A Cloudflare adicionou uma pesquisa na Web API beta ao AI Gateway, ampliando o gateway da inferência de modelos para as ferramentas externas que os aplicativos de IA cada vez mais chamam junto com os modelos. O novo API, anunciado em 2 de outubro, permite que os desenvolvedores enviem solicitações de pesquisa por meio da mesma camada Cloudflare AI Gateway usada para roteamento, registro e visibilidade de faturamento do provedor.
No lançamento, o Web Search API oferece suporte a Ceramic.ai, Exa e Linkup. A documentação do fornecedor da Cloudflare lista Ceramic.ai como o provedor padrão e mostra preços no nível do provedor de US$ 0,25 por 1.000 solicitações para Ceramic.ai, US$ 7,00 por 1.000 solicitações para Exa e US$ 5,00 por 1.000 solicitações para Linkup. A Cloudflare afirma que as solicitações são cobradas em créditos do AI Gateway pelo preço de tabela do provedor, sem marcação adicional.
A mudança prática não é apenas que os clientes da Cloudflare podem chamar uma pesquisa API. Muitas equipes já usam pesquisa na web, APIs de recuperação, ferramentas de navegador ou rastreadores personalizados em algum lugar da pilha de agentes. A mudança é que a pesquisa está sendo colocada na mesma camada administrativa das chamadas de modelo. Para equipes que criam agentes, assistentes de pesquisa, fluxos de trabalho de conformidade, ferramentas de enriquecimento de vendas ou sistemas de suporte, a pesquisa em tempo real agora se torna tráfego de gateway em vez de uma integração separada com registros e faturas separados.
O que mudou
O Cloudflare AI Gateway foi além do simples proxy de solicitação para uma camada mais ampla de AI multimodelo API de gateway. Recursos recentes de gateway se concentraram no roteamento de modelo, nas opções de faturamento do provedor e na observabilidade de solicitações LLM. A Pesquisa na Web API estende essa superfície de controle para chamadas de aterramento: o API pode rotear para provedores de pesquisa compatíveis enquanto registra solicitações nos registros do AI Gateway.
Isso é importante porque a recuperação e a ancoragem na Web agora fazem parte do custo e da confiabilidade da IA de produção, e não um complemento opcional. Um agente de suporte ao cliente pode usar um modelo para raciocínio, um provedor de pesquisa para informações atuais e um banco de dados ou SaaS API para contexto privado. Se essas chamadas forem administradas separadamente, as equipes de engenharia e finanças perderão uma visão clara do custo total de um fluxo de trabalho. Ao colocar a pesquisa atrás do AI Gateway, a Cloudflare está tratando a pesquisa como outra dependência gerenciada no caminho de solicitação de IA.
O lançamento também oferece aos desenvolvedores um ponto de partida normalizado para comparação de provedores. Ceramic.ai, Exa e Linkup diferem em preço, comportamento do índice e posicionamento do produto. Uma camada de gateway não remove essas diferenças, mas pode torná-las mais fáceis de observar e trocar durante os testes. O exemplo mais visível é o preço: com base nas taxas de fornecedores listadas da Cloudflare, o Exa é muito mais caro por 1.000 solicitações do que o Ceramic.ai, enquanto o Linkup fica entre eles. Para cargas de trabalho de agentes de alto volume, essa distribuição pode ser significativa.
Por que as empresas deveriam se preocupar
Para as empresas, a Pesquisa na Web API faz parte de uma mudança maior da integração de modelo único API em direção a um plano de controle de IA API. A questão operacional já não é apenas qual modelo produz a melhor resposta. É qual modelo, provedor de pesquisa, caminho de recuperação e sequência de ferramentas devem ser permitidos para uma determinada equipe, cliente, região geográfica ou classe de dados.
A pesquisa na Web em tempo real cria um desafio de governança específico. Ao contrário de uma chamada de modelo estático, uma solicitação de pesquisa pode expor o texto da consulta a um provedor terceirizado e retornar conteúdo da Web com confiabilidade, licenciamento ou características de política incertas. O provedor de pesquisa também pode influenciar a resposta final do modelo, controlando quais fontes são exibidas. Isso significa que a seleção do provedor é uma decisão de custo e de risco.
