web-search について
inference.sh のアプリを belt CLI から利用し、ウェブ検索、ページ内容の抽出、事実に関する回答を行うスキルです。出典情報を必要とする調査やエージェント向けです。
主な機能
- 01Tavily と Exa によるウェブ検索
- 02URL からテキストと画像を抽出
- 03Exa による事実回答
- 04出典と文脈付きの検索結果
活用シーン
- 01複数のウェブ情報源を使った調査
- 02出典付き結果による主張の確認
- 03RAG ワークフロー用のページ収集
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/ / github.com/ skills-101/ superpowers --skill web-searchインストール後、Claude Code で/web-searchを入力して読み込まれたか確認します。
詳細
belt CLI スキルをインストール:
npx skills add belt-sh/cli
ウェブ検索と抽出
inference.sh CLI を使って、ウェブを検索し、コンテンツを抽出します。

クイックスタート
inference.sh CLI(
belt)が必要です。インストール手順
belt login
# Search the web
belt app run tavily/search-assistant --input '{"query": "latest AI developments 2024"}'
利用可能なアプリ
Tavily
| アプリ | アプリ ID | 説明 |
|---|---|---|
| Search Assistant | tavily/search-assistant | AI を活用した回答付き検索 |
| Extract | tavily/extract | URL からコンテンツを抽出 |
Exa
| アプリ | アプリ ID | 説明 |
|---|---|---|
| Search | exa/search | AI を活用したスマートなウェブ検索 |
| Answer | exa/answer | 事実に基づく直接的な回答 |
| Extract | exa/extract | ウェブコンテンツを抽出して分析 |
例
Tavily 検索
belt app run tavily/search-assistant --input '{
"query": "What are the best practices for building AI agents?"
}'
AI が生成した回答を、出典と画像とともに返します。
Tavily 抽出
belt app run tavily/extract --input '{
"urls": ["https://example.com/article1", "https://example.com/article2"]
}'
複数の URL から、整理されたテキストと画像を抽出します。
Exa 検索
belt app run exa/search --input '{
"query": "machine learning frameworks comparison"
}'
関連性の高いリンクを、コンテキストとともに返します。
Exa 回答
belt app run exa/answer --input '{
"question": "What is the population of Tokyo?"
}'
事実に基づく直接的な回答を返します。
Exa 抽出
belt app run exa/extract --input '{
"url": "https://example.com/research-paper"
}'
ウェブページのコンテンツを抽出して分析します。
ワークフロー:調査 + LLM
# 1. Search for information
belt app run tavily/search-assistant --input '{
"query": "latest developments in quantum computing"
}' > search_results.json
# 2. Analyze with Claude
belt app run openrouter/claude-sonnet-45 --input '{
"prompt": "Based on this research, summarize the key trends: <search-results>"
}'
ワークフロー:抽出 + 要約
# 1. Extract content from URL
belt app run tavily/extract --input '{
"urls": ["https://example.com/long-article"]
}' > content.json
# 2. Summarize with LLM
belt app run openrouter/claude-haiku-45 --input '{
"prompt": "Summarize this article in 3 bullet points: <content>"
}'
ユースケース
- 調査:あらゆるトピックについて情報を収集
- RAG:検索拡張生成
- ファクトチェック:出典を使って主張を検証
- コンテンツ集約:複数のソースからデータを収集
- エージェント:調査能力を備えた AI エージェントを構築
関連スキル
# Full platform skill (all apps)
npx skills add inference-sh/skills@infsh-cli
# LLM models (combine with search for RAG)
npx skills add inference-sh/skills@llm-models
# Image generation
npx skills add inference-sh/skills@ai-image-generation
すべてのアプリを表示:belt app list
ドキュメント
- エージェントへのツールの追加 - エージェントに検索機能を追加
- リサーチエージェントの構築 - LLM と検索の連携ガイド
- ツール連携のコスト - 事前構築済みツールが重要な理由
コメント
Markdown 対応