AI ಏಜೆಂಟ್ಗಳಿಗೆ ಉಚಿತ ವೆಬ್ ಹುಡುಕಾಟ API
LLM ತನ್ನ ತರಬೇತಿ ಡೇಟಾ ಮಾತ್ರ ತಿಳಿದಿರುತ್ತದೆ. ವೆಬ್ ಹುಡುಕಾಟ API ಅದಕ್ಕೆ ಪ್ರಸ್ತುತ ಸಂಗತಿಗಳನ್ನು ಮತ್ತು ಮೂಲಗಳನ್ನು ನೀಡುತ್ತದೆ. Tavily, Exa, Firecrawl ಮತ್ತು Linkup ಪ್ರತಿಯೊಂದೂ ಉಚಿತ ಮಾಸಿಕ ಕ್ರೆಡಿಟ್ಗಳನ್ನು ನೀಡುತ್ತವೆ. FreeLLMAPI ಈ ಎಂಜಿನ್ಗಳನ್ನು ಒಂದೇ /v1/search ಎಂಡ್ಪಾಯಿಂಟ್ ಹಿಂದೆ ಇರಿಸುತ್ತದೆ ಮತ್ತು ಒಂದು ವಿಫಲವಾದಾಗ ಮುಂದಿನ ಎಂಜಿನ್ಗೆ ಹೋಗುತ್ತದೆ.
ಕೋಡ್, ಮಾದರಿ ಹೆಸರುಗಳು ಮತ್ತು ನೇರ ಕ್ಯಾಟಲಾಗ್ ಲೇಬಲ್ಗಳನ್ನು ಇಂಗ್ಲಿಷ್ನಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.
ಇಂದಿನ ಉಚಿತ ಹುಡುಕಾಟ ಎಂಜಿನ್ಗಳು
ಕೋಷ್ಟಕವು FreeLLMAPI ಕ್ಯಾಟಲಾಗ್ನಲ್ಲಿರುವ ಹುಡುಕಾಟ ಎಂಜಿನ್ಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುತ್ತದೆ. ಡೇಟಾ ಲೈವ್ ಕ್ಯಾಟಲಾಗ್ನಿಂದ ಬರುತ್ತದೆ. "Answers" ಎಂದರೆ ಎಂಜಿನ್ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಚಿಕ್ಕ ಲಿಖಿತ ಉತ್ತರವನ್ನು ಹಿಂತಿರುಗಿಸಬಹುದು. "News" ಎಂದರೆ ಅದು ಹುಡುಕಾಟವನ್ನು ಸುದ್ದಿಗೆ ಸೀಮಿತಗೊಳಿಸಬಹುದು.
| ಹುಡುಕಾಟ API | ಉಚಿತ ಮಿತಿ | ಉತ್ತರಗಳು | ಸುದ್ದಿ |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | ಹೌದು | ಹೌದು |
| Exa Search | $10/month in credits, no card | ಇಲ್ಲ | ಹೌದು |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | ಇಲ್ಲ | ಹೌದು |
| Linkup Search | free monthly credits for eligible accounts | ಹೌದು | ಇಲ್ಲ |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | ಇಲ್ಲ | ಇಲ್ಲ |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | ಇಲ್ಲ | ಹೌದು |
FreeLLMAPI ಕ್ಯಾಟಲಾಗ್ನಿಂದ ನೇರ ಡೇಟಾ (ಆವೃತ್ತಿ 2026.11.19, 2026-11-19 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ). ಉಚಿತ ಮಿತಿಗಳು ಆಗಾಗ್ಗೆ ಬದಲಾಗುತ್ತವೆ. ಕ್ಯಾಟಲಾಗ್ ಪ್ರತಿದಿನ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.
