Darmowe API wyszukiwania w sieci dla agentów AI
LLM zna tylko swoje dane treningowe. API wyszukiwania w sieci daje mu aktualne fakty i źródła. Tavily, Exa, Firecrawl i Linkup dają każdy darmowe kredyty miesięczne. FreeLLMAPI udostępnia te silniki za jednym endpointem /v1/search i przechodzi do następnego silnika, gdy jeden zawiedzie.
Kod, nazwy modeli i etykiety z katalogu na żywo są podane po angielsku.
Darmowe silniki wyszukiwania dziś
Tabela wymienia silniki wyszukiwania z katalogu FreeLLMAPI. Dane pochodzą z katalogu na żywo. „Odpowiedzi” oznacza, że silnik może zwrócić krótką odpowiedź pisemną razem z wynikami. „Wiadomości” oznacza, że może ograniczyć wyszukiwanie do wiadomości.
| Interfejs wyszukiwania | Darmowy limit | Odpowiedzi | Wiadomości |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | Tak | Tak |
| Exa Search | $10/month in credits, no card | Nie | Tak |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | Nie | Tak |
| Linkup Search | free monthly credits for eligible accounts | Tak | Nie |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | Nie | Nie |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | Nie | Tak |
Dane na żywo z katalogu FreeLLMAPI (wersja 2026.11.19, sprawdzono 2026-11-19). Darmowe limity często się zmieniają. Katalog jest sprawdzany codziennie.
| Silnik | Darmowy plan (oficjalnie) | Koszt jednego wyszukiwania | Inne limity |
|---|---|---|---|
| Tavily | 1,000 kredytów każdego miesiąca, bez karty kredytowej | 1 kredyt (podstawowe) albo 2 kredyty (zaawansowane) | Extract kosztuje 1 kredyt za każde 5 URL-i |
| Exa | 10 USD w kredytach, odnawiane pierwszego dnia każdego miesiąca, bez metody płatności | Około 0.004 USD (lite) do 0.007 USD (auto) | Każdy wynik powyżej 10 kosztuje więcej |
| Firecrawl | 1,000 kredytów każdego miesiąca, bez karty kredytowej | 2 kredyty za każde 10 wyników | 10 żądań wyszukiwania na minutę, 2 jednocześnie |
| Linkup | Darmowe kredyty na stronie cennika | Około 0.005 USD do 0.006 USD | Nie mogliśmy dziś potwierdzić miesięcznej kwoty |
Przy wszystkich czterech kluczach dostajesz co miesiąc około 1,000 wyszukiwań Tavily, 1,400 do 2,500 wyszukiwań Exa i 500 wyszukiwań Firecrawl. Te liczby to nasze obliczenie na podstawie opublikowanych cen.
Krok 1: Zainstaluj FreeLLMAPI i dodaj klucze wyszukiwania
FreeLLMAPI ma otwarty kod źródłowy. Działa na Twoim komputerze w Dockerze. Klucze dostawców zostają na Twoim komputerze.
Instalacja (macOS lub Linux)
curl -fsSL https://freellmapi.co/install.sh | bashOtwórz panel pod adresem http://localhost:3001. Dodaj klucz Tavily, Exa, Firecrawl albo Linkup na stronie Keys. Dodaj też klucz dostawcy czatu, na przykład Google AI Studio albo Groq. Skopiuj swój ujednolicony klucz z tej samej strony.
Aby zobaczyć, które silniki mogą teraz odpowiadać, wyślij GET /v1/search/engines. Lista podaje też identyfikatory silników, które możesz przypiąć.
Krok 2: Przeszukaj sieć
Wyślij query. Pola opcjonalne to max_results, topic (general albo news), include_answer i engine. Odpowiedź zawiera query, results, provider i engine. Każdy wynik ma title, url i 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"}'Krok 3: Podaj wyniki LLM
Typowy schemat ma trzy kroki. Wyszukaj, wstaw wyniki do promptu, a potem poproś model, aby odpowiadał tylko na podstawie tych wyników. Poproś model, aby podał adresy URL jako źródła.
Python: wyszukaj, a potem odpowiedz ze źródłami
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)Wyszukiwanie zajmuje czas i zużywa kredyty. Szukaj tylko wtedy, gdy pytanie wymaga faktów nowszych niż dane treningowe modelu albo gdy użytkownik potrzebuje źródeł. Trzymaj wyniki powtarzających się pytań w pamięci podręcznej.
