Home / Guide / API di ricerca web gratuita per agenti AI

API di ricerca web gratuita per agenti AI

Un LLM conosce solo i dati del suo addestramento. Un'API di ricerca web gli fornisce fatti attuali e fonti. Tavily, Exa, Firecrawl e Linkup offrono ciascuno crediti gratuiti mensili. FreeLLMAPI mette questi motori dietro un solo endpoint /v1/search e passa al motore successivo quando uno non funziona.

Codice, nomi dei modelli ed etichette del catalogo in tempo reale sono mostrati in inglese.

Motori di ricerca gratuiti oggi

La tabella elenca i motori di ricerca del catalogo FreeLLMAPI. I dati provengono dal catalogo in tempo reale. "Answers" significa che il motore può restituire una breve risposta scritta insieme ai risultati. "News" significa che può limitare la ricerca alle notizie.

API di ricercaLimite gratuitoRisposteNotizie
Tavily Search1,000 credits/month, no cardSìSì
Exa Search$10/month in credits, no cardNoSì
Firecrawl Search1,000 credits/month (2 per search), no cardNoSì
Linkup Searchfree monthly credits for eligible accountsSìNo
Parallel SearchFree, no key needed (rate-limited); free API key for moreNoNo
SerpSearch1,000 requests/month shared across endpoints; no card; 1 request/secondNoSì

Dati in tempo reale dal catalogo FreeLLMAPI (versione 2026.11.19, verificato il 2026-11-19). I limiti gratuiti cambiano spesso. Il catalogo viene verificato ogni giorno.

Piani gratuiti dalle pagine dei prezzi dei provider, verificati il 20 novembre 2026
MotorePiano gratuito (ufficiale)Costo di una ricercaAltri limiti
Tavily1.000 crediti ogni mese, senza carta di credito1 credito (base) oppure 2 crediti (avanzata)Extract costa 1 credito ogni 5 URL
Exa10 $ in crediti, ripristinati il primo giorno di ogni mese, senza metodo di pagamentoCirca 0,004 $ (lite) fino a 0,007 $ (auto)Ogni risultato oltre 10 costa di più
Firecrawl1.000 crediti ogni mese, senza carta di credito2 crediti ogni 10 risultati10 richieste di ricerca al minuto, 2 contemporanee
LinkupCrediti gratuiti nella pagina dei prezziCirca da 0,005 $ a 0,006 $Non siamo riusciti a confermare l'importo mensile di oggi

Con tutte e quattro le chiavi, ottiene circa 1.000 ricerche Tavily, da 1.400 a 2.500 ricerche Exa e 500 ricerche Firecrawl ogni mese. Questi numeri sono il nostro calcolo dai prezzi pubblicati.

Passo 1: installi FreeLLMAPI e aggiunga le chiavi di ricerca

FreeLLMAPI è open source. Funziona sul Suo computer in Docker. Le chiavi dei provider restano sul Suo computer.

Installazione (macOS o Linux)

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

Apra la dashboard all'indirizzo http://localhost:3001. Aggiunga una chiave Tavily, Exa, Firecrawl o Linkup nella pagina Keys. Aggiunga anche una chiave di un provider di chat, per esempio Google AI Studio o Groq. Copi la Sua chiave unificata dalla stessa pagina.

Per vedere quali motori possono rispondere ora, invii GET /v1/search/engines. L'elenco riporta anche gli ID dei motori che può fissare.

Passo 2: cerchi nel web

Invii un query. I campi facoltativi sono max_results, topic (general oppure news), include_answer e engine. La risposta contiene query, results, provider ed engine. Ogni risultato ha un title, un url e 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"}'

Passo 3: dia i risultati a un LLM

Lo schema abituale ha tre passaggi. Cerca, inserisce i risultati nel prompt e poi chiede al modello di rispondere solo con quei risultati. Dica al modello di citare gli URL.

