Aller au contenu principal
Dernière mise à jour le

Recherche web sur Databricks

Cette page décrit comment fonder les réponses sur des informations en temps réel provenant du Web sur Databricks. Utilisez le service Model Context Protocol (MCP) Service géré agnostique en termes de modèle system.ai.web_search avec des clients et des agents compatibles MCP. Les modèles de fondation Gemini et OpenAI fournissent également une recherche Web native via les Foundation Model APIs.

prompt

Genie Code peut le faire pour vous. Essayez cet exemple de prompt :

Query the system.ai.gemini-3-1-pro model using the OpenAI client with the google_search parameter enabled, ask a question about a current event, and print the response.

Qu'est-ce que la recherche web ?​

La recherche Web permet aux modèles de fondation de récupérer des informations à jour sur Internet pendant la génération de réponses. Lorsque la recherche Web est activée, le modèle peut rechercher sur le Web des informations pertinentes et les intégrer dans sa réponse. Ceci est utile pour les questions concernant les événements actuels, les données récentes ou tout sujet où l'information en temps réel améliore la réponse.

Utiliser la recherche web​

Utilisez un service MCP géré indépendamment de votre fournisseur de modèle, ou activez la recherche web native via une API de modèle prise en charge :

  • Recherche web MCP gérée : utilisez le service MCP system.ai.web_search intégré à partir d’un client ou d’un agent compatible MCP. Databricks gère le modèle sous-jacent, vous n’avez donc pas à choisir de modèle pour le service.
  • Modèles Gemini : utilisez le paramètre google_search avec l’ API Chat Completions ou l’ API Google Gemini.
  • Modèles OpenAI : Utilisez l'outil web_search avec l'OpenAI Responses API.
  • Recherche sur le Web MCP tierce : utilisez comme alternative un serveur MCP de recherche sur le Web tel que You.com de Databricks Marketplace.
important

La recherche sur le Web native pour les modèles OpenAI n’est disponible que via l’API Responses. Cette fonctionnalité n’est pas prise en charge via l’API Chat Completions.

Native web search through model APIs​

Les exemples suivants activent l’outil de recherche web natif d’un fournisseur de modèle dans une requête d’API de modèle de fondation.

Modèles Gemini avec l’API Chat Completions​

Pour activer la recherche web pour les modèles Gemini à l'aide de l'API Chat Completions, transmettez google_search comme parameter de niveau supérieur dans le corps de la requête.

Python
import os
from openai import OpenAI

DATABRICKS_TOKEN = os.environ.get('DATABRICKS_TOKEN')

client = OpenAI(
    api_key=DATABRICKS_TOKEN,
    base_url="https://<workspace_host>.databricks.com/ai-gateway/mlflow/v1"
)

response = client.chat.completions.create(
    model="system.ai.gemini-3-1-pro",
    messages=[
        {"role": "user", "content": "What are the best Italian restaurants in San Francisco?"}
    ],
    extra_body={"google_search": {}}
)

print(response.choices[0].message.content)

Modèles Gemini avec l'API Google Gemini​

Pour activer la recherche web à l'aide de l'API Google Gemini, transmettez google_search comme outil.

Python
from google import genai
from google.genai import types
import os

DATABRICKS_TOKEN = os.environ.get('DATABRICKS_TOKEN')

client = genai.Client(
    api_key="databricks",
    http_options=types.HttpOptions(
        base_url="https://<workspace_host>.databricks.com/ai-gateway/gemini",
        headers={
            "Authorization": f"Bearer {DATABRICKS_TOKEN}",
        },
    ),
)

response = client.models.generate_content(
    model="system.ai.gemini-3-1-pro",
    contents=[
        types.Content(
            role="user",
            parts=[types.Part(text="What are the best Italian restaurants in San Francisco?")],
        ),
    ],
    config=types.GenerateContentConfig(
        tools=[types.Tool(google_search=types.GoogleSearch())],
    ),
)

print(response.text)

Modèles OpenAI avec l’API Responses​

Pour activer la recherche web pour les modèles OpenAI, transmettez web_search en tant qu'outil en utilisant l'OpenAI Responses API.

