AIエージェント向けの無料Web検索API
LLMは、学習データしか知りません。Web検索APIは、最新の事実と出典をLLMに与えます。Tavily、Exa、Firecrawl、Linkupは、それぞれ毎月の無料クレジットを提供しています。FreeLLMAPIは、これらの検索エンジンを1つの /v1/search エンドポイントの背後にまとめ、1つが失敗すると次のエンジンに切り替えます。
コード、モデル名、ライブのカタログラベルは英語で表示します。
現在の無料の検索エンジン
表には、FreeLLMAPIカタログにある検索エンジンが載っています。データはライブのカタログから取得しています。「Answers」は、エンジンが検索結果とともに短い文章の回答を返せることを意味します。「News」は、検索をニュースに限定できることを意味します。
| 検索 API | 無料枠 | 回答 | ニュース |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | はい | はい |
| Exa Search | $10/month in credits, no card | いいえ | はい |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | いいえ | はい |
| Linkup Search | free monthly credits for eligible accounts | はい | いいえ |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | いいえ | いいえ |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | いいえ | はい |
FreeLLMAPI カタログのライブデータ(バージョン 2026.11.19、確認日 2026-11-19)。無料枠の上限は頻繁に変わります。カタログは毎日確認されます。
| エンジン | 無料プラン (公式) | 1回の検索の費用 | その他の上限 |
|---|---|---|---|
| Tavily | 毎月1,000クレジット、クレジットカード不要 | 1クレジット (basic) または 2クレジット (advanced) | Extractは5URLごとに1クレジット |
| Exa | 10ドルのクレジット。毎月1日にリセット。支払い方法不要 | 約$0.004 (lite) から $0.007 (auto) | 10件を超える結果ごとに、費用が増えます |
| Firecrawl | 毎月1,000クレジット、クレジットカード不要 | 10件の結果ごとに2クレジット | 毎分10回の検索リクエスト、同時に2件 |
| Linkup | 価格ページに無料クレジットあり | 約$0.005から$0.006 | 今日の毎月の金額は確認できませんでした |
4つすべてのキーがあれば、毎月約1,000回のTavily検索、1,400から2,500回のExa検索、500回のFirecrawl検索が可能です。これらの数字は、公開価格からの当社の計算です。
手順1: FreeLLMAPIをインストールし、検索キーを追加する
FreeLLMAPIはオープンソースです。お使いのコンピューターでDockerを使って動作します。プロバイダーのキーは、お使いのコンピューターに残ります。
インストール (macOS または Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 でダッシュボードを開きます。Keys ページで、Tavily、Exa、Firecrawl、またはLinkupのキーを追加してください。Google AI StudioやGroqなどのチャットプロバイダーのキーも追加してください。同じページで統合キーをコピーします。
今答えられる検索エンジンを確認するには、GET /v1/search/engines を送ってください。一覧には、固定できるエンジンIDも示されます。
手順2: Webを検索する
query を送ります。省略可能な項目は max_results、topic (general または news)、include_answer、engine です。レスポンスには query、results、provider、engine があります。各結果には、title、url、content があります。
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"}'手順3: 結果をLLMに渡す
一般的なパターンは3つの手順です。検索し、結果をプロンプトに入れ、そして、モデルにその結果だけから答えさせます。モデルに、URLを引用するよう指示してください。
Python: 検索し、出典を付けて回答する
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)検索には時間がかかり、クレジットを使います。質問が、モデルの学習データより新しい事実を必要とする場合、またはユーザーが出典を必要とする場合にだけ検索してください。繰り返しの質問の結果は、キャッシュに保存してください。
1つのエンジンが429エラーを返すと、ルーターはクエリを次のエンジンに送ります。すべてのエンジンの結果は同じ形式なので、コードを変更する必要はありません。engine は、毎回1つのエンジンが必要な場合にだけ使ってください。
エージェントの場合は、モデルに web_search ツールを与えてください。モデルがツールを呼び出したら、クエリを /v1/search に送り、結果をツールの結果として返します。ツールのループについては、無料のファンクション呼び出しLLM APIを参照してください。
Geminiのグーグル検索グラウンディング
Googleのモデルは、Google自体を検索することもできます。google_search という名前のツールを送り、Googleのモデルを固定してください。FreeLLMAPIは、そのツールをネイティブのGeminiグラウンディングツールに変換します。
Python: Google検索によるグラウンディング
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)落とし穴とトラブルシューティング
- リクエストではなくクレジット: 高度なTavily検索は2クレジットを使います。Firecrawlの検索は、10件の結果ごとに2クレジットを使います。5件で足りる場合は、5件を要求してください。
- 長いコンテンツ: 検索結果は長いことがあります。プロンプトに入れる前に各結果を切り詰めてください。そうしないと、小さな無料モデルのトークン上限を超えることがあります。
- 古いページや誤ったページ: モデルは、与えられた情報を信頼します。ソースが質問に答えていない場合は、その旨を答えるよう指示してください。
| 問題 | 原因 | 対処 |
|---|---|---|
エラー400 (query は必須) | 本文に query がない | query の文字列を追加してください |
Retry-After 付きのエラー429 | すべてのエンジンが上限に達している | ヘッダーに示された時間を待つか、別のエンジンのキーを追加してください |
| 使えるエンジンがない | 検索キーが追加されていない | キーを追加し、GET /v1/search/engines を確認してください |
| グラウンディングが実行されない | リクエストがGoogle以外のモデルに送られた | Gemini 2.5 Flash のモデルを固定してください |
よくある質問
AIエージェント向けの無料Web検索APIはありますか。
はい。Tavilyは毎月1,000クレジット、Exaは毎月10ドル分のクレジット、Firecrawlは毎月1,000クレジットを提供します。どれも、無料プランにクレジットカードは必要ありません。
LLMに最適な無料の検索APIはどれですか。
Tavilyは、検索結果とともに短い回答を返せるため、単純な質問に便利です。ExaとFirecrawlは、ページ全体の内容を返すため、調査に便利です。それぞれの無料プランを使えるように、すべてを追加してください。
Gemini APIのグーグル検索グラウンディングは無料ですか。
はい。Gemini 2.5 Flash と Flash-Lite について、無料枠では1日500リクエストまでです。Gemini 3 以降のモデルには、無料のグラウンディングはありません。
LLMにWeb検索を追加するにはどうすればよいですか。
/v1/search で検索し、結果をプロンプトに入れ、モデルにそれだけから答え、URLを引用するよう指示してください。エージェントの場合は、検索をツールとして公開してください。
関連ガイド
出典
- FreeLLMAPI docs: Web search and Google Search grounding (確認日 20 November 2026)
- Tavily docs: API credits (確認日 20 November 2026)
- Exa pricing (確認日 20 November 2026)
- Firecrawl pricing (確認日 20 November 2026)
- Linkup pricing (確認日 20 November 2026)
- Gemini Developer API pricing: grounding (確認日 20 November 2026)