| ಎಂಜಿನ್ | ಉಚಿತ ಯೋಜನೆ (ಅಧಿಕೃತ) | ಒಂದು ಹುಡುಕಾಟದ ವೆಚ್ಚ | ಇತರ ಮಿತಿಗಳು |
|---|---|---|---|
| Tavily | ಪ್ರತಿ ತಿಂಗಳು 1,000 ಕ್ರೆಡಿಟ್ಗಳು, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ಇಲ್ಲ | 1 ಕ್ರೆಡಿಟ್ (ಮೂಲ) ಅಥವಾ 2 ಕ್ರೆಡಿಟ್ಗಳು (ಸುಧಾರಿತ) | Extract ಪ್ರತಿ 5 URL ಗಳಿಗೆ 1 ಕ್ರೆಡಿಟ್ ವೆಚ್ಚ ಮಾಡುತ್ತದೆ |
| Exa | $10 ಕ್ರೆಡಿಟ್ಗಳು, ಪ್ರತಿ ತಿಂಗಳ ಮೊದಲ ದಿನ ಮರುಹೊಂದುತ್ತವೆ, ಪಾವತಿ ವಿಧಾನ ಇಲ್ಲ | ಸುಮಾರು $0.004 (lite) ರಿಂದ $0.007 (auto) | 10 ಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಪ್ರತಿ ಫಲಿತಾಂಶಕ್ಕೆ ಹೆಚ್ಚು ವೆಚ್ಚ |
| Firecrawl | ಪ್ರತಿ ತಿಂಗಳು 1,000 ಕ್ರೆಡಿಟ್ಗಳು, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ಇಲ್ಲ | ಪ್ರತಿ 10 ಫಲಿತಾಂಶಗಳಿಗೆ 2 ಕ್ರೆಡಿಟ್ಗಳು | ನಿಮಿಷಕ್ಕೆ 10 ಹುಡುಕಾಟ ವಿನಂತಿಗಳು, ಏಕಕಾಲದಲ್ಲಿ 2 |
| Linkup | ಬೆಲೆ ಪುಟದಲ್ಲಿ ಉಚಿತ ಕ್ರೆಡಿಟ್ಗಳು | ಸುಮಾರು $0.005 ರಿಂದ $0.006 | ಇಂದು ಮಾಸಿಕ ಮೊತ್ತವನ್ನು ನಾವು ದೃಢೀಕರಿಸಲಾಗಲಿಲ್ಲ |
ನಾಲ್ಕೂ ಕೀಗಳೊಂದಿಗೆ, ಪ್ರತಿ ತಿಂಗಳು ಸುಮಾರು 1,000 Tavily ಹುಡುಕಾಟಗಳು, 1,400 ರಿಂದ 2,500 Exa ಹುಡುಕಾಟಗಳು ಮತ್ತು 500 Firecrawl ಹುಡುಕಾಟಗಳು ಸಿಗುತ್ತವೆ. ಈ ಸಂಖ್ಯೆಗಳು ಪ್ರಕಟಿತ ಬೆಲೆಗಳಿಂದ ನಾವು ಮಾಡಿದ ಲೆಕ್ಕಾಚಾರ.
ಹಂತ 1: FreeLLMAPI ಸ್ಥಾಪಿಸಿ ಮತ್ತು ಹುಡುಕಾಟ ಕೀಗಳನ್ನು ಸೇರಿಸಿ
FreeLLMAPI ಓಪನ್ ಸೋರ್ಸ್. ಇದು ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ Docker ನಲ್ಲಿ ಚಲಿಸುತ್ತದೆ. ನಿಮ್ಮ ಪ್ರೊವೈಡರ್ ಕೀಗಳು ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ನಲ್ಲೇ ಉಳಿಯುತ್ತವೆ.
ಸ್ಥಾಪಿಸಿ (macOS ಅಥವಾ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 ನಲ್ಲಿ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ತೆರೆಯಿರಿ. Keys ಪುಟದಲ್ಲಿ Tavily, Exa, Firecrawl ಅಥವಾ Linkup ಕೀ ಸೇರಿಸಿ. ಚಾಟ್ ಪ್ರೊವೈಡರ್ ಕೀಯನ್ನೂ ಸೇರಿಸಿ, ಉದಾಹರಣೆಗೆ Google AI Studio ಅಥವಾ Groq. ಅದೇ ಪುಟದಿಂದ ನಿಮ್ಮ ಏಕೀಕೃತ ಕೀಯನ್ನು ನಕಲಿಸಿ.
