Ricerca web | Ollama

L'API di ricerca web di Ollama può essere utilizzata per arricchire i modelli con le informazioni più recenti, ridurre le allucinazioni e migliorare l'accuratezza.

La ricerca web è fornita come API REST con integrazioni di strumenti più approfondite nelle librerie Python e JavaScript. Questo consente inoltre a modelli come i modelli gpt-oss di OpenAI di svolgere attività di ricerca di lunga durata.

Autenticazione

Per accedere all'API di ricerca web di Ollama, crea una chiave API. È richiesto un account Ollama gratuito.

API di ricerca web

Esegue una ricerca web per una singola query e restituisce i risultati pertinenti.

Richiesta

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

query (stringa, obbligatorio): la stringa della query di ricerca
max_results (intero, opzionale): numero massimo di risultati da restituire (predefinito 5, massimo 10)

Risposta

Restituisce un oggetto contenente:

results (array): array di oggetti di risultato di ricerca, ognuno contenente:
- title (stringa): il titolo della pagina web
- url (stringa): l'URL della pagina web
- content (stringa): frammento di contenuto pertinente estratto dalla pagina web

Esempi

Nota

Assicurati che OLLAMA_API_KEY sia impostato o che venga passato nell'intestazione Authorization.

Richiesta cURL

bash

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

Response

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..."
    }
  ]
}

Libreria Python

python


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

Example output

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://collabnix.com/complete-ollama-guide-installation-usage-code-examples",
        "content": "Join our Discord Server..."
    }
]

Maggiori esempi per Ollama Python example

Libreria JavaScript

tsx



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

Example output

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..."
    }
  ]
}

Maggiori esempi per Ollama JavaScript example

API di recupero web

Recupera una singola pagina web tramite URL e ne restituisce il contenuto.

Richiesta

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

url (stringa, obbligatorio): l'URL da recuperare

Risposta

Restituisce un oggetto contenente:

title (stringa): il titolo della pagina web
content (stringa): il contenuto principale della pagina web
links (array): array di link trovati nella pagina

Esempi

Richiesta 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"
  }'

Response

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 Python

python

from ollama import web_fetch

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

Result

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 JavaScript

tsx



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

Result

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"
  ]
}

Creazione di un agente di ricerca

Utilizza l'API di ricerca web di Ollama come strumento per creare un mini agente di ricerca.

Questo esempio utilizza il modello Qwen 3 di Alibaba con 4B di parametri.

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]+'...')
        # Result is truncated for limited context lengths
        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

Result

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.

Lunghezza del contesto e agenti

I risultati della ricerca web possono restituire migliaia di token. Si consiglia di aumentare la lunghezza del contesto del modello ad almeno ~32000 token. Gli agenti di ricerca funzionano meglio con la lunghezza di contesto completa. I modelli cloud di Ollama funzionano con la lunghezza di contesto completa.

Server MCP

Puoi abilitare la ricerca web in qualsiasi client MCP tramite il server MCP Python.

Cline

La ricerca web di Ollama può essere integrata con Cline facilmente utilizzando la configurazione del server MCP.

Gestisci server MCP > Configura server MCP > Aggiungi la seguente configurazione:

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 funziona bene con lo strumento Codex di OpenAI.

Aggiungi la seguente configurazione 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 può integrarsi con Goose tramite la sua funzionalità MCP.

Altre integrazioni

Ollama può essere integrato nella maggior parte degli strumenti disponibili sia tramite integrazione diretta dell'API di Ollama, delle librerie Python/JavaScript, dell'API compatibile con OpenAI e tramite integrazione del server MCP.

Autenticazione ​

API di ricerca web ​

Richiesta ​

Risposta ​

Esempi ​

Richiesta cURL ​

Libreria Python ​

Libreria JavaScript ​

API di recupero web ​

Richiesta ​

Risposta ​

Esempi ​

Richiesta cURL ​

SDK Python ​

SDK JavaScript ​

Creazione di un agente di ricerca ​

Lunghezza del contesto e agenti ​

Server MCP ​

Cline ​

Codex ​

Goose ​

Altre integrazioni ​

Autenticazione

API di ricerca web

Richiesta

Risposta

Esempi

Richiesta cURL

Libreria Python

Libreria JavaScript

API di recupero web

Richiesta

Risposta

Esempi

Richiesta cURL

SDK Python

SDK JavaScript

Creazione di un agente di ricerca

Lunghezza del contesto e agenti

Server MCP

Cline

Codex

Goose

Altre integrazioni