API carian web percuma untuk ejen AI
LLM hanya mengetahui data latihannya. API carian web memberinya fakta semasa dan sumber. Tavily, Exa, Firecrawl dan Linkup masing-masing memberikan kredit percuma bulanan. FreeLLMAPI meletakkan enjin ini di belakang satu titik akhir /v1/search dan beralih kepada enjin seterusnya apabila satu gagal.
Kod, nama model dan label katalog langsung dipaparkan dalam bahasa Inggeris.
Enjin carian percuma hari ini
Jadual menyenaraikan enjin carian dalam katalog FreeLLMAPI. Data diambil daripada katalog langsung. "Answers" bermakna enjin itu boleh memulangkan jawapan bertulis yang pendek bersama hasil. "News" bermakna ia boleh mengehadkan carian kepada berita.
| API carian | Had percuma | Jawapan | Berita |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | Ya | Ya |
| Exa Search | $10/month in credits, no card | Tidak | Ya |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | Tidak | Ya |
| Linkup Search | free monthly credits for eligible accounts | Ya | Tidak |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | Tidak | Tidak |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | Tidak | Ya |
Data langsung daripada katalog FreeLLMAPI (versi 2026.11.19, disemak 2026-11-19). Had percuma kerap berubah. Katalog disemak setiap hari.
| Enjin | Pelan percuma (rasmi) | Kos satu carian | Had lain |
|---|---|---|---|
| Tavily | 1,000 kredit setiap bulan, tanpa kad kredit | 1 kredit (asas) atau 2 kredit (lanjutan) | Extract menelan 1 kredit bagi setiap 5 URL |
| Exa | $10 dalam kredit, ditetapkan semula pada hari pertama setiap bulan, tanpa kaedah pembayaran | Kira-kira $0.004 (lite) hingga $0.007 (auto) | Setiap hasil melebihi 10 menelan kos lebih tinggi |
| Firecrawl | 1,000 kredit setiap bulan, tanpa kad kredit | 2 kredit bagi setiap 10 hasil | 10 permintaan carian seminit, 2 serentak |
| Linkup | Kredit percuma pada halaman harga | Kira-kira $0.005 hingga $0.006 | Kami tidak dapat mengesahkan jumlah bulanan hari ini |
Dengan keempat-empat kunci, anda mendapat kira-kira 1,000 carian Tavily, 1,400 hingga 2,500 carian Exa dan 500 carian Firecrawl setiap bulan. Nombor ini ialah pengiraan kami daripada harga yang diterbitkan.
Langkah 1: Pasang FreeLLMAPI dan tambah kunci carian
FreeLLMAPI ialah sumber terbuka. Ia berjalan pada komputer anda dalam Docker. Kunci pembekal anda kekal pada komputer anda.
Pasang (macOS atau Linux)
curl -fsSL https://freellmapi.co/install.sh | bashBuka papan pemuka di http://localhost:3001. Tambah kunci Tavily, Exa, Firecrawl atau Linkup pada halaman Keys. Tambah juga kunci pembekal sembang, contohnya Google AI Studio atau Groq. Salin kunci bersatu anda daripada halaman yang sama.
Untuk melihat enjin yang boleh menjawab sekarang, hantar GET /v1/search/engines. Senarai itu juga memberikan ID enjin yang boleh anda pin.
Langkah 2: Cari di web
Hantar query. Medan pilihan ialah max_results, topic (general atau news), include_answer dan engine. Respons mempunyai query, results, provider dan engine. Setiap hasil mempunyai title, url dan 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"}'Langkah 3: Berikan hasil kepada LLM
Corak biasa mempunyai tiga langkah. Cari, letakkan hasil dalam prompt, kemudian minta model menjawab hanya daripada hasil itu. Beritahu model supaya memetik URL.
Python: cari, kemudian jawab dengan sumber
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)Carian menambah masa dan menggunakan kredit. Cari hanya apabila soalan memerlukan fakta yang lebih baharu daripada data latihan model, atau apabila pengguna memerlukan sumber. Simpan hasil bagi soalan berulang dalam cache.
