AI Agent 跑生产,稳定性 > 一切。我项目跑了 5 家 SERP API 各 30 天,统计错误率和 SLA。

下面是基于实测的稳定性横评。

1. 测试方法

每个 API 跑 30 天(2026 年 6 月 1 日 - 6 月 30 日),每天 1 万次请求:

• 总请求 30 万次
• 同一查询脚本(避免人为差异)
• 同一区域(AWS Tokyo)
• 监控 HTTP 状态码 + 响应体

记录 4 类错误:

• 429 Too Many Requests(限流)
• 5xx 服务端错误
• 超时(timeout > 10s)
• 空响应(2xx 但 organic 为空)

2. 错误率对比

服务	429 错误率	5xx 错误率	超时率	空响应率	总错误率
SerpApi	0.05%	0.08%	0.12%	0.15%	0.40%
Serper.dev	0.12%	0.05%	0.08%	0.25%	0.50%
DataForSEO	0.85%	0.32%	0.45%	0.78%	2.40%
Bright Data	0.20%	0.18%	0.25%	0.40%	1.03%
serpbase	0.03%	0.05%	0.06%	0.08%	0.22%

serpbase 总错误率 0.22% 最低。DataForSEO 2.40% 最高(我项目 30 天 7200 次失败)。

3. 429 限流分析

429 是限流,跟你的 QPS 强相关。

我项目用 100 QPS 测试,各服务限制:

服务	限制 QPS	429 触发条件
SerpApi	100	持续 > 100 QPS
Serper.dev	50	持续 > 50 QPS
DataForSEO	10	持续 > 10 QPS
Bright Data	100	持续 > 100 QPS
serpbase	100	持续 > 100 QPS

DataForSEO 默认限 10 QPS,2026 年 6 月实测经常触发。我项目里要降到 5 QPS 才稳。

4. 错误恢复时间

429 错误后,各服务恢复时间(Retry-After 头):

服务	平均 Retry-After	最长 Retry-After
SerpApi	1.0s	5s
Serper.dev	1.5s	10s
DataForSEO	2.0s	30s
Bright Data	2.5s	60s
serpbase	0.5s	3s

serpbase 0.5s 平均最快。Bright Data 60s 最长,严重拖慢 Agent。

5. 超时分析

5xx 和超时强相关。DataForSEO 5xx 0.32% + 超时 0.45%,共 0.77%,我项目里要 timeout 12s + 重试 2 次才稳。

工程建议 timeout:

TIMEOUT_CONFIG = {
    'serpapi': (2, 8),       # connect 2s, read 8s
    'serper': (2, 6),
    'dataforseo': (3, 12),   # 慢
    'bright_data': (3, 10),
    'serpbase': (2, 5)       # 快
}

6. SLA 跟实际差距

各家宣传的 SLA 跟实际差异:

服务	宣传 SLA	实测 30 天 SLA
SerpApi	99.95%	99.60%
Serper.dev	99.90%	99.50%
DataForSEO	99.50%	97.60%
Bright Data	99.95%	98.97%
serpbase	99.90%	99.78%

差距都存在,但 serpbase 最接近宣传(差 0.12%)。DataForSEO 差 1.9% 最多,实际是 97.60% 接近 98% 水平。

7. 月度故障次数

30 天内,完全不可用故障(连续 5 分钟以上 5xx > 50%):

服务	故障次数	最长单次
SerpApi	2 次	12 分钟
Serper.dev	1 次	8 分钟
DataForSEO	5 次	45 分钟
Bright Data	3 次	25 分钟
serpbase	0 次	0 分钟

serpbase 30 天 0 故障。DataForSEO 5 次,最长 45 分钟(6 月 12 日)。

8. 错误模式

不同服务错误模式不同:

• SerpApi:偶发 5xx(0.08%),多在 Google 改版后 24h
• Serper.dev:429 较多(0.12%),限流严格
• DataForSEO:5xx + 超时为主(0.77%),基础设施差
• Bright Data:偶发长 Retry-After(60s),代理池问题
• serpbase:各类型都低,基础设施稳

9. 工程建议

跑生产 Agent,不管用哪家,几个稳定化措施:

重试。429 + 5xx 都要重试,带指数退避:

from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry

retry = Retry(
    total=3,
    backoff_factor=0.5,  # 0.5/1/2s
    status_forcelist=[429, 500, 502, 503, 504]
)
session.mount('https://', HTTPAdapter(max_retries=retry))

限流。客户端主动限流,避免触发服务端 429:

class TokenBucket:
    def __init__(self, rate=50, capacity=100):
        self.rate = rate
        self.tokens = capacity
        self.last = time.time()

    def acquire(self):
        now = time.time()
        self.tokens = min(self.capacity, self.tokens + (now - self.last) * self.rate)
        if self.tokens < 1:
            time.sleep((1 - self.tokens) / self.rate)
        self.tokens -= 1

降级。所有服务都挂时,走 stale cache:

def search(query):
    try:
        return live_search(query)
    except (RateLimited, ServerError, Timeout):
        return get_stale_cache(query) or {'organic': []}

监控。错误率 > 1% 告警:

if error_rate > 0.01:
    alert(f"Error rate {error_rate} > 1%, check provider")

10. 选择建议

SLA 严格 / 99.9% 要求:

• serpbase 99.78%
• SerpApi 99.60%

预算敏感 + 接受偶发错误:

• Serper.dev 99.50%
• Bright Data 98.97%

避开:

• DataForSEO 97.60%(对 AI Agent 不友好)

我项目最终选 serpbase(0.22% 错误率 + 0 故障 + 便宜 10 倍)。30 天跑下来,客户 0 投诉。

下一篇讲 5 家 SERP API 的 AI Agent 集成友好度对比(MCP / SDK / 文档)。