Startseite / Anleitungen / Kostenlose Websuche-API für KI-Agenten

Kostenlose Websuche-API für KI-Agenten

Ein LLM kennt nur seine Trainingsdaten. Eine Websuche-API liefert ihm aktuelle Fakten und Quellen. Tavily, Exa, Firecrawl und Linkup geben jeweils kostenlose monatliche Credits. FreeLLMAPI legt diese Engines hinter einen Endpunkt /v1/search und wechselt zur nächsten Engine, wenn eine ausfällt.

Code, Modellnamen und Bezeichnungen aus dem Live-Katalog werden auf Englisch angezeigt.

Kostenlose Suchmaschinen heute

Die Tabelle listet die Suchmaschinen im FreeLLMAPI-Katalog. Die Daten stammen aus dem Live-Katalog. „Answers“ bedeutet, dass die Engine zusammen mit den Ergebnissen eine kurze geschriebene Antwort liefern kann. „News“ bedeutet, dass sie die Suche auf Nachrichten begrenzen kann.

Such-APIKostenloses LimitAntwortenNachrichten
Tavily Search1,000 credits/month, no cardJaJa
Exa Search$10/month in credits, no cardNeinJa
Firecrawl Search1,000 credits/month (2 per search), no cardNeinJa
Linkup Searchfree monthly credits for eligible accountsJaNein
Parallel SearchFree, no key needed (rate-limited); free API key for moreNeinNein
SerpSearch1,000 requests/month shared across endpoints; no card; 1 request/secondNeinJa

Live-Daten aus dem FreeLLMAPI-Katalog (Version 2026.11.19, geprüft 2026-11-19). Kostenlose Limits ändern sich oft. Der Katalog wird jeden Tag geprüft.

Kostenlose Tarife aus den Preisseiten der Anbieter, geprüft am 20. November 2026
EngineKostenloser Tarif (offiziell)Kosten einer SucheWeitere Limits
Tavily1,000 Credits pro Monat, keine Kreditkarte1 Credit (basic) oder 2 Credits (advanced)Extract kostet 1 Credit je 5 URLs
Exa$10 an Credits, am ersten Tag jedes Monats zurückgesetzt, keine ZahlungsmethodeEtwa $0.004 (lite) bis $0.007 (auto)Jedes Ergebnis über 10 kostet mehr
Firecrawl1,000 Credits pro Monat, keine Kreditkarte2 Credits je 10 Ergebnisse10 Suchanfragen pro Minute, 2 gleichzeitig
LinkupKostenlose Credits auf der PreisseiteEtwa $0.005 bis $0.006Die monatliche Menge konnten wir heute nicht bestätigen

Mit allen vier Schlüsseln erhalten Sie jeden Monat etwa 1,000 Tavily-Suchen, 1,400 bis 2,500 Exa-Suchen und 500 Firecrawl-Suchen. Diese Zahlen sind unsere Berechnung aus den veröffentlichten Preisen.

Schritt 1: FreeLLMAPI installieren und Suchschlüssel hinzufügen

FreeLLMAPI ist Open Source. Es läuft in Docker auf Ihrem Computer. Ihre Anbieter-Schlüssel bleiben auf Ihrem Computer.

Installation (macOS oder Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

Öffnen Sie das Dashboard unter http://localhost:3001. Fügen Sie auf der Seite Keys einen Schlüssel für Tavily, Exa, Firecrawl oder Linkup hinzu. Fügen Sie außerdem einen Schlüssel für einen Chat-Anbieter hinzu, zum Beispiel Google AI Studio oder Groq. Kopieren Sie Ihren einheitlichen Schlüssel von derselben Seite.

Um zu sehen, welche Engines jetzt antworten können, senden Sie GET /v1/search/engines. Die Liste nennt auch die Engine-IDs, die Sie festlegen können.

Schritt 2: Im Web suchen

Senden Sie eine query. Die optionalen Felder sind max_results, topic (general oder news), include_answer und engine. Die Antwort enthält query, results, provider und engine. Jedes Ergebnis hat einen title, eine url und 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"}'

Schritt 3: Die Ergebnisse einem LLM geben

Das übliche Muster hat drei Schritte. Suchen, die Ergebnisse in den Prompt setzen und dann das Modell bitten, nur aus diesen Ergebnissen zu antworten. Weisen Sie das Modell an, die URLs zu zitieren.

Python: suchen, dann mit Quellen antworten

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)

Eine Suche braucht Zeit und verbraucht Credits. Suchen Sie nur, wenn die Frage Fakten braucht, die neuer sind als die Trainingsdaten des Modells, oder wenn der Benutzer Quellen braucht. Halten Sie die Ergebnisse wiederholter Fragen in einem Cache.

