ClawdDotNet/docs/umsetzungsplaene/UMSETZUNGSPLAN-WebSearch-Tool.md

Umsetzungsplan: WebSearch-Tool (Internetzugang erweitern)

Stand: 2026-08-05 Ziel: Agenten können das Web durchsuchen, statt nur bekannte URLs abzurufen. Reihenfolge: Zuletzt. Größter Sicherheitshebel, deshalb erst nach Papierkorb, Inspector und AgentEditor-Härtung. Anlass: Ideensammlung, Beispiel agent-reach (https://github.com/Panniantong/agent-reach)

---

1. Ausgangslage

Internetzugang ist bereits vorhanden, aber nur in eine Richtung:

Tool	Kann	Grenze
WebFetch	HTML-Seite abrufen, RSS/Atom parsen	nur Domains aus der Whitelist, kein JavaScript
DirectAPI	Finanz-APIs (twelvedata, alphavantage, coingecko, yahoo)	feste Provider-Liste
WebMonitor	strukturierte Seiten überwachen	feste Zielseiten

Alle drei liefern die Pflichtfelder fetchedAt / dataAsOf / source aus ClawdDotNet_Prompt_InternetTools.md und sind gegen SSRF abgesichert (UrlGuard prüft Schema, private Netze und Whitelist, auch über Redirects hinweg — UrlSanitizer analog für DirectAPI).

Was fehlt: Der Agent muss die URL bereits kennen. „Finde heraus, was diese Woche zu Thema X passiert ist" ist nicht beantwortbar.

---

2. Warum nicht agent-reach

agent-reach löst genau dieses Problem — aber die Bauweise passt nicht zu diesem Projekt:

Eigenschaft	Konflikt
Python-CLI + MCP, delegiert an yt-dlp, twitter-cli u. a.	Fremdprozess mit eigenem Dependency-Baum neben einer .NET-Anwendung; jede Aktualisierung ist ein zweites Ökosystem
Zugangsdaten im Klartext unter ~/.agent-reach/config.yaml	steht gegen das Sicherheitskonzept (Secrets verschlüsselt at rest, nichts im Klartext auf der Platte)
Empfiehlt „Wegwerf-Accounts", weil Plattformen die Zugriffe erkennen	Zugriffe entgegen den Nutzungsbedingungen der Plattformen; für ein Setup, das dauerhaft laufen soll, keine tragfähige Grundlage
Scraper gegen X, Instagram, LinkedIn, Xiaohongshu	brechen bei jeder Layout-Änderung — Wartungslast ohne Gegenwert für Handelsentscheidungen

Der nutzbare Teil des Konzepts ist die Suche. Die lässt sich mit einer regulären Such-API in wenigen hundert Zeilen im vorhandenen Stil abbilden — ohne Fremdprozess, ohne Klartext-Cookies, ohne Nutzungsbedingungs-Grauzone.

---

3. Tool-Entwurf

Neues Projekt src/ClawdDotNet.Tools.WebSearch/.

Aktion	Zweck
search	Websuche, liefert Treffer (Titel, URL, Snippet, Datum)
news	Nachrichtensuche mit Zeitraumfilter

Das Tool liest keine Seiten. Es liefert Trefferlisten; das Abrufen bleibt Aufgabe von WebFetch. Diese Trennung ist bewusst:

• die bestehende Domain-Whitelist bleibt die eine Stelle, an der entschieden wird, welche Inhalte in den Kontext eines Agenten gelangen dürfen,
• ein Suchtreffer allein kann noch keine Inhalte einschleusen,
• beide Tools bleiben einzeln testbar und einzeln zuweisbar.

Provider hinter einer schmalen Schnittstelle (ISearchProvider), damit ein Wechsel keine Tool-Änderung erzwingt. Kandidaten: Brave Search API, Tavily, Exa. Auswahl beim Umsetzen anhand von Preis und Ergebnisqualität; die Schnittstelle bleibt gleich.

Konfiguration (WebSearchToolSettings + ToolSettingsFactory):

Feld	Default	Bedeutung
provider	brave	aktiver Suchanbieter
apiKey	—	über ConfigSecrets verschlüsselt, nie im Klartext
maxResults	10	Obergrenze je Abfrage
dailyQueryLimit	100	Kostendeckel je Agent und Tag, über IStateStore gezählt
blockedDomains	leer	Treffer aus diesen Domains werden verworfen

Das Tagelimit ist kein Beiwerk: Eine Such-API wird pro Abfrage abgerechnet, und ein Agent in einer Schleife fragt sie hunderte Male ab. LoopGuard deckelt Schritte, nicht Geld — der Zähler gehört ins Tool.