Python: cerca, poi risponde con le fonti

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 ricerca richiede tempo e consuma crediti. Cerchi solo quando la domanda richiede fatti più recenti dei dati di addestramento del modello, oppure quando l'utente ha bisogno delle fonti. Conservi in cache i risultati delle domande ripetute.

Quando un motore invia un errore 429, il router invia la query al motore successivo. I risultati di tutti i motori hanno la stessa struttura, quindi il Suo codice non cambia. Usi engine solo quando vuole sempre un solo motore.

Per un agente, dia al modello uno strumento web_search. Quando il modello chiama lo strumento, invii la query a /v1/search e restituisca i risultati come risultato dello strumento. Legga API LLM gratuita per le chiamate di funzione per il ciclo degli strumenti.

Grounding con la ricerca Google di Gemini

I modelli Google possono anche cercare direttamente su Google. Invii uno strumento chiamato google_search e fissi un modello Google. FreeLLMAPI trasforma lo strumento nello strumento nativo di grounding di Gemini.

Python: grounding con la ricerca Google

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 del livello gratuito: Google consente il grounding nel livello gratuito per Gemini 2.5 Flash e Flash-Lite, fino a 500 richieste al giorno condivise tra i due. Gemini 3 e i modelli più recenti non hanno grounding gratuito. Fissi un modello 2.5 Flash per il grounding gratuito.

Insidie e risoluzione dei problemi

  • Crediti, non richieste: una ricerca Tavily avanzata usa 2 crediti. Una ricerca Firecrawl usa 2 crediti ogni 10 risultati. Chieda 5 risultati quando 5 bastano.
  • Contenuti lunghi: i risultati di ricerca possono essere lunghi. Tagli ogni risultato prima di inserirlo nel prompt, altrimenti la richiesta può superare il limite di token di un piccolo modello gratuito.
  • Pagine vecchie o errate: il modello si fida di ciò che Lei gli fornisce. Gli dica di segnalare quando le fonti non rispondono alla domanda.
ProblemaCausaSoluzione
Errore 400 query is requiredIl corpo della richiesta non contiene queryAggiunga una stringa query
Errore 429 con Retry-AfterTutti i motori sono al limiteAttenda il tempo indicato nell'intestazione, oppure aggiunga la chiave di un altro motore
Nessun motore è prontoNon è stata aggiunta alcuna chiave di ricercaAggiunga una chiave, poi controlli GET /v1/search/engines
Il grounding non viene eseguitoLa richiesta è andata a un modello non GoogleFissi un modello Gemini 2.5 Flash
Usa ognuno di questi modelli con una sola chiave. FreeLLMAPI è un router open source self-hosted che mette tutti questi piani gratuiti dietro un unico endpoint compatibile con OpenAI e passa al successivo quando uno raggiunge il limite di frequenza. Sfoglia il catalogo oppure inizia.

Domande frequenti

Esiste un'API di ricerca web gratuita per agenti AI?

Sì. Tavily dà 1.000 crediti ogni mese. Exa dà 10 $ di crediti ogni mese. Firecrawl dà 1.000 crediti ogni mese. Nessuno di questi richiede una carta di credito per il piano gratuito.

Qual è l'API di ricerca gratuita migliore per gli LLM?

Tavily può restituire una breve risposta insieme ai risultati, utile per domande semplici. Exa e Firecrawl restituiscono il contenuto completo delle pagine, utile per la ricerca. Li aggiunga tutti, così il failover può usare ogni piano gratuito.

Il grounding con la ricerca Google è gratuito nell'API Gemini?

Sì, per Gemini 2.5 Flash e Flash-Lite, fino a 500 richieste al giorno nel livello gratuito. Gemini 3 e i modelli più recenti non hanno grounding gratuito.

Come aggiungo la ricerca web a un LLM?

Cerchi con /v1/search, inserisca i risultati nel prompt e dica al modello di rispondere solo in base a essi e di citare gli URL. Per un agente, esponga la ricerca come strumento.

Guide correlate

Fonti

Tutte le guide · Sfoglia tutti i modelli gratuiti