smi`.
   - **Supported Models**: Includes `gemma3`, `llama4`, `qwen3`, `mistral-small3.2`, and more.

2. **Multimodal Engine (May 15, 2025)**
   - **Vision Support**: First-class support for vision models, including `llama4:scout` (109B parameters), `gemma3`, `qwen2.5vl`, and `mistral-small3.1`.
   - **Multimodal Tasks**: Examples include identifying animals in multiple images, answering location-based questions from videos, and document scanning.

These updates highlight Ollama's focus on efficiency, performance, and expanded capabilities for both text and vision tasks.

Longitud de contexto y agentes

Los resultados de búsqueda web pueden devolver miles de tokens. Se recomienda aumentar la longitud de contexto del modelo a al menos ~32000 tokens. Los agentes de búsqueda funcionan mejor con la longitud de contexto completa. Los modelos en la nube de Ollama se ejecutan con la longitud de contexto completa.

Servidor MCP

Puedes habilitar la búsqueda web en cualquier cliente MCP a través del servidor MCP de Python.

Cline

La búsqueda web de Ollama se puede integrar fácilmente con Cline mediante la configuración del servidor MCP.

Administrar servidores MCP > Configurar servidores MCP > Agrega la siguiente configuración:

json

{
  "mcpServers": {
    "web_search_and_fetch": {
      "type": "stdio",
      "command": "uv",
      "args": ["run", "path/to/web-search-mcp.py"],
      "env": { "OLLAMA_API_KEY": "your_api_key_here" }
    }
  }
}

Codex

Ollama funciona bien con la herramienta Codex de OpenAI.

Agrega la siguiente configuración a ~/.codex/config.toml

python

[mcp_servers.web_search]
command = "uv"
args = ["run", "path/to/web-search-mcp.py"]
env = { "OLLAMA_API_KEY" = "your_api_key_here" }

Goose

Ollama se puede integrar con Goose a través de su función MCP.

Otras integraciones

Ollama se puede integrar en la mayoría de las herramientas disponibles, ya sea mediante la integración directa de la API de Ollama, bibliotecas de Python/JavaScript, API compatible con OpenAI e integración del servidor MCP.

Autenticación ​

API de búsqueda web ​

Solicitud ​

Respuesta ​

Ejemplos ​

Solicitud cURL ​

Biblioteca de Python ​

Biblioteca de JavaScript ​

API de obtención web ​

Solicitud ​

Respuesta ​

Ejemplos ​

Solicitud cURL ​

SDK de Python ​

SDK de JavaScript ​

Construyendo un agente de búsqueda ​

Longitud de contexto y agentes ​

Servidor MCP ​

Cline ​

Codex ​

Goose ​

Otras integraciones ​

Autenticación

API de búsqueda web

Solicitud

Respuesta

Ejemplos

Solicitud cURL

Biblioteca de Python

Biblioteca de JavaScript

API de obtención web

Solicitud

Respuesta

Ejemplos

Solicitud cURL

SDK de Python

SDK de JavaScript

Construyendo un agente de búsqueda

Longitud de contexto y agentes

Servidor MCP

Cline

Codex

Goose

Otras integraciones