>Parallel 是一个专为 LLMs 和 AI 应用构建的实时网络搜索和内容提取平台。

ParallelExtractTool 调用 Parallel 的 提取 API，返回来自网页的简洁 Markdown 格式内容，可通过以下方式获得可选的聚焦摘录 search_objective。将其与 ParallelSearchTool 配对使用，构建搜索 → 提取管道。

概述

集成详情

设置

该集成位于 langchain-parallel package.

    pip install -U langchain-parallel
    

    uv add langchain-parallel
    

凭证

前往 Parallel 注册并生成 API 密钥。设置 PARALLEL_API_KEY 在您的环境中：

if not os.environ.get("PARALLEL_API_KEY"):
    os.environ["PARALLEL_API_KEY"] = getpass.getpass("Parallel API key:\n")

实例化

from langchain_parallel import ParallelExtractTool

tool = ParallelExtractTool()

# Or pass an explicit key, override the base URL, or cap per-URL `full_content` size:
# tool = ParallelExtractTool(
#     api_key="your-api-key",
#     base_url="https://api.parallel.ai",
#     max_chars_per_extract=5000,
# )

调用

直接使用参数调用

result = tool.invoke(
    {"urls": ["https://en.wikipedia.org/wiki/Artificial_intelligence"]}
)

print(result[0]["title"])
print(result[0]["url"])
print(result[0]["content"][:200], "...")

单次调用多个 URL：

result = tool.invoke(
    {
        "urls": [
            "https://en.wikipedia.org/wiki/Machine_learning",
            "https://en.wikipedia.org/wiki/Deep_learning",
            "https://en.wikipedia.org/wiki/Natural_language_processing",
        ]
    }
)

for item in result:
    print(item["title"], "—", item["url"])

使用 ToolCall 调用

使用模型生成的 ToolCall 调用返回 ToolMessage:

model_generated_tool_call = {
    "args": {
        "urls": [
            "https://en.wikipedia.org/wiki/Climate_change",
            "https://en.wikipedia.org/wiki/Renewable_energy",
        ]
    },
    "id": "call_123",
    "name": tool.name,  # "parallel_extract"
    "type": "tool_call",
}

result = tool.invoke(model_generated_tool_call)

异步使用

async def extract_async():
    return await tool.ainvoke(
        {
            "urls": [
                "https://en.wikipedia.org/wiki/Python_(programming_language)",
                "https://en.wikipedia.org/wiki/JavaScript",
            ]
        }
    )

result = await extract_async()

聚焦摘录

使用以下方式驱动摘录选择 search_objective (or search_queries)。设置 full_content=False 跳过完整的 Markdown 正文，仅返回匹配的摘录：

result = tool.invoke(
    {
        "urls": ["https://en.wikipedia.org/wiki/Artificial_intelligence"],
        "search_objective": "What are the main applications and ethical concerns of AI?",
        "excerpts": {"max_chars_per_result": 2000},
        "full_content": False,
    }
)

获取策略和完整内容大小

控制缓存、超时和每个 URL 的 full_content 限制独立设置：

result = tool.invoke(
    {
        "urls": ["https://en.wikipedia.org/wiki/Quantum_computing"],
        "fetch_policy": {
            "max_age_seconds": 86400,
            "timeout_seconds": 60,
            "disable_cache_fallback": False,
        },
        "full_content": {"max_chars_per_result": 5000},
    }
)

每个 URL 的错误处理

失败的 URL 作为项目返回，其中 error_type 设置，因此部分成功是默认行为：

result = tool.invoke(
    {
        "urls": [
            "https://en.wikipedia.org/wiki/Artificial_intelligence",
            "https://this-domain-does-not-exist-12345.com/",
        ]
    }
)

for item in result:
    if "error_type" in item:
        print("failed:", item["url"], "—", item["content"])
    else:
        print("ok:", item["url"], f"({len(item['content'])} chars)")

参数

必填

• - urls：要提取的 URL 列表。

可选

• - search_objective：驱动摘录选择的自然语言描述。
• - search_queries：关键字字符串列表，与（或替代） search_objective.
• - excerpts：每个结果的摘录设置。传递 ExcerptSettings(max_chars_per_result=…) （或字典）来控制每个结果的摘录大小；省略则使用 API 默认值。
• - full_content: True 返回完整 Markdown 内容（由工具级别的 max_chars_per_extract), False 跳过，或 FullContentSettings(max_chars_per_result=…) 进行细粒度控制。
• - fetch_policy：缓存控制，例如 {"max_age_seconds": 86400, "timeout_seconds": 60}.
• - max_chars_total: 所有 URL 的组合输出长度上限。
• - client_model / session_id: 转发至 Parallel 用于下游归因。

链式调用

将工具绑定到任何支持工具调用的聊天模型，并使用 create_agent:

from langchain.agents import create_agent
from langchain.chat_models import init_chat_model

llm = init_chat_model(model="claude-opus-4-8")
agent = create_agent(model=llm, tools=[tool])

agent.invoke({"messages": [("human", "Summarize https://en.wikipedia.org/wiki/Quantum_computing")]})

搜索 → 提取

手动 ParallelSearchTool 和 ParallelExtractTool 到同一个代理。模型使用搜索来查找 URL，使用提取来深入了解其选择的页面。

from langchain_parallel import ParallelSearchTool

search = ParallelSearchTool()
extract = ParallelExtractTool()
agent = create_agent(model=llm, tools=[search, extract])

agent.invoke({
    "messages": [
        ("human", "Find a recent peer-reviewed paper on net-energy-gain fusion and summarize it."),
    ]
})

响应格式

[
    {
        "url": "https://example.com/article",
        "title": "Article Title",
        "content": "# Article Title\n\nMain content formatted as markdown...",
        "publish_date": "2026-01-15",
        "excerpts": ["...", "..."],  # if excerpts/search_objective requested
    },
    # Failed extractions:
    {
        "url": "https://failed-site.com",
        "title": None,
        "content": "Error: 404 Not Found",
        "error_type": "http_error",
    },
]

API 参考

有关详细文档，请参阅 ParallelExtractTool API 参考或 Parallel Extract 参考.