phaseo:web_fetch 和一个你已知道的 URL,Phaseo 会抓取该页面、按大小上限截断,并在模型提取、总结或分类之前把文本交还给它。完成后,你会得到一个读取单个页面并从中返回字段的请求,并能在日志中确认它实际读取了哪个页面。
配合示例中的域名限制,该请求可直接用于生产环境。抓取到的页面是不可信的输入:模型可能会在其中看到指令,因此请验证它返回的内容。如果你不知道 URL,请改用网页搜索。
发送有依据的请求
网页抓取指南列出了其余参数,包括
blocked_domains 和各种引擎。
检查它读取了什么
工具结果(请求日志中会显示)准确说明了模型依据的是哪个页面:final_url 和 truncated。每次抓取会让 usage.server_tool_use.web_fetch_requests 加 1。
了解限制
使用默认的direct 引擎时,Phaseo 会自行抓取页面,并把 HTML 简化为纯文本。它会拒绝 localhost 和私有地址,最多跟随 5 次重定向,并对照你的域名列表检查每次重定向;重定向到列表之外时,会向模型返回 redirect_blocked_by_domain_policy。
网页抓取适用于 HTML 页面、纯文本,以及较小的 JSON 或 XML 响应。它不适合二进制文件、抓取大量页面,或检查页面在 JavaScript 下如何渲染;这些情况请使用浏览器工作流。如果页面非常大,请缩小提取任务的范围,而不是提高 max_chars。
先从一个预设或端点开始,在日志中查看抓取详情和截断情况;如果抓取到的文本范围太宽,先收紧提示,再扩大使用范围。