Accueil / Guides / API de recherche web gratuite pour agents IA

API de recherche web gratuite pour agents IA

Un LLM ne connaît que ses données d'entraînement. Une API de recherche web lui fournit des faits récents et des sources. Tavily, Exa, Firecrawl et Linkup offrent chacun des crédits mensuels gratuits. FreeLLMAPI place ces moteurs derrière un seul point de terminaison /v1/search et passe au moteur suivant lorsqu'un moteur échoue.

Le code, les noms de modèles et les libellés du catalogue en direct sont affichés en anglais.

Moteurs de recherche gratuits à ce jour

Le tableau liste les moteurs de recherche du catalogue FreeLLMAPI. Les données viennent du catalogue en direct. « Answers » signifie que le moteur peut renvoyer une courte réponse écrite avec les résultats. « News » signifie qu'il peut limiter la recherche aux actualités.

API de rechercheLimite gratuiteRéponsesActualités
Tavily Search1,000 credits/month, no cardOuiOui
Exa Search$10/month in credits, no cardNonOui
Firecrawl Search1,000 credits/month (2 per search), no cardNonOui
Linkup Searchfree monthly credits for eligible accountsOuiNon
Parallel SearchFree, no key needed (rate-limited); free API key for moreNonNon
SerpSearch1,000 requests/month shared across endpoints; no card; 1 request/secondNonOui

Données en direct du catalogue FreeLLMAPI (version 2026.11.19, vérifié le 2026-11-19). Les limites gratuites changent souvent. Le catalogue est vérifié chaque jour.

Offres gratuites d'après les pages tarifaires des fournisseurs, vérifiées le 20 novembre 2026
MoteurOffre gratuite (officielle)Coût d'une rechercheAutres limites
Tavily1 000 crédits par mois, sans carte bancaire1 crédit (basique) ou 2 crédits (avancé)Extract coûte 1 crédit pour 5 URL
Exa10 $ de crédits, réinitialisés le premier jour de chaque mois, sans moyen de paiementEnviron 0,004 $ (lite) à 0,007 $ (auto)Chaque résultat au-delà de 10 coûte davantage
Firecrawl1 000 crédits par mois, sans carte bancaire2 crédits pour 10 résultats10 requêtes de recherche par minute, 2 en même temps
LinkupCrédits gratuits sur la page des tarifsEnviron 0,005 $ à 0,006 $Nous n'avons pas pu confirmer le montant mensuel à ce jour

Avec les quatre clés, vous obtenez chaque mois environ 1 000 recherches Tavily, 1 400 à 2 500 recherches Exa et 500 recherches Firecrawl. Ces chiffres sont notre calcul à partir des prix publiés.

Étape 1 : installer FreeLLMAPI et ajouter les clés de recherche

FreeLLMAPI est open source. Il fonctionne sur votre ordinateur dans Docker. Vos clés de fournisseurs restent sur votre ordinateur.

Installer (macOS ou Linux)

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

Ouvrez le tableau de bord à l'adresse http://localhost:3001. Ajoutez une clé Tavily, Exa, Firecrawl ou Linkup sur la page Keys. Ajoutez aussi une clé d'un fournisseur de chat, par exemple Google AI Studio ou Groq. Copiez votre clé unifiée depuis la même page.

Pour voir quels moteurs peuvent répondre maintenant, envoyez GET /v1/search/engines. La liste donne aussi les identifiants de moteurs que vous pouvez figer.

Étape 2 : rechercher sur le web

Envoyez un query. Les champs facultatifs sont max_results, topic (general ou news), include_answer et engine. La réponse contient query, results, provider et engine. Chaque résultat a un title, une url et 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"}'

Étape 3 : donner les résultats à un LLM

Le schéma habituel comporte trois étapes. Rechercher, placer les résultats dans l'invite, puis demander au modèle de répondre uniquement à partir de ces résultats. Demandez au modèle de citer les URL.

Python : rechercher, puis répondre avec les sources

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 recherche ajoute du temps et consomme des crédits. Recherchez seulement lorsque la question demande des faits plus récents que les données d'entraînement du modèle, ou lorsque l'utilisateur a besoin de sources. Gardez dans un cache les résultats des questions répétées.

