Home / Gidsen / Gratis webzoek-API voor AI-agents

Gratis webzoek-API voor AI-agents

Een LLM kent alleen zijn trainingsdata. Een webzoek-API geeft het actuele feiten en bronnen. Tavily, Exa, Firecrawl en Linkup geven elk gratis credits per maand. FreeLLMAPI zet deze zoekmachines achter één /v1/search-endpoint en schakelt over naar de volgende zoekmachine wanneer er één faalt.

Code, modelnamen en labels uit de live catalogus worden in het Engels getoond.

Gratis zoekmachines van vandaag

De tabel toont de zoekmachines in de FreeLLMAPI-catalogus. De gegevens komen uit de live catalogus. "Answers" betekent dat de zoekmachine een kort geschreven antwoord bij de resultaten kan teruggeven. "News" betekent dat ze de zoekopdracht tot nieuws kan beperken.

Zoek-APIGratis limietAntwoordenNieuws
Tavily Search1,000 credits/month, no cardJaJa
Exa Search$10/month in credits, no cardNeeJa
Firecrawl Search1,000 credits/month (2 per search), no cardNeeJa
Linkup Searchfree monthly credits for eligible accountsJaNee
Parallel SearchFree, no key needed (rate-limited); free API key for moreNeeNee
SerpSearch1,000 requests/month shared across endpoints; no card; 1 request/secondNeeJa

Actuele gegevens uit de FreeLLMAPI-catalogus (versie 2026.11.19, gecontroleerd 2026-11-19). Gratis limieten veranderen vaak. De catalogus wordt elke dag gecontroleerd.

Gratis abonnementen van de prijspagina's van de providers, gecontroleerd op 20 november 2026
ZoekmachineGratis abonnement (officieel)Kosten van één zoekopdrachtOverige limieten
Tavily1.000 credits per maand, geen creditcard1 credit (basis) of 2 credits (geavanceerd)Extract kost 1 credit per 5 URL's
Exa$10 aan credits, gereset op de eerste dag van elke maand, geen betaalmethodeOngeveer $0,004 (lite) tot $0,007 (auto)Elk resultaat boven 10 kost meer
Firecrawl1.000 credits per maand, geen creditcard2 credits per 10 resultaten10 zoekverzoeken per minuut, 2 tegelijk
LinkupGratis credits op de prijspaginaOngeveer $0,005 tot $0,006We konden het maandbedrag vandaag niet bevestigen

Met alle vier de sleutels krijg je elke maand ongeveer 1.000 Tavily-zoekopdrachten, 1.400 tot 2.500 Exa-zoekopdrachten en 500 Firecrawl-zoekopdrachten. Deze getallen zijn onze berekening op basis van de gepubliceerde prijzen.

Stap 1: FreeLLMAPI installeren en zoeksleutels toevoegen

FreeLLMAPI is open source. Het draait op je computer in Docker. Je providersleutels blijven op je computer.

Installeren (macOS of Linux)

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

Open het dashboard op http://localhost:3001. Voeg een Tavily-, Exa-, Firecrawl- of Linkup-sleutel toe op de pagina Keys. Voeg ook een chatproviderssleutel toe, bijvoorbeeld Google AI Studio of Groq. Kopieer je uniforme sleutel van dezelfde pagina.

Om te zien welke zoekmachines nu kunnen antwoorden, stuur je GET /v1/search/engines. De lijst geeft ook de engine-id's die je vast kunt zetten.

Stap 2: het web doorzoeken

Stuur een query. De optionele velden zijn max_results, topic (general of news), include_answer en engine. Het antwoord bevat query, results, provider en engine. Elk resultaat heeft een title, een url en 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"}'

Stap 3: de resultaten aan een LLM geven

Het gebruikelijke patroon heeft drie stappen. Zoeken, de resultaten in de prompt zetten en daarna het model vragen alleen op basis van die resultaten te antwoorden. Vertel het model de URL's te citeren.

Python: zoeken, daarna antwoorden met bronnen

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)

Zoeken kost tijd en gebruikt credits. Zoek alleen wanneer de vraag feiten nodig heeft die nieuwer zijn dan de trainingsdata van het model, of wanneer de gebruiker bronnen nodig heeft. Bewaar de resultaten van herhaalde vragen in een cache.