A integração de registros da Cloudflare ajuda na auditabilidade. Se as solicitações de pesquisa aparecerem nos logs do AI Gateway, as equipes poderão inspecionar quais aplicativos estão fornecendo respostas na web aberta, com que frequência ligam para cada provedor e onde os custos estão se acumulando.Isso é útil para revisão de segurança, análise de incidentes e gerenciamento de custos de LLM, especialmente quando os agentes fazem diversas chamadas de ferramenta por solicitação do usuário.
A reivindicação de cobrança sem acréscimo também é relevante. Os produtos Gateway muitas vezes criam um equilíbrio entre conveniência operacional e opacidade de preços. A Cloudflare está posicionando a Pesquisa na Web API como uso com preço de tabela do provedor cobrado por meio de créditos do AI Gateway. As equipes ainda precisarão validar seus próprios custos efetivos, descontos e contabilidade de crédito, mas a estrutura pública torna os gastos com pesquisa mais fáceis de modelar do que um sistema de marcação agrupado ou não divulgado.
Impacto para o desenvolvedor
Os desenvolvedores que criam sistemas de agente devem tratar isso como uma nova superfície de ferramenta, não apenas mais um HTTP endpoint. As chamadas de pesquisa precisam de seleção de provedor, tratamento de tempo limite, filtragem de resultados, política de repetição e atribuição em logs. Uma pesquisa API executada por meio de um gateway pode simplificar parte desse encanamento, mas não elimina a necessidade de projetar cuidadosamente o comportamento de recuperação do agente.
A oportunidade imediata é uma experimentação mais limpa. Uma equipe pode testar Ceramic.ai, Exa e Linkup através do mesmo caminho de gateway e comparar custo, latência, qualidade de resposta e cobertura de origem sob cargas de trabalho reais. Isso é mais útil do que comparar demonstrações de fornecedores isoladamente. Também torna mais fácil decidir quando vale a pena usar a pesquisa. Alguns fluxos de trabalho podem precisar apenas de documentação em cache ou de uma base de conhecimento interna; outros precisam de novos resultados da Web e podem justificar o custo adicional.
O recurso também pode afetar equipes de plataforma que executam infraestrutura de IA compartilhada para vários grupos de produtos. Se uma equipe estiver construindo um fluxo de trabalho de classificação leve e outra estiver construindo um assistente de pesquisa de navegação, seus perfis de uso de pesquisa serão muito diferentes. Os registros de gateway centralizados oferecem aos proprietários da plataforma uma melhor chance de atribuir gastos, detectar loops descontrolados de ferramentas e definir limites políticos em torno dos quais os provedores podem ser usados na produção.
O que permanece incerto
A principal incerteza é o tratamento de dados no nível do provedor. O pacote de pesquisa observa uma aparente discrepância entre o changelog da Cloudflare e a documentação do fornecedor sobre o status Exa Zero de retenção de dados. As equipes em setores regulamentados devem verificar os termos de retenção diretamente antes de enviar consultas confidenciais por meio de qualquer provedor de pesquisa, mesmo quando a solicitação é roteada por meio de um gateway.
A qualidade é outra questão em aberto. O desempenho do provedor de pesquisa depende muito do tipo de consulta, dos requisitos de atualização, da cobertura do domínio, do comportamento de classificação e de como o modelo downstream usa os snippets recuperados. A versão beta oferece aos desenvolvedores uma maneira conveniente de testar, mas não estabelece que um provedor seja o melhor para todas as cargas de trabalho dos agentes.
Ainda assim, a direção é clara: os gateways de IA estão se expandindo do acesso ao modelo para os serviços circundantes que tornam os aplicativos de IA úteis. Pesquisa, roteamento, faturamento e observabilidade estão se tornando partes da mesma pilha. Para as empresas, isso torna a arquitetura de gateway menos uma questão de economizar algumas horas de integração e mais uma questão de manter o controle sobre um conjunto crescente de dependências de IA.