होम / गाइड / AI agents के लिए मुफ़्त web search API

AI agents के लिए मुफ़्त web search API

LLM सिर्फ अपने प्रशिक्षण डेटा को जानता है। Web search API उसे ताज़ा तथ्य और स्रोत देता है। Tavily, Exa, Firecrawl और Linkup हर महीने मुफ़्त क्रेडिट देते हैं। FreeLLMAPI इन engines को एक /v1/search endpoint के पीछे रखता है और एक engine विफल होने पर अगले engine पर चला जाता है।

कोड, मॉडल नाम और लाइव कैटलॉग लेबल अंग्रेज़ी में दिखाए गए हैं।

आज के मुफ़्त search engines

Table में FreeLLMAPI catalog के search engines दिए गए हैं। डेटा लाइव catalog से आता है। "Answers" का मतलब है कि engine परिणामों के साथ एक छोटा लिखित जवाब लौटा सकता है। "News" का मतलब है कि वह search को समाचार तक सीमित कर सकता है।

सर्च APIमुफ़्त सीमाउत्तरसमाचार
Tavily Search1,000 credits/month, no cardहाँहाँ
Exa Search$10/month in credits, no cardनहींहाँ
Firecrawl Search1,000 credits/month (2 per search), no cardनहींहाँ
Linkup Searchfree monthly credits for eligible accountsहाँनहीं
Parallel SearchFree, no key needed (rate-limited); free API key for moreनहींनहीं
SerpSearch1,000 requests/month shared across endpoints; no card; 1 request/secondनहींहाँ

FreeLLMAPI कैटलॉग से लाइव डेटा (संस्करण 2026.11.19, जाँच 2026-11-19)। मुफ़्त सीमाएँ अक्सर बदलती हैं। कैटलॉग की हर दिन जाँच होती है।

Provider pricing पेजों से मुफ़्त plans, 20 नवंबर 2026 को जाँचे गए
Engineमुफ़्त plan (आधिकारिक)एक search की लागतअन्य limits
Tavilyहर महीने 1,000 क्रेडिट, कोई credit card नहीं1 क्रेडिट (basic) या 2 क्रेडिट (advanced)Extract हर 5 URLs के लिए 1 क्रेडिट लेता है
Exa$10 के क्रेडिट, हर महीने की पहली तारीख को reset, कोई payment method नहींलगभग $0.004 (lite) से $0.007 (auto) तक10 से ऊपर हर परिणाम की लागत ज़्यादा है
Firecrawlहर महीने 1,000 क्रेडिट, कोई credit card नहींहर 10 परिणामों के लिए 2 क्रेडिटप्रति मिनट 10 search requests, एक साथ 2
LinkupPricing पेज पर मुफ़्त क्रेडिटलगभग $0.005 से $0.006हम आज मासिक राशि की पुष्टि नहीं कर सके

चारों keys के साथ आपको हर महीने लगभग 1,000 Tavily searches, 1,400 से 2,500 Exa searches और 500 Firecrawl searches मिलती हैं। ये संख्याएँ प्रकाशित कीमतों से हमारी गणना हैं।

चरण 1: FreeLLMAPI इंस्टॉल करें और search keys जोड़ें

FreeLLMAPI open source है। यह Docker में आपके computer पर चलता है। आपकी provider keys आपके computer पर ही रहती हैं।

इंस्टॉल करें (macOS या Linux)

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

http://localhost:3001 पर dashboard खोलें। Keys page पर Tavily, Exa, Firecrawl या Linkup की key जोड़ें। एक chat provider की key भी जोड़ें, जैसे Google AI Studio या Groq। उसी page से अपनी unified key कॉपी करें।

यह देखने के लिए कि अभी कौन से engines जवाब दे सकते हैं, GET /v1/search/engines भेजें। सूची में वे engine ids भी हैं जिन्हें आप पिन कर सकते हैं।

चरण 2: वेब पर search करें

एक query भेजें। वैकल्पिक fields हैं max_results, topic (general या news), include_answer और engine। Response में query, results, provider और engine होते हैं। हर result में title, एक url और content होता है।

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"}'

चरण 3: परिणाम LLM को दें

आम तरीके में तीन चरण होते हैं। Search करें, परिणामों को prompt में रखें, फिर model से कहें कि वह सिर्फ उन परिणामों से जवाब दे। Model को URLs का हवाला देने के लिए कहें।

Python: search, फिर स्रोतों के साथ जवाब

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 में समय लगता है और क्रेडिट खर्च होते हैं। Search तभी करें जब सवाल के लिए model के प्रशिक्षण डेटा से नए तथ्य चाहिए, या जब उपयोगकर्ता को स्रोत चाहिए। बार-बार पूछे गए सवालों के परिणाम cache में रखें।