Wanneer één zoekmachine een fout 429 stuurt, stuurt de router de zoekopdracht naar de volgende zoekmachine. Resultaten van alle zoekmachines hebben dezelfde vorm, dus je code verandert niet. Gebruik engine alleen wanneer je elke keer één zoekmachine nodig hebt.

Geef een agent een tool web_search. Wanneer het model de tool aanroept, stuur je de zoekopdracht naar /v1/search en geef je de resultaten terug als toolresultaat. Lees Gratis LLM-API voor functieaanroepen voor de toollus.

Gemini Google Search grounding

Google-modellen kunnen ook zelf in Google zoeken. Stuur een tool met de naam google_search en zet een Google-model vast. FreeLLMAPI zet de tool om in de native Gemini grounding-tool.

Python: grounding met Google Search

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)
Limiet van de gratis tier: Google staat grounding op de gratis tier toe voor Gemini 2.5 Flash en Flash-Lite, tot 500 verzoeken per dag gedeeld door beide. Gemini 3 en nieuwere modellen hebben geen gratis grounding. Zet een 2.5 Flash-model vast voor gratis grounding.

Valkuilen en problemen oplossen

  • Credits, geen verzoeken: een geavanceerde Tavily-zoekopdracht gebruikt 2 credits. Een Firecrawl-zoekopdracht gebruikt 2 credits per 10 resultaten. Vraag 5 resultaten als 5 genoeg zijn.
  • Lange inhoud: zoekresultaten kunnen lang zijn. Kort elk resultaat in voordat je het in de prompt zet, anders kan het verzoek de tokenlimiet van een klein gratis model overschrijden.
  • Oude of foute pagina's: het model vertrouwt op wat je het geeft. Vertel het te zeggen wanneer de bronnen de vraag niet beantwoorden.
ProbleemOorzaakOplossing
Fout 400 query is requiredDe body heeft geen queryVoeg een query-string toe
Fout 429 met Retry-AfterAlle zoekmachines hebben hun limiet bereiktWacht de tijd in de header af, of voeg een sleutel van een andere zoekmachine toe
Geen zoekmachine is klaarEr is geen zoeksleutel toegevoegdVoeg een sleutel toe en controleer daarna GET /v1/search/engines
Grounding wordt niet uitgevoerdHet verzoek ging naar een model dat niet van Google isZet een Gemini 2.5 Flash-model vast
Gebruik elk van deze met één sleutel. FreeLLMAPI is een open-source router die u zelf host. Die zet al deze gratis tarieven achter één eindpunt dat compatibel is met OpenAI. Bij een snelheidslimiet schakelt de router automatisch over. Bekijk de catalogus of live gaan.

Veelgestelde vragen

Is er een gratis webzoek-API voor AI-agents?

Ja. Tavily geeft elke maand 1.000 credits. Exa geeft elke maand $10 aan credits. Firecrawl geeft elke maand 1.000 credits. Geen van hen heeft een creditcard nodig voor het gratis abonnement.

Welke gratis zoek-API is het beste voor LLM's?

Tavily kan een kort antwoord bij de resultaten geven, wat nuttig is voor eenvoudige vragen. Exa en Firecrawl geven de volledige inhoud van pagina's terug, wat nuttig is voor onderzoek. Voeg ze alle toe, zodat failover elk gratis abonnement kan gebruiken.

Is Google Search grounding gratis in de Gemini-API?

Ja, voor Gemini 2.5 Flash en Flash-Lite, tot 500 verzoeken per dag op de gratis tier. Gemini 3 en nieuwere modellen hebben geen gratis grounding.

Hoe voeg ik webzoeken toe aan een LLM?

Zoek met /v1/search, zet de resultaten in de prompt en vertel het model alleen op basis daarvan te antwoorden en de URL's te citeren. Voor een agent maak je het zoeken beschikbaar als tool.

Gerelateerde gidsen

Bronnen

Alle gidsen · Bekijk alle gratis modellen