AIエージェントは断片ではなく全文書が必要

何が起きたか

AIエージェントのウェブ検索方法を分析すると、従来の検索APIは断片とリンクのみを返すため、エージェントは毎回のクエリで生HTMLを取得して清掃する必要があることが分かった。同じ質問を3つの検索方法（通常の検索結果、ニューラル検索、事前インデックス付きウェブサービス）で実行したところ、断片をループするコストは前処理済み全文書にアクセスするコストの約4倍かかることが判明した。複数の検索が必要な調査タスクでは、エージェントは既に見たコンテンツに対して繰り返し「検索税」を支払うことになる。

なぜ重要か

コーディングエージェントとLLM駆動システムが本番環境に移行する際、検証はオフラインテストから本番テレメトリーへとシフトする。つまり、エージェントは訓練されていない実世界のクエリに対応する必要がある。ウェブ検索はエージェントが市場、ニュース、組織の変化を最新に保つ方法だが、現在の検索APIはオーバーヘッドにトークンを浪費している。エージェントループ（調査パイプライン、GTM説明資料、市場監視）を構築するチームにとって、検索ツールの選択はモデルやプロンプトではなく、コストと速度に直結する。

注目点

Seltzはエージェント向けに特化したウェブインデックスで、完全に構造化されたドキュメント（人物プロフィール、全文記事、Wikipedia項目）を単一の呼び出しで返す。断片からコンテンツを再構成するようにエージェントに強要しない。発見完了後のディープダイブ検索に最適であり、発見クエリ（オープンウェブ検索）とディープダイブクエリ（インデックス済み全文書）をチェーンすることで、ループの各反復が実際に必要な検索方法を使用できる。