ಯಾವ ಎಂಜಿನ್ಗಳು ಈಗ ಉತ್ತರಿಸಬಹುದು ಎಂದು ನೋಡಲು, GET /v1/search/engines ಕಳುಹಿಸಿ. ಪಟ್ಟಿಯು ನೀವು ಪಿನ್ ಮಾಡಬಹುದಾದ ಎಂಜಿನ್ ID ಗಳನ್ನೂ ನೀಡುತ್ತದೆ.
ಹಂತ 2: ವೆಬ್ ಹುಡುಕಿ
query ಕಳುಹಿಸಿ. ಐಚ್ಛಿಕ ಕ್ಷೇತ್ರಗಳು max_results, topic (general ಅಥವಾ news), include_answer ಮತ್ತು engine. ಪ್ರತಿಕ್ರಿಯೆಯಲ್ಲಿ query, results, provider ಮತ್ತು engine ಇರುತ್ತವೆ. ಪ್ರತಿ ಫಲಿತಾಂಶದಲ್ಲಿ title, url ಮತ್ತು content ಇರುತ್ತವೆ.
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"}'ಹಂತ 3: ಫಲಿತಾಂಶಗಳನ್ನು LLM ಗೆ ನೀಡಿ
ಸಾಮಾನ್ಯ ಮಾದರಿಯಲ್ಲಿ ಮೂರು ಹಂತಗಳಿವೆ. ಹುಡುಕಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ ಇರಿಸಿ, ನಂತರ ಆ ಫಲಿತಾಂಶಗಳಿಂದ ಮಾತ್ರ ಉತ್ತರಿಸಲು ಮಾಡೆಲ್ಗೆ ಹೇಳಿ. URL ಗಳನ್ನು ಉಲ್ಲೇಖಿಸಲು ಮಾಡೆಲ್ಗೆ ಹೇಳಿ.
Python: ಹುಡುಕಿ, ನಂತರ ಮೂಲಗಳೊಂದಿಗೆ ಉತ್ತರಿಸಿ
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)ಹುಡುಕಾಟ ಸಮಯ ಸೇರಿಸುತ್ತದೆ ಮತ್ತು ಕ್ರೆಡಿಟ್ಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಪ್ರಶ್ನೆಗೆ ಮಾಡೆಲ್ನ ತರಬೇತಿ ಡೇಟಾಕ್ಕಿಂತ ಹೊಸ ಸಂಗತಿಗಳು ಬೇಕಾದಾಗ, ಅಥವಾ ಬಳಕೆದಾರರಿಗೆ ಮೂಲಗಳು ಬೇಕಾದಾಗ ಮಾತ್ರ ಹುಡುಕಿ. ಪುನರಾವರ್ತಿತ ಪ್ರಶ್ನೆಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಕ್ಯಾಶ್ನಲ್ಲಿ ಇರಿಸಿ.
ಒಂದು ಎಂಜಿನ್ 429 ದೋಷ ಕಳುಹಿಸಿದಾಗ, ರೂಟರ್ ಪ್ರಶ್ನೆಯನ್ನು ಮುಂದಿನ ಎಂಜಿನ್ಗೆ ಕಳುಹಿಸುತ್ತದೆ. ಎಲ್ಲಾ ಎಂಜಿನ್ಗಳ ಫಲಿತಾಂಶಗಳು ಒಂದೇ ಆಕಾರದಲ್ಲಿರುತ್ತವೆ, ಆದ್ದರಿಂದ ನಿಮ್ಮ ಕೋಡ್ ಬದಲಾಗುವುದಿಲ್ಲ. ನಿಮಗೆ ಪ್ರತಿ ಬಾರಿ ಒಂದೇ ಎಂಜಿನ್ ಬೇಕಾದಾಗ ಮಾತ್ರ engine ಬಳಸಿ.
ಏಜೆಂಟ್ಗಾಗಿ, ಮಾಡೆಲ್ಗೆ web_search ಟೂಲ್ ನೀಡಿ. ಮಾಡೆಲ್ ಟೂಲ್ ಕರೆದಾಗ, ಪ್ರಶ್ನೆಯನ್ನು /v1/search ಗೆ ಕಳುಹಿಸಿ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಟೂಲ್ ಫಲಿತಾಂಶವಾಗಿ ಹಿಂತಿರುಗಿಸಿ. ಟೂಲ್ ಲೂಪ್ಗಾಗಿ Free function calling LLM API ಓದಿ.