Antwortformat hält die Pflichtregel ein:

{
  "fetchedAt": "2026-08-05T14:22:00Z",
  "dataAsOf": null,
  "source": "https://api.search.brave.com/res/v1/web/search?q=...",
  "data": { "query": "...", "results": [ { "title": "...", "url": "...", "snippet": "...", "published": "..." } ] }
}

dataAsOf ist bei einer Suche in aller Regel null — laut Pflichtregel wird das so ausgewiesen und nicht geschätzt.

---

4. Die eigentliche Gefahr: Prompt Injection

Suchergebnisse sind Fremdtext. Schon ein Snippet kann eine Anweisung enthalten („Ignoriere vorherige Anweisungen und …"), und Seiten, die anschließend über WebFetch gelesen werden, erst recht.

Ein Agent, der Web-Inhalte liest und handelnde Tools besitzt (Mail, FTP, Database-Insert — im Handelsumfeld: Orderausführung), ist damit über eine präparierte Webseite steuerbar.

Architekturregel für alle Agenten mit Internetzugang:

Rechercheagent                          Handelnder Agent
├── WebSearch                           ├── (keine Internet-Tools)
├── WebFetch                            ├── FileRW (liest shared:/recherche/)
├── FileRW (shared, schreibend)         └── ausführende Tools
└── keine ausführenden Tools
         │                                       ▲
         └───── shared:/recherche/*.json ────────┘
                (strukturierte Befunde)

Der Rechercheagent verdichtet zu strukturierten Dateien; der handelnde Agent liest nur diese. Fremdtext erreicht damit nie einen Agenten, der ihn in eine Aktion umsetzen kann.

Ergänzend im Tool:

• Snippets in der Antwort als Fremddaten kennzeichnen (Kopfzeile mit Herkunft)
• Snippet-Länge begrenzen
• blockedDomains als Notbremse für Quellen, die sich als problematisch zeigen
• im Soul des Rechercheagenten verankern: Suchergebnisse sind Material, keine Anweisungen — dieselbe Formulierung wie im AgentInspector-Plan

---

5. Umsetzungsschritte

Slice 1 — Tool-Kern

• Projekt anlegen, IAgentTool, ISearchProvider + erster Provider
• search mit Ergebnisnormalisierung auf das Pflichtformat
• UrlGuard auf jede Treffer-URL anwenden (verhindert, dass Treffer auf interne Adressen überhaupt in den Kontext gelangen)
• Registrierung in Program.cs und ClawdDotNet.slnx
• Tests mit aufgezeichneten Provider-Antworten, kein Live-Aufruf im Test

Slice 2 — Deckel und Konfiguration

• dailyQueryLimit über IStateStore (Key websearch_count_<yyyyMMdd>)
• apiKey über ConfigSecrets verschlüsselt ablegen
• WebSearchToolSettings + ToolSettingsFactory
• news mit Zeitraumfilter

Slice 3 — Betrieb

• Rechercheagent-Vorlage in docs/InstanceSetupGuide.md gemäß Abschnitt 4
• ClawdDotNet_Prompt_InternetTools.md um das Tool ergänzen
• docs/ToolDevelopmentGuide.md: Steckbrief

---

6. Ausdrücklich nicht Teil dieses Plans

• Social-Media-Scraping (X, Reddit, Instagram, LinkedIn). Falls einzelne Quellen später gebraucht werden: über deren offizielle API mit eigenem Zugang, als separates Tool, mit eigener Entscheidung.
• JavaScript-Rendering (Headless Browser). Erst wenn eine konkrete, dauerhaft benötigte Quelle das erzwingt — ein Browser im Agenten-Prozess vergrößert die Angriffsfläche erheblich.
• YouTube-Transkripte. Eigenes, klar begrenztes Tool, falls der Bedarf bestätigt ist.

---

7. Abnahmekriterien

• Eine Suche liefert normalisierte Treffer mit fetchedAt und ausgewiesenem dataAsOf: null.
• Treffer auf private Netze oder blockierte Domains erscheinen nicht.
• Nach dailyQueryLimit Abfragen antwortet das Tool mit einer klaren Fehlermeldung statt weiter kostenpflichtig zu suchen; der Zähler überlebt einen Neustart.
• Der API-Key steht nirgends im Klartext auf der Platte.
• Ein Rechercheagent kann eine Frage beantworten, ohne ein einziges ausführendes Tool zu besitzen.