Workers AI の Web Search API で LLM の回答をリアルタイム検索で裏付ける
Cloudflare Workers AI の Web Search API と Ceramic.ai を使い、LLM の推論にリアルタイム Web 検索結果を注入して回答を裏付ける実装手順
LLM に「今日の為替レートは?」と聞いて、訓練データの古いレートが返ってきた経験は誰にでもあると思う。自分のケースでは、Cloudflare Workers 上で動かしていたチャットボットが「2025年3月時点の情報です」と律儀に断りつつ、半年以上前の数字を返していた。ユーザーから「それ古くないですか」と指摘されて、検索グラウンディングを真面目に組む気になった。
2026年10月2日に Cloudflare が Web Search API をベータ公開した。Workers AI のバインディングから env.AI.websearch() を1行呼ぶだけで、リアルタイムの Web 検索結果を取得し、それを LLM のコンテキストに詰めて推論させられる。検索プロバイダのデフォルトは Ceramic.ai で、1,000クエリあたり $0.25。Exa($7/1K)や Linkup($5/1K)と比べると桁が違う。
Ceramic.ai が安い理由と、レキシカル検索という割り切り
Ceramic.ai は元 Google VP の Anna Patterson が創業した検索インフラで、独自に構築した400億ページ超のインデックスを持っている。特徴的なのは、ベクトル埋め込みによるセマンティック検索ではなくレキシカル検索(キーワードマッチ)に振り切っている点。公式 FAQ の説明では、AI エージェントが生成するクエリはすでに精密なキーワードになっているため、セマンティック推論はコスト的に無駄だという判断らしい。
実際に触ってみると、人間が打つような曖昧な自然文(「最近のフロントエンドのトレンド教えて」)では関連度がやや落ちる。一方で、LLM が tool calling で生成した「Cloudflare Workers AI Web Search API release date October 2026」のような具体的なクエリには的確に返してくる。エージェントのツールとして使う分にはレキシカルで十分、というのは使ってみて納得した。
レスポンスタイムは公称で約50ms。手元で数十回叩いた感覚では、だいたいそのあたりか少し遅いくらいで、LLM の推論時間に比べれば誤差の範囲。
wrangler.toml から動くコードまで
最低限必要なのは Wrangler 4.141.0 以上と、wrangler.toml の AI バインディング設定。
# wrangler.toml
name = "search-grounded-chat"
main = "src/index.ts"
compatibility_date = "2024-09-24"
[ai]
binding = "AI"
Worker 側は、Web 検索の結果を文字列に整形して LLM のシステムプロンプトに注入するだけ。
// src/index.ts
export default {
async fetch(request: Request, env: Env): Promise<Response> {
const { question } = await request.json<{ question: string }>();
// 1. リアルタイム検索
const searchResult = await env.AI.websearch({
gatewayId: "default",
query: question,
provider: "ceramic",
limit: 5,
});
// 2. 検索結果をコンテキスト文字列に整形
const context = searchResult.items
.map((item, i) => `[${i + 1}] ${item.title}\n${item.url}\n${item.description}`)
.join("\n\n");
// 3. LLM に検索結果を渡して推論
const answer = await env.AI.run("@cf/meta/llama-3.1-70b-instruct", {
messages: [
{
role: "system",
content: `以下の検索結果のみに基づいて回答してください。引用は [n] の形式で付けてください。検索結果にない情報は「わかりません」と答えてください。\n\n${context}`,
},
{ role: "user", content: question },
],
});
return Response.json({ answer: answer.response, sources: searchResult.items });
},
};
これだけで「質問→検索→検索結果を根拠に回答」のパイプラインが Workers のエッジ上で完結する。デプロイは wrangler deploy で終わり。
プロバイダ3つの使い分け
Cloudflare の Web Search API ドキュメント によると、プロバイダごとの違いはこう。
| Ceramic.ai | Exa | Linkup | |
|---|---|---|---|
| 料金(1,000クエリ) | $0.25 | $7.00 | $5.00 |
| 検索方式 | レキシカル | キーワード+埋め込み | ソース付きスニペット |
| 説明文の長さ | 最大8,000文字 | ハイライト抽出 | テキストスニペット |
| Zero Data Retention | あり | なし | あり |
エージェントが自動で大量にクエリを投げる用途なら Ceramic.ai 一択。1日1,000回検索しても月 $7.5 程度。一方、ユーザーの曖昧な自然文をそのまま検索に回す対話型 UI なら、セマンティック検索を持つ Exa のほうが関連度は高い。コストに28倍の差があるので、用途で選ぶしかない。
Agents SDK で使うならもっと短い
Cloudflare Agents のドキュメントには、Agents SDK 0.27.0 以降で使えるビルトインツールが用意されている。AI SDK アダプタを使う場合はこれだけ。
import { webSearchTool } from "agents/websearch/ai-sdk";
const tools = {
web_search: webSearchTool({ binding: env.AI }),
};
const result = streamText({ model, messages, tools });
自前で検索→整形→プロンプト注入のコードを書かなくても、SDK がツール定義・結果整形・エラーハンドリングまでやってくれる。検索失敗時は WebSearchError が返り、retryable フラグでリトライ判断もできる。
自分は最初に手書きのパイプラインで動作確認してから SDK に移した。手書き版で「検索結果の description が長すぎてトークンを食う」問題に気づけたので、この順番は間違いなかった。SDK 側には maxDescriptionChars(デフォルト600)というオプションがあり、これを調整すればトークン消費を抑えられる。
実際にハマったこと
ひとつ地味にハマったのが、Wrangler のバージョン。env.AI.websearch() は workerd 1.20260924.1 以上でないと web_search_unsupported_runtime というエラーで落ちる。手元の Wrangler が古くて、最初このエラーの意味がわからず数十分溶かした。wrangler --version で 4.141.0 以上であることを確認してからデプロイするのがいい。
もうひとつは、クエリの最大長が1,024文字という制限。ユーザーの長文質問をそのまま検索クエリに流すと切り詰められる。LLM に一度要約させてから検索に回すか、質問からキーワードだけ抽出するステップを挟むほうが結果の質は上がる。
検証環境: Ubuntu 22.04 / Wrangler 4.141.0 / Workers AI (@cf/meta/llama-3.1-70b-instruct) / 2026年10月