Python
import os
from openai import OpenAI

DATABRICKS_TOKEN = os.environ.get('DATABRICKS_TOKEN')

client = OpenAI(
    api_key=DATABRICKS_TOKEN,
    base_url="https://<workspace_host>.databricks.com/ai-gateway/openai/v1"
)

response = client.responses.create(
    model="system.ai.gpt-5",
    input=[
        {"role": "user", "content": "What are the best Italian restaurants in San Francisco?"}
    ],
    tools=[{"type": "web_search"}]
)

print(response.output_text)

Recherche Web via MCP​

Les clients et agents compatibles avec MCP peuvent appeler un outil de recherche sur le Web indépendamment de leur fournisseur de modèle. Connectez votre client ou agent à un service ou un serveur MCP de recherche sur le Web en utilisant MCP.

L’outil de recherche web natif d’Anthropic n’est pas disponible via les APIs de modèle de fondation Databricks. Utilisez MCP pour fournir des outils de recherche web aux agents qui utilisent des modèles Anthropic.

info

Unity Gateway Beta

Pour utiliser system.ai.dbsql, system.ai.sandbox ou system.ai.web_search, un administrateur de compte doit activer la version bêta de Unity Gateway depuis la page Previews de la console du compte. Consultez Gérer les aperçus du compte.

Utiliser le service MCP de recherche sur le Web géré​

Le service MCP fourni par Databricks system.ai.web_search effectue des recherches sur le Web public sans installation sur marketplace ni clé API tierce. Le service est agnostique vis-à-vis des modèles et fonctionne avec les clients et agents compatibles avec MCP, quel que soit leur fournisseur de modèle.

Databricks gère le modèle utilisé par le service. Vous ne sélectionnez pas ou ne configurez pas son modèle de support. Son outil web_search n'accepte qu'un query en langage naturel et renvoie une réponse synthétisée avec des citations.

Configuration requise​

Votre workspace doit satisfaire aux exigences relatives aux services MCP. L'appelant doit disposer de EXECUTE sur le service, de USE CATALOG sur system et de USE SCHEMA sur system.ai. Les utilisateurs du compte détiennent ces privilèges par default.

Connecter un client​

The service URL is :

Text
https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.web_search

For example, to connect the Claude Code client, install and configure the Unity Gateway CLI, then add the service and launch Claude Code :

Bash
ug mcp add --agents claude --names system.ai.web_search
ug claude

Le CLI Unity Gateway s’authentifie via votre connexion au CLI Databricks et effectue automatiquement le refresh du jeton. Pour les autres clients, consultez Autres clients MCP.

Pour le code d'agent, consultez Utiliser des outils MCP dans un agent Python.

Configurez le serveur You.com MCP​

You.com is a third-party alternative for MCP-compatible clients and agents.

  1. Accédez à Marketplace > Agents > MCP Servers dans votre workspace Databricks.
  2. Recherchez You.com et cliquez sur Installer .
  3. Configurer la connexion :
  • Nom de la connexion : Saisissez un nom (par exemple, youcom_web_search).
  • **Jeton Bearer** : Saisissez votre clé API You.com.
  1. Cliquez sur Installer .
  2. Accordez les privilèges **USE CONNECTION** aux utilisateurs ou groupes appropriés sous **Catalog > Connections > [votre connexion] > Permissions**.

Après la configuration, le serveur MCP est disponible en tant qu'outil dans AI Playground, les agents et d'autres clients compatibles MCP. L'URL du Endpoint proxy de votre connexion est :

https://<workspace_host>.databricks.com/api/2.0/mcp/external/<connection_name>

Utilisez You.com avec Claude Code​

Pour utiliser You.com avec Claude Code et les API Foundation Model de Databricks, ajoutez le serveur MCP You.com :

Bash
claude mcp add youcom-search \
  --transport http \
  --url "https://<workspace_host>.databricks.com/api/2.0/mcp/external/<connection_name>" \
  --header "Authorization: Bearer <your-databricks-pat>"

Vérifiez que le serveur a été ajouté avec claude mcp list.