Gemini Google Search grounding
Google ಮಾಡೆಲ್ಗಳು ಸ್ವತಃ Google ನಲ್ಲಿ ಹುಡುಕಬಲ್ಲವು. google_search ಎಂಬ ಟೂಲ್ ಕಳುಹಿಸಿ ಮತ್ತು ಒಂದು Google ಮಾಡೆಲ್ ಪಿನ್ ಮಾಡಿ. FreeLLMAPI ಟೂಲ್ ಅನ್ನು ಸ್ಥಳೀಯ Gemini grounding ಟೂಲ್ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.
Python: Google Search ಜೊತೆ 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)ಅಪಾಯಗಳು ಮತ್ತು ದೋಷ ನಿವಾರಣೆ
- ಕ್ರೆಡಿಟ್ಗಳು, ವಿನಂತಿಗಳಲ್ಲ: ಸುಧಾರಿತ Tavily ಹುಡುಕಾಟ 2 ಕ್ರೆಡಿಟ್ಗಳನ್ನು ಬಳಸುತ್ತದೆ. Firecrawl ಹುಡುಕಾಟ ಪ್ರತಿ 10 ಫಲಿತಾಂಶಗಳಿಗೆ 2 ಕ್ರೆಡಿಟ್ಗಳನ್ನು ಬಳಸುತ್ತದೆ. 5 ಸಾಕಾದಾಗ 5 ಫಲಿತಾಂಶಗಳನ್ನು ಕೇಳಿ.
- ದೀರ್ಘ ವಿಷಯ: ಹುಡುಕಾಟ ಫಲಿತಾಂಶಗಳು ದೀರ್ಘವಾಗಿರಬಹುದು. ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ ಇರಿಸುವ ಮೊದಲು ಪ್ರತಿ ಫಲಿತಾಂಶವನ್ನು ಕತ್ತರಿಸಿ, ಇಲ್ಲದಿದ್ದರೆ ವಿನಂತಿ ಚಿಕ್ಕ ಉಚಿತ ಮಾಡೆಲ್ನ ಟೋಕನ್ ಮಿತಿಯನ್ನು ಮೀರಬಹುದು.
- ಹಳೆಯ ಅಥವಾ ತಪ್ಪು ಪುಟಗಳು: ಮಾಡೆಲ್ ನೀವು ನೀಡುವುದನ್ನು ನಂಬುತ್ತದೆ. ಮೂಲಗಳು ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸದಿದ್ದಾಗ ಅದನ್ನು ಹೇಳಲು ಮಾಡೆಲ್ಗೆ ಹೇಳಿ.
| ಸಮಸ್ಯೆ | ಕಾರಣ | ಪರಿಹಾರ |
|---|---|---|
ದೋಷ 400 query ಬೇಕು | ದೇಹದಲ್ಲಿ query ಇಲ್ಲ | query ಸ್ಟ್ರಿಂಗ್ ಸೇರಿಸಿ |
Retry-After ಜೊತೆ ದೋಷ 429 | ಎಲ್ಲಾ ಎಂಜಿನ್ಗಳು ತಮ್ಮ ಮಿತಿಯಲ್ಲಿವೆ | ಹೆಡರ್ನಲ್ಲಿರುವ ಸಮಯಕ್ಕಾಗಿ ಕಾಯಿರಿ, ಅಥವಾ ಇನ್ನೊಂದು ಎಂಜಿನ್ ಕೀ ಸೇರಿಸಿ |
| ಯಾವುದೇ ಎಂಜಿನ್ ಸಿದ್ಧವಿಲ್ಲ | ಯಾವುದೇ ಹುಡುಕಾಟ ಕೀ ಸೇರಿಸಿಲ್ಲ | ಕೀ ಸೇರಿಸಿ, ನಂತರ GET /v1/search/engines ಪರಿಶೀಲಿಸಿ |
| Grounding ಚಲಿಸುವುದಿಲ್ಲ | ವಿನಂತಿ Google ಅಲ್ಲದ ಮಾಡೆಲ್ಗೆ ಹೋಯಿತು | Gemini 2.5 Flash ಮಾಡೆಲ್ ಪಿನ್ ಮಾಡಿ |
ಪದೇ ಪದೇ ಕೇಳುವ ಪ್ರಶ್ನೆಗಳು
AI ಏಜೆಂಟ್ಗಳಿಗೆ ಉಚಿತ ವೆಬ್ ಹುಡುಕಾಟ API ಇದೆಯೇ?
