استخدام واجهة برمجة التطبيقات الخاصة ببحث الويب في Ollama في لغة بايثون

pip install 'ollama>=0.6.0'

export OLLAMA_API_KEY="your_api_key"

$env:OLLAMA_API_KEY = "your_api_key"

import ollama

# بحث ويب بسيط
response = ollama.web_search("ما هو Ollama؟")
print(response)

results = [
    {
        "title": "Ollama",
        "url": "https://ollama.com/",
        "content": "النماذج السحابية متاحة الآن في Ollama. .."
    },
    {
        "title": "ما هو Ollama؟ الميزات، التسعير، والتطبيقات",
        "url": "https://www.walturn.com/insights/what-is-ollama",
        "content": "خدماتنا. .."
    },
    {
        "title": "دليل Ollama الكامل: التثبيت، الاستخدام، و أمثلة الكود",
        "url": "https://collabnix.com/complete-ollama-guide",
        "content": "انضم إلى خادم Discord الخاص بنا. .."
    }
]

import ollama

# الحصول على نتائج أكثر
response = ollama.web_search("أحدث أخبار الذكاء الاصطناعي", max_results=10)

for result in response.results:
    print(f"📌 {result.title}")
    print(f"   {result.url}")
    print(f"   {result.content[:100]}. ..")
    print()

from ollama import web_fetch

result = web_fetch('https://ollama.com')
print(result)

WebFetchResponse(
    title='Ollama',
    content='[النماذج السحابية](https://ollama.com/blog/cloud-models) متاحة الآن في Ollama\n\n**المحادثة والبناء باستخدام النماذج المفتوحة**\n\n[تنزيل](https://ollama.com/download) [استكشاف النماذج](https://ollama.com/models)\n\nمتوفرة لنظام macOS، Windows، وLinux',
    links=['https://ollama.com/', 'https://ollama.com/models', 'https://github.com/ollama/ollama']
)

from ollama import web_search, web_fetch

# البحث عن المعلومات
search_results = web_search("مزايا جديدة في Ollama 2025")

# استرداد المحتوى الكامل من النتيجة الأولى
if search_results.results:
    first_url = search_results.results[0].url
    full_content = web_fetch(first_url)
    
    print(f"العنوان: {full_content.title}")
    print(f"المحتوى: {full_content.content[:500]}. ..")
    print(f"الروابط المكتشفة: {len(full_content.links)}")

ollama pull qwen3:4b

from ollama import chat, web_fetch, web_search

available_tools = {'web_search': web_search, 'web_fetch': web_fetch}

messages = [{'role': 'user', 'content': "ما هي محرك Ollama الجديد"}]

while True:
    response = chat(
        model='qwen3:4b',
        messages=messages,
        tools=[web_search, web_fetch],
        think=True
    )
    
    if response.message.thinking:
        print('🧠 التفكير:', response.message.thinking[:200], '. ..')
    
    if response.message.content:
        print('💬 الرد:', response.message.content)
    
    messages.append(response.message)
    
    if response.message.tool_calls:
        print('🔧 مكالمات الأدوات:', response.message.tool_calls)
        for tool_call in response.message.tool_calls:
            function_to_call = available_tools.get(tool_call.function.name)
            if function_to_call:
                args = tool_call.function.arguments
                result = function_to_call(**args)
                print('📥 النتيجة:', str(result)[:200], '. ..')
                # قص النتيجة لتناسب حدود السياق
                messages.append({
                    'role': 'tool', 
                    'content': str(result)[:2000 * 4], 
                    'tool_name': tool_call.function.name
                })
            else:
                messages.append({
                    'role': 'tool', 
                    'content': f'الاداة {tool_call.function.name} غير موجودة', 
                    'tool_name': tool_call.function.name
                })
    else:
        break

from ollama import chat, web_fetch, web_search
import json

class SearchAgent:
    def __init__(self, model: str = 'qwen3:4b'):
        self.model = model
        self.tools = {'web_search': web_search, 'web_fetch': web_fetch}
        self.messages = []
        self.max_iterations = 10
        
    def query(self, question: str) -> str:
        self.messages = [{'role': 'user', 'content': question}]
        
        for iteration in range(self.max_iterations):
            try:
                response = chat(
                    model=self.model,
                    messages=self.messages,
                    tools=[web_search, web_fetch],
                    think=True
                )
            except Exception as e:
                return f"حدث خطأ أثناء المحادثة: {e}"
            
            self.messages.append(response.message)
            
            # إذا لم تكن هناك مكالمات أدوات، فهناك إجابة نهائية
            if not response.message.tool_calls:
                return response.message.content or "لم يتم توليد إجابة"
            
            # تنفيذ مكالمات الأدوات
            for tool_call in response.message.tool_calls:
                result = self._execute_tool(tool_call)
                self.messages.append({
                    'role': 'tool',
                    'content': result,
                    'tool_name': tool_call.function.name
                })
        
        return "تم الوصول إلى عدد الإجراءات القصوى دون الحصول على إجابة نهائية"
    
    def _execute_tool(self, tool_call) -> str:
        func_name = tool_call.function.name
        args = tool_call.function.arguments
        
        if func_name not in self.tools:
            return f"أداة غير معروفة: {func_name}"
        
        try:
            result = self.tools[func_name](**args)
            # قص النتيجة لتناسب حدود السياق
            result_str = str(result)
            if len(result_str) > 8000:
                result_str = result_str[:8000] + "... [مقصوص]"
            return result_str
        except Exception as e:
            return f"خطأ في الأداة: {e}"