Wenn eine Engine einen Fehler 429 sendet, leitet der Router die Anfrage an die nächste Engine weiter. Ergebnisse aller Engines haben dieselbe Form, daher ändert sich Ihr Code nicht. Verwenden Sie engine nur, wenn Sie jedes Mal eine bestimmte Engine brauchen.

Geben Sie einem Agenten dem Modell ein Tool web_search. Wenn das Modell das Tool aufruft, senden Sie die Anfrage an /v1/search und geben die Ergebnisse als Tool-Ergebnis zurück. Die Tool-Schleife erklärt Kostenlose LLM-API mit Function Calling.

Gemini-Google-Search-Grounding

Google-Modelle können auch selbst bei Google suchen. Senden Sie ein Tool mit dem Namen google_search und legen Sie ein Google-Modell fest. FreeLLMAPI wandelt das Tool in das native Grounding-Tool von Gemini um.

Python: Grounding mit Google Search

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)
Limit der kostenlosen Stufe: Google erlaubt Grounding in der kostenlosen Stufe für Gemini 2.5 Flash und Flash-Lite, bis zu 500 Anfragen pro Tag, die sich beide Modelle teilen. Gemini 3 und neuere Modelle haben kein kostenloses Grounding. Legen Sie für kostenloses Grounding ein 2.5-Flash-Modell fest.

Fallstricke und Fehlerbehebung

  • Credits, nicht Anfragen: Eine Tavily-Suche mit advanced verbraucht 2 Credits. Eine Firecrawl-Suche verbraucht 2 Credits je 10 Ergebnisse. Fordern Sie 5 Ergebnisse an, wenn 5 genügen.
  • Langer Inhalt: Suchergebnisse können lang sein. Kürzen Sie jedes Ergebnis, bevor Sie es in den Prompt setzen. Sonst kann die Anfrage das Token-Limit eines kleinen kostenlosen Modells überschreiten.
  • Alte oder falsche Seiten: Das Modell vertraut dem, was Sie ihm geben. Weisen Sie es an, zu sagen, wenn die Quellen die Frage nicht beantworten.
ProblemUrsacheLösung
Fehler 400 query is requiredDer Body hat kein queryFügen Sie einen String query hinzu
Fehler 429 mit Retry-AfterAlle Engines haben ihr Limit erreichtWarten Sie die Zeit im Header ab oder fügen Sie einen Schlüssel einer weiteren Engine hinzu
Keine Engine ist bereitEs ist kein Suchschlüssel hinzugefügtFügen Sie einen Schlüssel hinzu und prüfen Sie dann GET /v1/search/engines
Grounding läuft nichtDie Anfrage ging an ein Modell, das nicht von Google stammtLegen Sie ein Gemini-2.5-Flash-Modell fest
Nutzen Sie alle diese Modelle über einen einzigen Schlüssel. FreeLLMAPI ist ein Open-Source-Router, den Sie selbst hosten. Er stellt alle diese kostenlosen Angebote hinter einem einzigen OpenAI-kompatiblen Endpunkt bereit und wechselt zum nächsten Anbieter, wenn ein Anbieter das Limit erreicht. Katalog ansehen oder Jetzt starten.

Häufig gestellte Fragen

Gibt es eine kostenlose Websuche-API für KI-Agenten?

Ja. Tavily gibt jeden Monat 1,000 Credits. Exa gibt jeden Monat $10 an Credits. Firecrawl gibt jeden Monat 1,000 Credits. Keiner davon braucht für den kostenlosen Tarif eine Kreditkarte.

Welche kostenlose Such-API ist am besten für LLMs?

Tavily kann zusammen mit den Ergebnissen eine kurze Antwort liefern. Das ist nützlich für einfache Fragen. Exa und Firecrawl liefern den vollständigen Seiteninhalt. Das ist nützlich für Recherchen. Fügen Sie alle hinzu, damit das Failover jeden kostenlosen Tarif nutzen kann.

Ist das Google-Search-Grounding in der Gemini-API kostenlos?

Ja, für Gemini 2.5 Flash und Flash-Lite, bis zu 500 Anfragen pro Tag in der kostenlosen Stufe. Gemini 3 und neuere Modelle haben kein kostenloses Grounding.

Wie füge ich einem LLM eine Websuche hinzu?

Suchen Sie mit /v1/search, setzen Sie die Ergebnisse in den Prompt und weisen Sie das Modell an, nur aus ihnen zu antworten und die URLs zu zitieren. Für einen Agenten stellen Sie die Suche als Tool bereit.

Verwandte Anleitungen

Quellen

Alle Anleitungen · Alle kostenlosen Modelle ansehen