जब कोई engine 429 error भेजता है, तो router query को अगले engine पर भेज देता है। सभी engines के परिणामों का आकार एक ही होता है, इसलिए आपका code नहीं बदलता। engine तभी इस्तेमाल करें जब आपको हर बार एक ही engine चाहिए।

किसी agent के लिए model को एक web_search tool दें। जब model tool call करे, तो query को /v1/search पर भेजें और परिणाम tool result के रूप में लौटाएँ। Tool loop के लिए Free function calling LLM API पढ़ें।

Gemini Google Search grounding

Google models खुद भी Google पर search कर सकते हैं। google_search नाम का tool भेजें और एक Google model पिन करें। FreeLLMAPI tool को मूल Gemini grounding tool में बदल देता है।

Python: Google Search के साथ 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)
मुफ़्त tier की limit: Google मुफ़्त tier पर Gemini 2.5 Flash और Flash-Lite के लिए grounding की अनुमति देता है, दोनों मिलाकर प्रति दिन 500 requests तक। Gemini 3 और नए models पर मुफ़्त grounding नहीं है। मुफ़्त grounding के लिए 2.5 Flash model पिन करें।

सावधानियाँ और समस्या निवारण

  • Requests नहीं, क्रेडिट: advanced Tavily search 2 क्रेडिट लेता है। Firecrawl search हर 10 परिणामों के लिए 2 क्रेडिट लेता है। जब 5 परिणाम काफ़ी हों, तो 5 माँगें।
  • लंबी content: Search परिणाम लंबे हो सकते हैं। Prompt में डालने से पहले हर परिणाम को काटें, वरना request एक छोटे मुफ़्त model की token सीमा से ऊपर जा सकती है।
  • पुराने या गलत पेज: Model वही मानता है जो आप उसे देते हैं। उसे कहें कि जब स्रोत सवाल का जवाब न दें, तो यह बताए।
समस्याकारणसमाधान
Error 400 query ज़रूरी हैBody में query नहीं हैएक query string जोड़ें
Retry-After के साथ error 429सभी engines अपनी limit पर हैंHeader में दिए समय का इंतज़ार करें, या एक और engine की key जोड़ें
कोई engine तैयार नहीं हैकोई search key नहीं जोड़ी गई हैएक key जोड़ें, फिर GET /v1/search/engines जाँचें
Grounding नहीं चलतीRequest एक गैर-Google model पर गईएक Gemini 2.5 Flash model पिन करें
इनमें से हर एक का उपयोग एक ही कुंजी से करें। FreeLLMAPI एक ओपन-सोर्स, सेल्फ़-होस्टेड राउटर है। यह इन सभी मुफ़्त टियर को एक OpenAI-संगत एंडपॉइंट के पीछे रखता है। जब कोई एक सीमा पर पहुँचता है, तो यह अगले प्रदाता पर स्विच कर देता है। कैटलॉग देखें या शुरू करें.

अक्सर पूछे जाने वाले प्रश्न

क्या AI agents के लिए कोई मुफ़्त web search API है?

हाँ। Tavily हर महीने 1,000 क्रेडिट देता है। Exa हर महीने $10 के क्रेडिट देता है। Firecrawl हर महीने 1,000 क्रेडिट देता है। इनमें से किसी के मुफ़्त plan को credit card की ज़रूरत नहीं है।

LLMs के लिए कौन सी मुफ़्त search API सबसे अच्छी है?

Tavily परिणामों के साथ एक छोटा जवाब लौटा सकता है, जो सरल सवालों के लिए काम का है। Exa और Firecrawl पूरी page content लौटाते हैं, जो शोध के लिए काम की है। सभी को जोड़ें, ताकि failover हर मुफ़्त plan का इस्तेमाल कर सके।

क्या Gemini API में Google Search grounding मुफ़्त है?

हाँ, Gemini 2.5 Flash और Flash-Lite के लिए, मुफ़्त tier पर प्रति दिन 500 requests तक। Gemini 3 और नए models पर मुफ़्त grounding नहीं है।

LLM में web search कैसे जोड़ें?

/v1/search से search करें, परिणामों को prompt में रखें, और model से कहें कि वह सिर्फ उन्हीं से जवाब दे और URLs का हवाला दे। किसी agent के लिए search को एक tool के रूप में दें।

संबंधित गाइड

स्रोत

सभी गाइड · सभी मुफ़्त मॉडल देखें