# الاستخدام
agent = SearchAgent(model='qwen3:4b')
answer = agent.query("ما هي الميزات الجديدة في Ollama؟")
print(answer)

import asyncio
from ollama import AsyncClient

async def async_search():
    client = AsyncClient()
    
    # أداء بحث متعدد في وقت واحد
    tasks = [
        client.web_search("مزايا Ollama"),
        client.web_search("أدوات LLM محلية"),
        client.web_search("وكلاء البحث الذكاء الاصطناعي"),
    ]
    
    results = await asyncio.gather(*tasks)
    
    for i, result in enumerate(results):
        print(f"البحث {i + 1}:")
        for r in result.results[:2]:
            print(f"  - {r.title}")
        print()

# تشغيل البحث غير المتزامن
asyncio.run(async_search())

import asyncio
from ollama import AsyncClient

async def async_research_agent(question: str):
    client = AsyncClient()
    messages = [{'role': 'user', 'content': question}]
    
    while True:
        response = await client.chat(
            model='qwen3:4b',
            messages=messages,
            tools=[client.web_search, client.web_fetch],
        )
        
        messages.append(response.message)
        
        if not response.message.tool_calls:
            return response.message.content
        
        # تنفيذ مكالمات الأدوات في وقت واحد
        tool_tasks = []
        for tool_call in response.message.tool_calls:
            if tool_call.function.name == 'web_search':
                task = client.web_search(**tool_call.function.arguments)
            elif tool_call.function.name == 'web_fetch':
                task = client.web_fetch(**tool_call.function.arguments)
            else:
                continue
            tool_tasks.append((tool_call.function.name, task))
        
        # جمع النتائج
        for tool_name, task in tool_tasks:
            result = await task
            messages.append({
                'role': 'tool',
                'content': str(result)[:8000],
                'tool_name': tool_name
            })

# تشغيل
answer = asyncio.run(async_research_agent("ما الجديد في Python 3.13؟"))
print(answer)

from ollama import chat, web_search

# ضع سياق أعلى للمهام التي تركز على البحث
response = chat(
    model='qwen3:4b',
    messages=[{'role': 'user', 'content': 'ابحث عن أحدث تطورات الذكاء الاصطناعي'}],
    tools=[web_search],
    options={
        'num_ctx': 32768,  # 32K سياق
    }
)

{
  "mcpServers": {
    "web_search_and_fetch": {
      "type": "stdio",
      "command": "uv",
      "args": ["run", "path/to/web-search-mcp.py"],
      "env": { "OLLAMA_API_KEY": "your_api_key_here" }
    }
  }
}

[mcp_servers.web_search]
command = "uv"
args = ["run", "path/to/web-search-mcp.py"]
env = { "OLLAMA_API_KEY" = "your_api_key_here" }

#!/usr/bin/env python3
"""خادم MCP بسيط لبحث Ollama عبر الإنترنت."""

import os
from mcp.server import Server
from mcp.types import Tool, TextContent
from ollama import web_search, web_fetch

app = Server("ollama-web-search")

@app.tool()
async def search_web(query: str, max_results: int = 5) -> str:
    """ابحث عبر الإنترنت عن معلومات."""
    results = web_search(query, max_results=max_results)
    
    output = []
    for r in results.results:
        output.append(f"**{r.title}**\n{r.url}\n{r.content}\n")
    
    return "\n---\n".join(output)

@app.tool()
async def fetch_page(url: str) -> str:
    """استرداد محتوى كامل لصفحة ويب."""
    result = web_fetch(url)
    return f"# {result.title}\n\n{result.content}"

if __name__ == "__main__":
    app.run()

from ollama import chat, web_search

def summarize_news(topic: str) -> str:
    # البحث عن أخبار حديثة
    results = web_search(f"{topic} أحدث أخبار", max_results=5)
    
    # تنسيق نتائج البحث للموديل
    news_content = "\n\n".join([
        f"**{r.title}**\n{r.content}"
        for r in results.results
    ])
    
    # طلب الموديل لملخص
    response = chat(
        model='qwen3:4b',
        messages=[{
            'role': 'user',
            'content': f"قم بملخص هذه العناصر الإخبارية حول {topic}:\n\n{news_content}"
        }]
    )
    
    return response.message.content

summary = summarize_news("الذكاء الاصطناعي")
print(summary)

from ollama import chat, web_search, web_fetch
from dataclasses import dataclass

@dataclass
class ResearchResult:
    question: str
    sources: list
    answer: str

def research(question: str) -> ResearchResult:
    # البحث عن معلومات ذات صلة
    search_results = web_search(question, max_results=3)
    
    # استرداد محتوى كامل من المصادر العليا
    sources = []
    full_content = []
    
    for result in search_results.results[:3]:
        try:
            page = web_fetch(result.url)
            sources.append(result.url)
            full_content.append(f"المصدر: {result.url}\n{page.content[:2000]}")
        except:
            continue
    
    # إنشاء إجابة شاملة
    context = "\n\n---\n\n".join(full_content)
    
    response = chat(
        model='qwen3:4b',
        messages=[{
            'role': 'user',
            'content': f"""بناءً على المصادر التالية، أجب عن هذا السؤال: {question}

المصادر:
{context}

قدم إجابة شاملة مع إشارات إلى المصادر."""
        }]
    )
    
    return ResearchResult(
        question=question,
        sources=sources,
        answer=response.message.content
    )

# الاستخدام
result = research("كيف تعمل جدولة النماذج الجديدة في Ollama؟")
print(f"السؤال: {result.question}")
print(f"المصادر: {result.sources}")
print(f"الإجابة: {result.answer}")