Filtrar dominios en la búsqueda web
En esta página
Control de fuentes para resultados fiables
Cuando integras la búsqueda web en una aplicación empresarial, no quieres que el modelo extraiga información de cualquier sitio. Un chatbot jurídico debe consultar fuentes oficiales, un asistente médico debe limitarse a publicaciones científicas y una herramienta de vigilancia tecnológica debe apuntar a sitios de referencia.
La API de Grok ofrece dos parámetros de filtrado para controlar las fuentes: allowed_domains y excluded_domains. Estos parámetros te otorgan un control granular sobre el alcance de la búsqueda.
Los dos modos de filtrado
Lista de permitidos: allowed_domains
Este parámetro restringe la búsqueda exclusivamente a los dominios que especifiques. El modelo no consultará ningún otro sitio:
response = client.responses.create(
model="grok-4.5",
input="What are the latest advancements in AI?",
tools=[{
"type": "web_search",
"allowed_domains": ["arxiv.org", "nature.com", "science.org"]
}]
)
Lista de excluidos: excluded_domains
Este parámetro permite todas las fuentes excepto las que listes. Es útil para excluir sitios poco fiables o competidores:
response = client.responses.create(
model="grok-4.5",
input="SaaS market analysis in France",
tools=[{
"type": "web_search",
"excluded_domains": ["reddit.com", "quora.com"]
}]
)
La regla de exclusión mutua
Los parámetros allowed_domains y excluded_domains son mutuamente excluyentes. No puedes utilizar ambos al mismo tiempo en una única llamada. Si intentas combinarlos, la API devolverá un error.
Elige tu estrategia en función del caso de uso:
- Lista de permitidos (
allowed_domains): cuando sabes con precisión qué fuentes son fiables y todo lo demás es sospechoso. - Lista de excluidos (
excluded_domains): cuando la mayoría de las fuentes son aceptables, pero algunas plantean problemas.
Límite de cinco dominios
Cada parámetro acepta un máximo de 5 dominios. Esta restricción te obliga a priorizar tus fuentes. Si necesitas cubrir más sitios, considera realizar varias llamadas con listas diferentes o utiliza la lista de excluidos para bloquear los pocos dominios problemáticos.
Sintaxis del dominio
Especifica los dominios sin protocolo ni barra final:
# Correcto
"allowed_domains": ["arxiv.org", "nature.com"]
# Incorrecto
"allowed_domains": ["https://arxiv.org/", "www.nature.com"]
Casos de uso prácticos
Asistente de investigación científica
tools=[{
"type": "web_search",
"allowed_domains": [
"arxiv.org",
"pubmed.ncbi.nlm.nih.gov",
"scholar.google.com",
"nature.com",
"science.org"
]
}]
Vigilancia normativa europea
tools=[{
"type": "web_search",
"allowed_domains": [
"eur-lex.europa.eu",
"legifrance.gouv.fr",
"cnil.fr",
"ec.europa.eu"
]
}]
Chatbot empresarial sin redes sociales
tools=[{
"type": "web_search",
"excluded_domains": [
"twitter.com",
"facebook.com",
"reddit.com",
"tiktok.com"
]
}]
Estrategia de filtrado dinámico
En una aplicación real, puedes adaptar el filtrado según el contexto de la solicitud del usuario:
def get_search_config(category):
configs = {
"legal": {
"allowed_domains": ["legifrance.gouv.fr", "eur-lex.europa.eu"]
},
"tech": {
"excluded_domains": ["pinterest.com", "quora.com"]
},
"general": {}
}
return configs.get(category, {})
search_params = get_search_config(user_category)
tools = [{"type": "web_search", **search_params}]
Práctica guiada
Crea un asistente especializado en un dominio de tu elección (jurídico, científico, tecnológico). Configura el filtrado de dominios adecuado y pruébalo con varias preguntas. Compara los resultados obtenidos con y sin filtrado para medir el impacto en la relevancia de la respuesta.
Puntos clave
allowed_domainsrestringe la búsqueda a una lista de sitios permitidos.excluded_domainsexcluye sitios específicos de la búsqueda.- Ambos parámetros son mutuamente excluyentes: solo uno por llamada.
- Máximo 5 dominios por parámetro.
- Especifica los dominios sin protocolo (
arxiv.org, nohttps://arxiv.org). - Adapta la estrategia al caso de uso: lista de permitidos para dominios sensibles, lista de excluidos para un filtrado ligero.