Gdy jeden silnik zwróci błąd 429, router wysyła zapytanie do następnego silnika. Wyniki ze wszystkich silników mają ten sam kształt, więc Twój kod się nie zmienia. Używaj engine tylko wtedy, gdy za każdym razem potrzebujesz jednego silnika.
Dla agenta daj modelowi narzędzie web_search. Gdy model wywoła narzędzie, wyślij zapytanie do /v1/search i zwróć wyniki jako wynik narzędzia. Pętlę narzędzi opisuje Darmowe API LLM z wywoływaniem funkcji.
Uziemienie Google Search w Gemini
Modele Google mogą też same przeszukiwać Google. Wyślij narzędzie o nazwie google_search i przypnij model Google. FreeLLMAPI zamienia narzędzie na natywne narzędzie uziemienia Gemini.
Python: uziemienie przez 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)Pułapki i rozwiązywanie problemów
- Kredyty, nie żądania: zaawansowane wyszukiwanie Tavily zużywa 2 kredyty. Wyszukiwanie Firecrawl zużywa 2 kredyty za każde 10 wyników. Proś o 5 wyników, gdy 5 wystarczy.
- Długa treść: wyniki wyszukiwania mogą być długie. Skracaj każdy wynik, zanim wstawisz go do promptu, bo inaczej żądanie może przekroczyć limit tokenów małego darmowego modelu.
- Stare albo błędne strony: model ufa temu, co mu podasz. Poleć mu, aby mówił, gdy źródła nie odpowiadają na pytanie.
| Problem | Przyczyna | Rozwiązanie |
|---|---|---|
Błąd 400 query is required | Treść żądania nie zawiera query | Dodaj ciąg query |
Błąd 429 z Retry-After | Wszystkie silniki są na limicie | Poczekaj czas podany w nagłówku albo dodaj klucz kolejnego silnika |
| Żaden silnik nie jest gotowy | Nie dodano klucza wyszukiwania | Dodaj klucz, a potem sprawdź GET /v1/search/engines |
| Uziemienie się nie uruchamia | Żądanie trafiło do modelu spoza Google | Przypnij model Gemini 2.5 Flash |
Najczęstsze pytania
Czy istnieje darmowe API wyszukiwania w sieci dla agentów AI?
Tak. Tavily daje co miesiąc 1,000 kredytów. Exa daje co miesiąc 10 USD w kredytach. Firecrawl daje co miesiąc 1,000 kredytów. Żaden z nich nie wymaga karty kredytowej w darmowym planie.
Które darmowe API wyszukiwania jest najlepsze dla LLM?
Tavily może zwrócić krótką odpowiedź razem z wynikami, co jest przydatne przy prostych pytaniach. Exa i Firecrawl zwracają pełną treść stron, co jest przydatne do badań. Dodaj wszystkie, aby przełączanie awaryjne mogło użyć każdego darmowego planu.
Czy uziemienie Google Search w API Gemini jest darmowe?
Tak, dla Gemini 2.5 Flash i Flash-Lite, do 500 żądań dziennie w darmowym poziomie. Gemini 3 i nowsze modele nie mają darmowego uziemienia.
Jak dodać wyszukiwanie w sieci do LLM?
Szukaj przez /v1/search, wstaw wyniki do promptu i poleć modelowi, aby odpowiadał tylko na ich podstawie i podawał adresy URL jako źródła. Dla agenta udostępnij wyszukiwanie jako narzędzie.
Powiązane poradniki
- Darmowe API LLM z wywoływaniem funkcji
- Darmowe API LLM dla agentów AI
- Darmowe API LLM dla RAG
- free gemini api
- Darmowe API LLM dla n8n
Źródła
- FreeLLMAPI docs: Web search and Google Search grounding (sprawdzono 20 November 2026)
- Tavily docs: API credits (sprawdzono 20 November 2026)
- Exa pricing (sprawdzono 20 November 2026)
- Firecrawl pricing (sprawdzono 20 November 2026)
- Linkup pricing (sprawdzono 20 November 2026)
- Gemini Developer API pricing: grounding (sprawdzono 20 November 2026)