并行提取集成

使用 LangChain Python 集成 ParallelExtractTool 工具。

Parallel 是专为 LLM 和 AI 应用设计的实时网页搜索与内容提取平台。

ParallelExtractTool 调用 Parallel 的 Extract API，可获取网页中清洁的、Markdown 格式化的内容，并支持通过 search_objective 控制的可选聚焦摘要。搭配 ParallelSearchTool 构建搜索→提取流水线。

概览

集成细节

类别	包名	可序列化	JS 支持	最新版本
@[ParallelExtractTool]	@[langchain-parallel]	❌	❌

安装

集成模块位于 langchain-parallel 包中。

pip

pip install -U langchain-parallel

凭据

前往 Parallel 注册并生成 API 密钥。在环境中设置 PARALLEL_API_KEY：

import getpass
import os

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

通过参数直接调用

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

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

单次调用处理多个 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"])

通过 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()

聚焦摘要

驱动摘要选择使用 search_objective（或 search_queries）。设置 full_content=False 跳过完整的Markdown正文，仅返回匹配的摘要：

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,
    }
)

获取策略与完整内容尺寸控制

独立控制缓存、超时和每URL的 full_content 限制：

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},
    }
)

full_content 优先级。 在调用中显式传递 FullContentSettings（或字典）始终优先于工具级别的 max_chars_per_extract。后者仅在传递 full_content=True 作为普通布尔值时生效。

URL级错误处理

失败URL返回为 error_type 设置的项，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

必需参数

• urls: 要提取的URL列表。

可选参数

• search_objective: 驱动摘要选择的自然语言描述。
• search_queries: 与 search_objective 共同使用（或替换）的关键词字符串列表。
• excerpts: 每结果摘要设置。传递 ExcerptSettings(max_chars_per_result=…)（或字典）控制每结果摘要尺寸；省略使用API默认值。
• full_content: True 以工具级别 max_chars_per_extract 尺寸返回完整Markdown内容， False 跳过，或 FullContentSettings(max_chars_per_result=…) 进行精细控制。
• fetch_policy: 缓存控制，例如 {"max_age_seconds": 86400, "timeout_seconds": 60}。
• max_chars_total: 跨所有URL的输出长度总和限制。
• client_model / session_id: 转发至Parallel用于下游归属。

链接

将工具绑定到任意工具调用对话模型，并通过 create_agent 驱动智能体：

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

将 ParallelSearchTool 和 ParallelExtractTool 交给同一智能体。模型使用搜索找到URL并提取以深入其选择的条目。

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

ParallelExtractTool API参考或 Parallel Extract参考 提供详细文档。

---

官方原文：src/oss/python/integrations/tools/parallel_extract.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。