API gratuita de busca na web para agentes de IA
Um LLM conhece apenas os seus dados de treinamento. Uma API de busca na web dá a ele fatos atuais e fontes. Tavily, Exa, Firecrawl e Linkup oferecem cada um créditos gratuitos por mês. O FreeLLMAPI coloca esses motores atrás de um único endpoint /v1/search e passa para o próximo motor quando um deles falha.
O código, os nomes dos modelos e os rótulos do catálogo ao vivo são exibidos em inglês.
Motores de busca gratuitos hoje
A tabela lista os motores de busca do catálogo do FreeLLMAPI. Os dados vêm do catálogo atual. "Answers" significa que o motor pode retornar uma resposta escrita curta junto com os resultados. "News" significa que ele pode limitar a busca a notícias.
| API de busca | Limite gratuito | Respostas | Notícias |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | Sim | Sim |
| Exa Search | $10/month in credits, no card | Não | Sim |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | Não | Sim |
| Linkup Search | free monthly credits for eligible accounts | Sim | Não |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | Não | Não |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | Não | Sim |
Dados ao vivo do catálogo FreeLLMAPI (versão 2026.11.19, verificado em 2026-11-19). Os limites gratuitos mudam com frequência. O catálogo é verificado todos os dias.
| Motor | Plano gratuito (oficial) | Custo de uma busca | Outros limites |
|---|---|---|---|
| Tavily | 1.000 créditos por mês, sem cartão de crédito | 1 crédito (básica) ou 2 créditos (avançada) | A extração custa 1 crédito a cada 5 URLs |
| Exa | US$ 10 em créditos, renovados no primeiro dia de cada mês, sem meio de pagamento | Cerca de US$ 0,004 (lite) a US$ 0,007 (auto) | Cada resultado acima de 10 custa mais |
| Firecrawl | 1.000 créditos por mês, sem cartão de crédito | 2 créditos a cada 10 resultados | 10 requisições de busca por minuto, 2 ao mesmo tempo |
| Linkup | Créditos gratuitos na página de preços | Cerca de US$ 0,005 a US$ 0,006 | Não conseguimos confirmar o valor mensal hoje |
Com as quatro chaves, você obtém cerca de 1.000 buscas do Tavily, de 1.400 a 2.500 buscas do Exa e 500 buscas do Firecrawl por mês. Estes números são o nosso cálculo com base nos preços publicados.
Passo 1: instale o FreeLLMAPI e adicione chaves de busca
O FreeLLMAPI é de código aberto. Ele roda no seu computador em Docker. As suas chaves de provedores ficam no seu computador.
Instalação (macOS ou Linux)
curl -fsSL https://freellmapi.co/install.sh | bashAbra o painel em http://localhost:3001. Adicione uma chave do Tavily, Exa, Firecrawl ou Linkup na página Keys. Adicione também uma chave de provedor de chat, por exemplo Google AI Studio ou Groq. Copie a sua chave unificada na mesma página.
Para ver quais motores podem responder agora, envie GET /v1/search/engines. A lista também mostra os IDs dos motores que você pode fixar.
Passo 2: faça uma busca na web
Envie um query. Os campos opcionais são max_results, topic (general ou news), include_answer e engine. A resposta tem query, results, provider e engine. Cada resultado tem um title, uma url e um 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"}'Passo 3: entregue os resultados a um LLM
O padrão usual tem três passos. Faça a busca, coloque os resultados no prompt e peça ao modelo que responda somente com base neles. Peça ao modelo que cite as URLs.
Python: busca e resposta com fontes
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)A busca adiciona tempo e usa créditos. Faça a busca somente quando a pergunta precisar de fatos mais novos que os dados de treinamento do modelo, ou quando o usuário precisar de fontes. Guarde em cache os resultados de perguntas repetidas.
Quando um motor envia um erro 429, o roteador envia a consulta para o próximo motor. Os resultados de todos os motores têm o mesmo formato, então o seu código não muda. Use engine somente quando precisar de um motor específico em todas as vezes.
Para um agente, dê ao modelo uma ferramenta web_search. Quando o modelo chamar a ferramenta, envie a consulta para /v1/search e retorne os resultados como resultado da ferramenta. Leia API gratuita de LLM com function calling para ver o loop de ferramentas.
Fundamentação (grounding) com a Pesquisa Google do Gemini
Os modelos do Google também podem pesquisar no próprio Google. Envie uma ferramenta chamada google_search e fixe um modelo do Google. O FreeLLMAPI transforma a ferramenta na ferramenta nativa de grounding do Gemini.
Python: grounding com a Pesquisa 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)Armadilhas e solução de problemas
- Créditos, e não requisições: uma busca avançada do Tavily usa 2 créditos. Uma busca do Firecrawl usa 2 créditos a cada 10 resultados. Peça 5 resultados quando 5 forem suficientes.
- Conteúdo longo: os resultados de busca podem ser longos. Corte cada resultado antes de colocá-lo no prompt, ou a requisição pode passar do limite de tokens de um modelo gratuito pequeno.
- Páginas antigas ou erradas: o modelo confia no que você lhe dá. Peça a ele que diga quando as fontes não responderem à pergunta.
| Problema | Causa | Solução |
|---|---|---|
Erro 400: query é obrigatório | O corpo da requisição não tem query | Adicione uma string query |
Erro 429 com Retry-After | Todos os motores atingiram o limite | Aguarde o tempo indicado no cabeçalho, ou adicione a chave de outro motor |
| Nenhum motor está pronto | Nenhuma chave de busca foi adicionada | Adicione uma chave e depois confira GET /v1/search/engines |
| O grounding não é executado | A requisição foi para um modelo que não é do Google | Fixe um modelo Gemini 2.5 Flash |
Perguntas frequentes
Existe uma API gratuita de busca na web para agentes de IA?
Sim. O Tavily oferece 1.000 créditos por mês. O Exa oferece US$ 10 em créditos por mês. O Firecrawl oferece 1.000 créditos por mês. Nenhum deles exige cartão de crédito para o plano gratuito.
Qual API gratuita de busca é a melhor para LLMs?
O Tavily pode retornar uma resposta curta junto com os resultados, o que é útil para perguntas simples. O Exa e o Firecrawl retornam o conteúdo completo das páginas, o que é útil para pesquisa. Adicione todos para que o failover possa usar cada plano gratuito.
O grounding com a Pesquisa Google é gratuito na API do Gemini?
Sim, para o Gemini 2.5 Flash e o Flash-Lite, até 500 requisições por dia no plano gratuito. Os modelos Gemini 3 e os mais novos não têm grounding gratuito.
Como adiciono busca na web a um LLM?
Busque com /v1/search, coloque os resultados no prompt e peça ao modelo que responda somente com base neles e cite as URLs. Para um agente, exponha a busca como uma ferramenta.
Guias relacionados
- API LLM gratuita com function calling
- API LLM gratuita para agentes de IA
- API LLM gratuita para RAG
- free gemini api
- API LLM gratuita para n8n
Fontes
- FreeLLMAPI docs: Web search and Google Search grounding (verificado em 20 November 2026)
- Tavily docs: API credits (verificado em 20 November 2026)
- Exa pricing (verificado em 20 November 2026)
- Firecrawl pricing (verificado em 20 November 2026)
- Linkup pricing (verificado em 20 November 2026)
- Gemini Developer API pricing: grounding (verificado em 20 November 2026)