AI এজেন্টের জন্য বিনামূল্যের web search API
একটি LLM শুধু তার প্রশিক্ষণের ডেটা জানে। একটি web search API তাকে বর্তমান তথ্য ও সূত্র দেয়। Tavily, Exa, Firecrawl ও Linkup প্রতিটি প্রতি মাসে বিনামূল্যের ক্রেডিট দেয়। FreeLLMAPI এই engine-গুলোকে একটি /v1/search এন্ডপয়েন্টের পেছনে রাখে এবং একটি engine ব্যর্থ হলে পরেরটিতে যায়।
কোড, মডেলের নাম এবং লাইভ ক্যাটালগের লেবেল ইংরেজিতে দেখানো হয়।
আজকের বিনামূল্যের search engine
টেবিলে FreeLLMAPI ক্যাটালগের search engine তালিকাভুক্ত। তথ্য লাইভ ক্যাটালগ থেকে আসে। "Answers" মানে engine ফলাফলের সঙ্গে একটি ছোট লেখা উত্তর ফেরত দিতে পারে। "News" মানে এটি search-কে সংবাদে সীমিত করতে পারে।
| সার্চ API | বিনামূল্যের সীমা | উত্তর | সংবাদ |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | হ্যাঁ | হ্যাঁ |
| Exa Search | $10/month in credits, no card | না | হ্যাঁ |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | না | হ্যাঁ |
| Linkup Search | free monthly credits for eligible accounts | হ্যাঁ | না |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | না | না |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | না | হ্যাঁ |
FreeLLMAPI ক্যাটালগের লাইভ ডেটা (সংস্করণ 2026.11.19, যাচাই: 2026-11-19)। বিনামূল্যের সীমা প্রায়ই বদলায়। ক্যাটালগ প্রতিদিন যাচাই করা হয়।
| Engine | বিনামূল্যের প্ল্যান (অফিশিয়াল) | একটি search-এর খরচ | অন্যান্য সীমা |
|---|---|---|---|
| Tavily | প্রতি মাসে 1,000 credit, কোনো credit card লাগে না | 1 credit (basic) বা 2 credit (advanced) | Extract প্রতি 5টি URL-এ 1 credit খরচ করে |
| Exa | $10 credit, প্রতি মাসের প্রথম দিনে রিসেট হয়, কোনো payment method লাগে না | প্রায় $0.004 (lite) থেকে $0.007 (auto) | 10-এর বেশি প্রতিটি ফলাফলের খরচ বেশি |
| Firecrawl | প্রতি মাসে 1,000 credit, কোনো credit card লাগে না | প্রতি 10 ফলাফলে 2 credit | প্রতি মিনিটে 10টি search অনুরোধ, একই সময়ে 2টি |
| Linkup | pricing পেজে বিনামূল্যের credit | প্রায় $0.005 থেকে $0.006 | আজ আমরা মাসিক পরিমাণ নিশ্চিত করতে পারিনি |
চারটি কী দিয়ে প্রতি মাসে প্রায় 1,000টি Tavily search, 1,400 থেকে 2,500টি Exa search এবং 500টি Firecrawl search পাবেন। এই সংখ্যাগুলো প্রকাশিত মূল্য থেকে আমাদের হিসাব।
ধাপ ১: FreeLLMAPI ইনস্টল করুন এবং search কী যোগ করুন
FreeLLMAPI ওপেন সোর্স। এটি Docker-এ আপনার কম্পিউটারে চলে। আপনার প্রোভাইডার কী আপনার কম্পিউটারেই থাকে।
ইনস্টল (macOS বা Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001-এ ড্যাশবোর্ড খুলুন। Keys পেজে একটি Tavily, Exa, Firecrawl বা Linkup কী যোগ করুন। একটি chat প্রোভাইডার কীও যোগ করুন, যেমন Google AI Studio বা Groq। একই পেজ থেকে আপনার unified key কপি করুন।
এখন কোন engine উত্তর দিতে পারে তা দেখতে GET /v1/search/engines পাঠান। তালিকায় engine id-ও থাকে যা আপনি pin করতে পারেন।
ধাপ ২: web search করুন
একটি query পাঠান। ঐচ্ছিক ফিল্ডগুলো হলো max_results, topic (general বা news), include_answer এবং engine। response-এ থাকে query, results, provider ও engine। প্রতিটি ফলাফলে থাকে একটি title, একটি url ও content।
curl
curl http://localhost:3001/v1/search \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"query": "latest stable Python version", "max_results": 5, "topic": "general"}'ধাপ ৩: ফলাফল একটি LLM-কে দিন
সাধারণ ধরন তিন ধাপের। Search করুন, ফলাফল prompt-এ রাখুন, তারপর মডেলকে শুধু সেই ফলাফল থেকে উত্তর দিতে বলুন। মডেলকে URL উদ্ধৃত করতে বলুন।
Python: search, তারপর সূত্রসহ উত্তর
import requests
from openai import OpenAI
BASE = "http://localhost:3001/v1"
KEY = "<unified-key>"
client = OpenAI(base_url=BASE, api_key=KEY)
question = "What is the latest stable Python version?"