Lorsqu'un moteur envoie une erreur 429, le routeur envoie la requête au moteur suivant. Les résultats de tous les moteurs ont la même forme, donc votre code ne change pas. Utilisez engine seulement lorsque vous avez besoin d'un moteur à chaque fois.

Pour un agent, donnez au modèle un outil web_search. Lorsque le modèle appelle l'outil, envoyez la requête à /v1/search et renvoyez les résultats comme résultat de l'outil. Lisez API LLM gratuite avec appel de fonctions pour la boucle d'outils.

Ancrage avec Google Search pour Gemini

Les modèles Google peuvent aussi chercher directement sur Google. Envoyez un outil nommé google_search et figez un modèle Google. FreeLLMAPI transforme l'outil en outil d'ancrage Gemini natif.

Python : ancrage avec 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)
Limite de l'offre gratuite : Google autorise l'ancrage dans l'offre gratuite pour Gemini 2.5 Flash et Flash-Lite, jusqu'à 500 requêtes par jour partagées entre les deux. Gemini 3 et les modèles plus récents n'ont pas d'ancrage gratuit. Figez un modèle 2.5 Flash pour l'ancrage gratuit.

Pièges et dépannage

  • Crédits, et non requêtes : une recherche Tavily avancée utilise 2 crédits. Une recherche Firecrawl utilise 2 crédits pour 10 résultats. Demandez 5 résultats lorsque 5 suffisent.
  • Contenu long : les résultats de recherche peuvent être longs. Réduisez chaque résultat avant de le placer dans l'invite, sinon la requête peut dépasser la limite de jetons d'un petit modèle gratuit.
  • Pages anciennes ou erronées : le modèle fait confiance à ce que vous lui donnez. Demandez-lui de signaler lorsque les sources ne répondent pas à la question.
ProblèmeCauseSolution
Erreur 400 query is requiredLe corps de la requête ne contient pas de queryAjoutez une chaîne query
Erreur 429 avec Retry-AfterTous les moteurs ont atteint leur limiteAttendez le délai indiqué dans l'en-tête, ou ajoutez une clé d'un autre moteur
Aucun moteur n'est prêtAucune clé de recherche n'est ajoutéeAjoutez une clé, puis vérifiez GET /v1/search/engines
L'ancrage ne s'exécute pasLa requête est allée vers un modèle non GoogleFigez un modèle Gemini 2.5 Flash
Utilisez chacun de ces modèles avec une seule clé. FreeLLMAPI est un routeur open source auto-hébergé. Il place toutes ces offres gratuites derrière un seul point de terminaison compatible OpenAI, et bascule vers une autre offre lorsqu'une limite de débit est atteinte. Parcourir le catalogue ou passer en production.

Questions fréquentes

Existe-t-il une API de recherche web gratuite pour les agents IA ?

Oui. Tavily donne 1 000 crédits par mois. Exa donne 10 $ de crédits par mois. Firecrawl donne 1 000 crédits par mois. Aucun ne demande de carte bancaire pour l'offre gratuite.

Quelle API de recherche gratuite est la meilleure pour les LLM ?

Tavily peut renvoyer une courte réponse avec les résultats, ce qui est utile pour les questions simples. Exa et Firecrawl renvoient le contenu complet des pages, ce qui est utile pour la recherche. Ajoutez-les tous pour que le basculement puisse utiliser chaque offre gratuite.

L'ancrage Google Search est-il gratuit dans l'API Gemini ?

Oui, pour Gemini 2.5 Flash et Flash-Lite, jusqu'à 500 requêtes par jour dans l'offre gratuite. Gemini 3 et les modèles plus récents n'ont pas d'ancrage gratuit.

Comment ajouter la recherche web à un LLM ?

Recherchez avec /v1/search, placez les résultats dans l'invite et demandez au modèle de répondre uniquement à partir d'eux et de citer les URL. Pour un agent, exposez la recherche comme un outil.

Guides associés

Sources

Tous les guides · Parcourir tous les modèles gratuits