ಹೌದು. Tavily ಪ್ರತಿ ತಿಂಗಳು 1,000 ಕ್ರೆಡಿಟ್ಗಳನ್ನು ನೀಡುತ್ತದೆ. Exa ಪ್ರತಿ ತಿಂಗಳು $10 ಕ್ರೆಡಿಟ್ಗಳನ್ನು ನೀಡುತ್ತದೆ. Firecrawl ಪ್ರತಿ ತಿಂಗಳು 1,000 ಕ್ರೆಡಿಟ್ಗಳನ್ನು ನೀಡುತ್ತದೆ. ಉಚಿತ ಯೋಜನೆಗೆ ಅವುಗಳಲ್ಲಿ ಯಾವುದಕ್ಕೂ ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ಬೇಕಿಲ್ಲ.
LLM ಗಳಿಗೆ ಯಾವ ಉಚಿತ ಹುಡುಕಾಟ API ಉತ್ತಮ?
Tavily ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಚಿಕ್ಕ ಉತ್ತರ ಹಿಂತಿರುಗಿಸಬಹುದು, ಇದು ಸರಳ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉಪಯುಕ್ತ. Exa ಮತ್ತು Firecrawl ಪೂರ್ಣ ಪುಟದ ವಿಷಯವನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತವೆ, ಇದು ಸಂಶೋಧನೆಗೆ ಉಪಯುಕ್ತ. ಫೇಲ್ಓವರ್ ಪ್ರತಿ ಉಚಿತ ಯೋಜನೆಯನ್ನು ಬಳಸಲು ಎಲ್ಲವನ್ನೂ ಸೇರಿಸಿ.
Gemini API ನಲ್ಲಿ Google Search grounding ಉಚಿತವೇ?
ಹೌದು, Gemini 2.5 Flash ಮತ್ತು Flash-Lite ಗೆ, ಉಚಿತ ಶ್ರೇಣಿಯಲ್ಲಿ ದಿನಕ್ಕೆ 500 ವಿನಂತಿಗಳವರೆಗೆ. Gemini 3 ಮತ್ತು ಹೊಸ ಮಾಡೆಲ್ಗಳಿಗೆ ಉಚಿತ grounding ಇಲ್ಲ.
LLM ಗೆ ವೆಬ್ ಹುಡುಕಾಟವನ್ನು ಹೇಗೆ ಸೇರಿಸುವುದು?
/v1/search ಜೊತೆ ಹುಡುಕಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ ಇರಿಸಿ, ಮತ್ತು ಅವುಗಳಿಂದ ಮಾತ್ರ ಉತ್ತರಿಸಲು ಮತ್ತು URL ಗಳನ್ನು ಉಲ್ಲೇಖಿಸಲು ಮಾಡೆಲ್ಗೆ ಹೇಳಿ. ಏಜೆಂಟ್ಗಾಗಿ, ಹುಡುಕಾಟವನ್ನು ಟೂಲ್ ಆಗಿ ತೋರಿಸಿ.
ಸಂಬಂಧಿತ ಮಾರ್ಗದರ್ಶಿಗಳು
- ಫಂಕ್ಷನ್ ಕರೆಯೊಂದಿಗೆ ಉಚಿತ LLM API
- ಏಜೆಂಟ್ಗಳಿಗಾಗಿ ಉಚಿತ LLM API
- RAG ಗಾಗಿ ಉಚಿತ LLM API
- free gemini api
- n8n ಗಾಗಿ ಉಚಿತ LLM API
ಮೂಲಗಳು
- FreeLLMAPI docs: Web search and Google Search grounding (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- Tavily docs: API credits (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- Exa pricing (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- Firecrawl pricing (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- Linkup pricing (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- Gemini Developer API pricing: grounding (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)