Vous pouvez également ajouter le serveur directement à ~/.claude.json:

JSON
{
  "mcpServers": {
    "youcom-search": {
      "type": "http",
      "url": "https://<workspace_host>.databricks.com/api/2.0/mcp/external/<connection_name>",
      "headers": {
        "Authorization": "Bearer <your-databricks-pat>"
      }
    }
  }
}

Modèles pris en charge​

La recherche sur le Web MCP nécessite un client ou un agent capable d'appeler des outils MCP. Il n'est pas limité à un fournisseur de modèles spécifique. Pour l'intégration d'agents, consultez Use MCP tools in a Python agent.

Les exigences de modèle suivantes s’appliquent uniquement à la recherche Web native via les APIs Gemini et OpenAI. La recherche Web native est prise en charge sur tous les modèles de fondation pay-per-token Gemini et OpenAI. Consultez la liste détaillée des modèles pris en charge par les API du modèle de fondation Databricks pour connaître la disponibilité des régions.

Modèles Gemini​

  • system.ai.gemini-3-1-pro
  • system.ai.gemini-3-1-flash-lite
  • system.ai.gemini-3-flash

Modèles OpenAI​

  • system.ai.gpt-5-5-pro
  • system.ai.gpt-5-5
  • system.ai.gpt-5-4
  • system.ai.gpt-5-4-mini
  • system.ai.gpt-5-4-nano
  • system.ai.gpt-5-3-codex
  • system.ai.gpt-5-2
  • system.ai.gpt-5-1
  • system.ai.gpt-5
  • system.ai.gpt-5-mini
  • system.ai.gpt-5-nano

Confidentialité et conservation des données​

Lorsque vous activez la recherche web via les APIs Databricks Foundation Model, la recherche s’exécute sur un Endpoint de modèle de fondation hébergé par Databricks. La query de recherche et les résultats sont traités par le modèle hébergé, quel que soit le modèle appelé par votre application. Les mêmes conditions de protection et de conservation des données qui régissent Model Serving s’appliquent à ces requêtes :

  • Databricks n’utilise pas les entrées envoyées à Model Serving, ni les sorties qui en proviennent, pour entraîner des modèles. Voir protection des données de Model Serving.
  • Tout stockage temporaire destiné à la détection des abus est conservé dans la même région que votre workspace et est limité dans le temps. Voir Conservation des données.

Le modèle formule des queries de recherche à partir de votre prompt et les envoie à un fournisseur de recherche externe pour récupérer les résultats. Considérez le contenu des prompts qui atteint la recherche Web comme des données quittant Databricks pour le fournisseur de recherche, et délimitez en conséquence ce que votre application envoie.

Limitations​

  • La recherche web n'est pas disponible pour les Workspace avec conformité HIPAA/BAA activée, car les requêtes de recherche web sont envoyées à des services de recherche externes qui ne sont pas conformes à la HIPAA.

  • Les résultats de recherche web dépendent de la capacité du modèle à formuler des queries de recherche et à synthétiser les résultats. La qualité des réponses peut varier.

  • La recherche Web native via les APIs Gemini et OpenAI est uniquement disponible sur les Endpoint de modèles de fondation pay-per-token. Cette restriction ne s'applique pas au modèle qui appelle un outil de recherche Web via MCP.

  • Le service MCP system.ai.web_search intégré est disponible dans les régions américaines prises en charge ou dans les Workspace qui autorisent le traitement cross-Geo. Consultez les services MCP fournis par Databricks pour connaître la disponibilité et les limitations.

  • Le service MCP intégré n’est pas disponible lorsque les contrôles réseau du Workspace désactivent l’accès à Internet.

  • La recherche web native pour les modèles OpenAI est uniquement disponible via l’API Responses. L’API Chat Completions ne prend pas en charge la recherche web native pour les modèles OpenAI.

  • La recherche web native pour les modèles Gemini n’est pas disponible lorsque le traitement inter-région est désactivé. Gemini ne prend pas en charge le traitement de recherche géolocalisé, de sorte que tout workspace avec application de la résidence des données n’est pas éligible.

  • La recherche sur le Web native pour les modèles OpenAI n’est pas disponible lorsque le traitement inter-régions est désactivé, à moins que le workspace ne se trouve dans une zone géographique éligible (Amériques ou Europe). OpenAI prend en charge le traitement de recherche géolocalisée dans ces régions.

Ressources supplémentaires​

Sur cette page