API de búsqueda web gratuita para agentes de IA
Un LLM solo conoce sus datos de entrenamiento. Una API de búsqueda web le da hechos actuales y fuentes. Tavily, Exa, Firecrawl y Linkup dan cada uno créditos gratuitos al mes. FreeLLMAPI pone estos motores detrás de un solo endpoint /v1/search y pasa al siguiente motor cuando uno falla.
El código, los nombres de los modelos y las etiquetas del catálogo en vivo se muestran en inglés.
Motores de búsqueda gratuitos hoy
La tabla enumera los motores de búsqueda del catálogo de FreeLLMAPI. Los datos provienen del catálogo en vivo. "Answers" significa que el motor puede devolver una respuesta escrita breve con los resultados. "News" significa que puede limitar la búsqueda a noticias.
| API de búsqueda | Límite gratuito | Respuestas | Noticias |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | Sí | Sí |
| Exa Search | $10/month in credits, no card | No | Sí |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | No | Sí |
| Linkup Search | free monthly credits for eligible accounts | Sí | No |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | No | No |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | No | Sí |
Datos en vivo del catálogo de FreeLLMAPI (versión 2026.11.19, revisado 2026-11-19). Los límites gratuitos cambian con frecuencia. El catálogo se revisa todos los días.
| Motor | Plan gratuito (oficial) | Costo de una búsqueda | Otros límites |
|---|---|---|---|
| Tavily | 1,000 créditos cada mes, sin tarjeta de crédito | 1 crédito (básica) o 2 créditos (avanzada) | Extract cuesta 1 crédito por cada 5 URL |
| Exa | $10 en créditos, que se reinician el primer día de cada mes, sin método de pago | Alrededor de $0.004 (lite) a $0.007 (auto) | Cada resultado por encima de 10 cuesta más |
| Firecrawl | 1,000 créditos cada mes, sin tarjeta de crédito | 2 créditos por cada 10 resultados | 10 solicitudes de búsqueda por minuto, 2 al mismo tiempo |
| Linkup | Créditos gratuitos en la página de precios | Alrededor de $0.005 a $0.006 | No pudimos confirmar la cantidad mensual de hoy |
Con las cuatro claves, obtiene cada mes unas 1,000 búsquedas de Tavily, de 1,400 a 2,500 búsquedas de Exa y 500 búsquedas de Firecrawl. Estas cifras son nuestro cálculo a partir de los precios publicados.
Paso 1: Instale FreeLLMAPI y agregue claves de búsqueda
FreeLLMAPI es de código abierto. Se ejecuta en su computadora con Docker. Sus claves de proveedores se quedan en su computadora.
Instalar (macOS o Linux)
curl -fsSL https://freellmapi.co/install.sh | bashAbra el panel en http://localhost:3001. Agregue una clave de Tavily, Exa, Firecrawl o Linkup en la página Keys. Agregue también una clave de un proveedor de chat, por ejemplo Google AI Studio o Groq. Copie su clave unificada desde la misma página.
Para ver qué motores pueden responder ahora, envíe GET /v1/search/engines. La lista también indica los ID de motor que puede fijar.
Paso 2: Busque en la web
Envíe un query. Los campos opcionales son max_results, topic (general o news), include_answer y engine. La respuesta tiene query, results, provider y engine. Cada resultado tiene un title, una url y un 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"}'Paso 3: Entregue los resultados a un LLM
El patrón habitual tiene tres pasos. Busque, ponga los resultados en el prompt y luego pida al modelo que responda solo con esos resultados. Indique al modelo que cite las URL.
Python: buscar y luego responder con fuentes
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)La búsqueda agrega tiempo y gasta créditos. Busque solo cuando la pregunta necesite hechos más recientes que los datos de entrenamiento del modelo, o cuando el usuario necesite fuentes. Guarde en una caché los resultados de preguntas repetidas.
Cuando un motor envía un error 429, el enrutador envía la consulta al siguiente motor. Los resultados de todos los motores tienen la misma forma, así que su código no cambia. Use engine solo cuando necesite un motor fijo en todas las llamadas.
Para un agente, dé al modelo una herramienta web_search. Cuando el modelo llame a la herramienta, envíe la consulta a /v1/search y devuelva los resultados como resultado de la herramienta. Lea API de LLM gratuita con llamadas a funciones para ver el bucle de herramientas.
Grounding con Google Search en Gemini
Los modelos de Google también pueden buscar en Google por sí mismos. Envíe una herramienta llamada google_search y fije un modelo de Google. FreeLLMAPI convierte la herramienta en la herramienta nativa de grounding de Gemini.
Python: grounding con 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)Errores frecuentes y solución de problemas
- Créditos, no solicitudes: una búsqueda avanzada de Tavily usa 2 créditos. Una búsqueda de Firecrawl usa 2 créditos por cada 10 resultados. Pida 5 resultados cuando 5 bastan.
- Contenido largo: los resultados de búsqueda pueden ser largos. Recorte cada resultado antes de ponerlo en el prompt, o la solicitud puede superar el límite de tokens de un modelo gratuito pequeño.
- Páginas antiguas o incorrectas: el modelo confía en lo que usted le da. Indíquele que diga cuándo las fuentes no responden la pregunta.
| Problema | Causa | Solución |
|---|---|---|
Error 400 query is required | El cuerpo no tiene query | Agregue una cadena query |
Error 429 con Retry-After | Todos los motores llegaron a su límite | Espere el tiempo indicado en el encabezado, o agregue la clave de otro motor |
| Ningún motor está listo | No se agregó ninguna clave de búsqueda | Agregue una clave y luego revise GET /v1/search/engines |
| El grounding no se ejecuta | La solicitud fue a un modelo que no es de Google | Fije un modelo Gemini 2.5 Flash |
Preguntas frecuentes
¿Existe una API de búsqueda web gratuita para agentes de IA?
Sí. Tavily da 1,000 créditos cada mes. Exa da $10 en créditos cada mes. Firecrawl da 1,000 créditos cada mes. Ninguno necesita tarjeta de crédito para el plan gratuito.
¿Qué API de búsqueda gratuita es la mejor para LLM?
Tavily puede devolver una respuesta breve con los resultados, lo que es útil para preguntas simples. Exa y Firecrawl devuelven el contenido completo de las páginas, lo que es útil para investigación. Agregue todos para que la conmutación pueda usar cada plan gratuito.
¿El grounding de Google Search es gratuito en la API de Gemini?
Sí, para Gemini 2.5 Flash y Flash-Lite, hasta 500 solicitudes por día en el nivel gratuito. Gemini 3 y los modelos más nuevos no tienen grounding gratuito.
¿Cómo agrego búsqueda web a un LLM?
Busque con /v1/search, ponga los resultados en el prompt e indique al modelo que responda solo con ellos y cite las URL. Para un agente, exponga la búsqueda como herramienta.
Guías relacionadas
- LLM API gratuita con llamadas a funciones
- API LLM gratuita para agentes de IA
- API LLM gratuita para RAG
- free gemini api
- LLM API gratuita para n8n
Fuentes
- FreeLLMAPI docs: Web search and Google Search grounding (revisado 20 November 2026)
- Tavily docs: API credits (revisado 20 November 2026)
- Exa pricing (revisado 20 November 2026)
- Firecrawl pricing (revisado 20 November 2026)
- Linkup pricing (revisado 20 November 2026)
- Gemini Developer API pricing: grounding (revisado 20 November 2026)