hits = requests.post(
f"{BASE}/search",
headers={"Authorization": f"Bearer {KEY}"},
json={"query": question, "max_results": 5},
timeout=30,
).json()["results"]
context = "\n\n".join(
f"[{i + 1}] {h['title']}\n{h['url']}\n{h['content'][:1500]}" for i, h in enumerate(hits)
)
answer = client.chat.completions.create(
model="auto",
messages=[
{"role": "system", "content": "Answer only from the sources. Cite them as [1], [2]. "
"If the sources do not answer the question, say so."},
{"role": "user", "content": f"Sources:\n{context}\n\nQuestion: {question}"},
],
)
print(answer.choices[0].message.content)Search সময় যোগ করে এবং ক্রেডিট ব্যবহার করে। শুধু তখনই search করুন যখন প্রশ্নের জন্য মডেলের প্রশিক্ষণ ডেটার চেয়ে নতুন তথ্য দরকার, অথবা ব্যবহারকারীর সূত্র দরকার। বারবার করা প্রশ্নের ফলাফল একটি cache-এ রাখুন।
একটি engine 429 error পাঠালে রাউটার query পরের engine-এ পাঠায়। সব engine-এর ফলাফলের আকার একই, তাই আপনার কোড বদলায় না। শুধু যখন প্রতিবার একটি engine দরকার, তখন engine ব্যবহার করুন।
একটি এজেন্টের জন্য মডেলকে একটি web_search tool দিন। মডেল tool কল করলে query /v1/search-এ পাঠান এবং ফলাফল tool result হিসেবে ফেরত দিন। tool loop-এর জন্য Free function calling LLM API পড়ুন।
Gemini Google Search grounding
Google মডেলগুলো নিজেরাও Google-এ search করতে পারে। google_search নামের একটি tool পাঠান এবং একটি Google মডেল pin করুন। FreeLLMAPI tool-টিকে নেটিভ Gemini grounding tool-এ বদলে দেয়।
Python: Google Search দিয়ে grounding
resp = client.chat.completions.create(
model="gemini-2.5-flash", # pin a Google model so that the request goes to Google
messages=[{"role": "user", "content": "Who won the F1 race this weekend?"}],
tools=[{"type": "function", "function": {"name": "google_search", "parameters": {}}}],
)
print(resp.choices[0].message.content)ফাঁদ ও সমস্যা সমাধান
- ক্রেডিট, অনুরোধ নয়: একটি advanced Tavily search 2 credit ব্যবহার করে। প্রতি 10 ফলাফলে একটি Firecrawl search 2 credit ব্যবহার করে। যখন 5টি যথেষ্ট, তখন 5টি ফলাফল চান।
- দীর্ঘ কনটেন্ট: search ফলাফল দীর্ঘ হতে পারে। prompt-এ রাখার আগে প্রতিটি ফলাফল ছোট করুন, নইলে অনুরোধ একটি ছোট ফ্রি মডেলের টোকেন সীমা ছাড়িয়ে যেতে পারে।
- পুরোনো বা ভুল পাতা: মডেল যা দেওয়া হয় তা বিশ্বাস করে। সূত্র প্রশ্নের উত্তর না দিলে তা জানাতে বলুন।
| সমস্যা | কারণ | সমাধান |
|---|---|---|
Error 400, query প্রয়োজন | অনুরোধ বডিতে কোনো query নেই | একটি query string যোগ করুন |
Retry-After সহ Error 429 | সব engine সীমায় আছে | হেডারের সময় পর্যন্ত অপেক্ষা করুন, অথবা আরেকটি engine কী যোগ করুন |
| কোনো engine প্রস্তুত নয় | কোনো search কী যোগ করা নেই | একটি কী যোগ করুন, তারপর GET /v1/search/engines দেখুন |
| Grounding চলে না | অনুরোধটি একটি Google নয় এমন মডেলে গেছে | একটি Gemini 2.5 Flash মডেল pin করুন |
সাধারণ প্রশ্ন
AI এজেন্টের জন্য কি বিনামূল্যের web search API আছে?
হ্যাঁ। Tavily প্রতি মাসে 1,000 credit দেয়। Exa প্রতি মাসে $10 credit দেয়। Firecrawl প্রতি মাসে 1,000 credit দেয়। ফ্রি প্ল্যানের জন্য এদের কোনোটিতেই credit card লাগে না।
LLM-এর জন্য কোন বিনামূল্যের search API সবচেয়ে ভালো?
সহজ প্রশ্নের জন্য উপযোগী, ফলাফলের সঙ্গে একটি ছোট উত্তর ফেরত দিতে Tavily পারে। গবেষণার জন্য উপযোগী, সম্পূর্ণ পাতার কনটেন্ট ফেরত দেয় Exa ও Firecrawl। সব কটি যোগ করুন, যাতে failover প্রতিটি ফ্রি প্ল্যান ব্যবহার করতে পারে।
Gemini API-তে কি Google Search grounding বিনামূল্যে?
হ্যাঁ, Gemini 2.5 Flash ও Flash-Lite-এর জন্য, ফ্রি টিয়ারে প্রতিদিন সর্বোচ্চ 500 অনুরোধ পর্যন্ত। Gemini 3 ও নতুন মডেলে কোনো বিনামূল্যের grounding নেই।
কীভাবে একটি LLM-এ web search যোগ করব?
/v1/search দিয়ে search করুন, ফলাফল prompt-এ রাখুন, এবং মডেলকে শুধু সেগুলো থেকে উত্তর দিতে এবং URL উদ্ধৃত করতে বলুন। একটি এজেন্টের জন্য search-কে একটি tool হিসেবে দিন।
সম্পর্কিত গাইড
- ফাংশন কলিংসহ ফ্রি LLM API
- AI এজেন্টের জন্য বিনামূল্যের LLM API
- RAG-এর জন্য বিনামূল্যের LLM API
- free gemini api
- n8n-এর জন্য ফ্রি LLM API
উৎস
- FreeLLMAPI docs: Web search and Google Search grounding (যাচাই: 20 November 2026)
- Tavily docs: API credits (যাচাই: 20 November 2026)
- Exa pricing (যাচাই: 20 November 2026)
- Firecrawl pricing (যাচাই: 20 November 2026)
- Linkup pricing (যাচাই: 20 November 2026)
- Gemini Developer API pricing: grounding (যাচাই: 20 November 2026)