Apabila satu enjin menghantar ralat 429, penghala menghantar pertanyaan kepada enjin seterusnya. Hasil daripada semua enjin mempunyai bentuk yang sama, jadi kod anda tidak berubah. Guna engine hanya apabila anda mahukan satu enjin setiap kali.
Untuk ejen, berikan model alat web_search. Apabila model memanggil alat itu, hantar pertanyaan ke /v1/search dan pulangkan hasil sebagai hasil alat. Baca API LLM panggilan fungsi percuma untuk gelung alat.
Grounding Carian Google Gemini
Model Google juga boleh mencari di Google sendiri. Hantar alat bernama google_search dan pin model Google. FreeLLMAPI menukar alat itu kepada alat grounding Gemini asli.
Python: grounding dengan Carian 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)Perangkap dan penyelesaian masalah
- Kredit, bukan permintaan: carian Tavily lanjutan menggunakan 2 kredit. Carian Firecrawl menggunakan 2 kredit bagi setiap 10 hasil. Minta 5 hasil apabila 5 sudah mencukupi.
- Kandungan panjang: hasil carian boleh menjadi panjang. Potong setiap hasil sebelum anda meletakkannya dalam prompt, atau permintaan boleh melebihi had token model percuma yang kecil.
- Halaman lama atau salah: model mempercayai apa yang anda berikan kepadanya. Beritahunya supaya menyatakan apabila sumber tidak menjawab soalan.
| Masalah | Punca | Penyelesaian |
|---|---|---|
Ralat 400 query is required | Badan permintaan tiada query | Tambah rentetan query |
Ralat 429 dengan Retry-After | Semua enjin telah mencapai had | Tunggu masa dalam pengepala, atau tambah kunci enjin lain |
| Tiada enjin sedia | Tiada kunci carian ditambah | Tambah kunci, kemudian semak GET /v1/search/engines |
| Grounding tidak berjalan | Permintaan pergi kepada model bukan Google | Pin model Gemini 2.5 Flash |
Soalan lazim
Adakah terdapat API carian web percuma untuk ejen AI?
Ada. Tavily memberikan 1,000 kredit setiap bulan. Exa memberikan $10 dalam kredit setiap bulan. Firecrawl memberikan 1,000 kredit setiap bulan. Tiada satu pun memerlukan kad kredit untuk pelan percuma.
Apakah API carian percuma terbaik untuk LLM?
Tavily boleh memulangkan jawapan pendek bersama hasil, yang berguna untuk soalan mudah. Exa dan Firecrawl memulangkan kandungan halaman penuh, yang berguna untuk penyelidikan. Tambah semuanya supaya failover boleh menggunakan setiap pelan percuma.
Adakah grounding Carian Google percuma dalam API Gemini?
Ya, untuk Gemini 2.5 Flash dan Flash-Lite, sehingga 500 permintaan setiap hari pada peringkat percuma. Gemini 3 dan model yang lebih baharu tidak mempunyai grounding percuma.
Bagaimana saya menambah carian web pada LLM?
Cari dengan /v1/search, letakkan hasil dalam prompt, dan beritahu model supaya menjawab hanya daripadanya dan memetik URL. Untuk ejen, dedahkan carian sebagai alat.
Panduan berkaitan
- API LLM percuma dengan panggilan fungsi
- Free LLM API untuk ejen AI
- Free LLM API untuk RAG
- free gemini api
- API LLM percuma untuk n8n
Sumber
- FreeLLMAPI docs: Web search and Google Search grounding (disemak 20 November 2026)
- Tavily docs: API credits (disemak 20 November 2026)
- Exa pricing (disemak 20 November 2026)
- Firecrawl pricing (disemak 20 November 2026)
- Linkup pricing (disemak 20 November 2026)
- Gemini Developer API pricing: grounding (disemak 20 November 2026)