Бесплатный API веб-поиска для AI-агентов
LLM знает только свои обучающие данные. API веб-поиска даёт ей актуальные факты и источники. Tavily, Exa, Firecrawl и Linkup каждый дают бесплатные ежемесячные кредиты. FreeLLMAPI объединяет эти поисковые движки за одним эндпоинтом /v1/search и переходит к следующему движку, когда один из них даёт сбой.
Код, названия моделей и метки живого каталога показаны на английском языке.
Бесплатные поисковые движки сегодня
Таблица перечисляет поисковые движки каталога FreeLLMAPI. Данные взяты из актуального каталога. «Answers» означает, что движок может вернуть короткий письменный ответ вместе с результатами. «News» означает, что он может ограничить поиск новостями.
| Поисковый API | Бесплатный лимит | Ответы | Новости |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | Да | Да |
| Exa Search | $10/month in credits, no card | Нет | Да |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | Нет | Да |
| Linkup Search | free monthly credits for eligible accounts | Да | Нет |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | Нет | Нет |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | Нет | Да |
Актуальные данные из каталога FreeLLMAPI (версия 2026.11.19, проверено 2026-11-19). Бесплатные лимиты часто меняются. Каталог проверяется каждый день.
| Движок | Бесплатный тариф (официально) | Стоимость одного поиска | Другие лимиты |
|---|---|---|---|
| Tavily | 1,000 кредитов каждый месяц, карта не нужна | 1 кредит (базовый) или 2 кредита (расширенный) | Extract стоит 1 кредит за каждые 5 URL |
| Exa | $10 кредитов, сбрасываются в первый день каждого месяца, способ оплаты не нужен | Около $0.004 (lite) до $0.007 (auto) | Каждый результат сверх 10 стоит больше |
| Firecrawl | 1,000 кредитов каждый месяц, карта не нужна | 2 кредита за каждые 10 результатов | 10 поисковых запросов в минуту, 2 одновременно |
| Linkup | Бесплатные кредиты указаны на странице цен | Около $0.005 до $0.006 | Мы не смогли подтвердить ежемесячный объём сегодня |
С четырьмя ключами вы получаете каждый месяц около 1,000 поисков Tavily, от 1,400 до 2,500 поисков Exa и 500 поисков Firecrawl. Эти числа наш расчёт по опубликованным ценам.
Шаг 1: установите FreeLLMAPI и добавьте ключи поиска
FreeLLMAPI имеет открытый исходный код. Он работает на вашем компьютере в Docker. Ключи провайдеров остаются на вашем компьютере.
Установка (macOS или Linux)
curl -fsSL https://freellmapi.co/install.sh | bashОткройте панель управления по адресу http://localhost:3001. Добавьте ключ Tavily, Exa, Firecrawl или Linkup на странице Keys. Также добавьте ключ чат-провайдера, например Google AI Studio или Groq. Скопируйте единый ключ с той же страницы.
Чтобы увидеть, какие движки могут отвечать сейчас, отправьте GET /v1/search/engines. Список также даёт ID движков, которые можно закрепить.
Шаг 2: выполните поиск в сети
Отправьте query. Необязательные поля: max_results, topic (general или news), include_answer и engine. Ответ содержит query, results, provider и engine. Каждый результат имеет title, url и 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"}'Шаг 3: передайте результаты LLM
Обычная схема состоит из трёх шагов. Поиск, затем результаты помещаются в промпт, затем модели предлагается отвечать только по этим результатам. Попросите модель ссылаться на URL.
Python: поиск, затем ответ с источниками
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)Поиск добавляет время и расходует кредиты. Ищите, только если вопрос требует фактов новее обучающих данных модели или пользователю нужны источники. Сохраняйте результаты повторяющихся вопросов в кэше.
Когда один движок присылает ошибку 429, маршрутизатор отправляет запрос следующему движку. Результаты всех движков имеют одинаковую форму, поэтому код не меняется. Используйте engine, только когда каждый раз нужен один и тот же движок.
Для агента дайте модели инструмент web_search. Когда модель вызывает инструмент, отправьте запрос на /v1/search и верните результаты как результат инструмента. Цикл инструментов описан в статье Бесплатный LLM API с вызовом функций.
Привязка к Google Search в Gemini
Модели Google могут искать и сами в Google. Отправьте инструмент с именем google_search и закрепите модель Google. FreeLLMAPI превращает инструмент в нативный инструмент привязки Gemini.
Python: привязка к 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)Подводные камни и устранение неполадок
- Кредиты, а не запросы: расширенный поиск Tavily расходует 2 кредита. Поиск Firecrawl расходует 2 кредита за каждые 10 результатов. Запрашивайте 5 результатов, если их достаточно.
- Длинное содержимое: результаты поиска могут быть длинными. Обрезайте каждый результат перед тем, как поместить его в промпт, иначе запрос может превысить лимит токенов маленькой бесплатной модели.
- Старые или неверные страницы: модель доверяет тому, что вы ей даёте. Попросите её сообщать, когда источники не отвечают на вопрос.
| Проблема | Причина | Решение |
|---|---|---|
Ошибка 400: поле query обязательно | В теле запроса нет query | Добавьте строку query |
Ошибка 429 с Retry-After | Все движки достигли лимита | Дождитесь времени из заголовка или добавьте ключ другого движка |
| Ни один движок не готов | Не добавлен ни один ключ поиска | Добавьте ключ, затем проверьте GET /v1/search/engines |
| Привязка не работает | Запрос пошёл к модели не от Google | Закрепите модель Gemini 2.5 Flash |
Часто задаваемые вопросы
Есть ли бесплатный API веб-поиска для AI-агентов?
Да. Tavily даёт 1,000 кредитов каждый месяц. Exa даёт $10 кредитов каждый месяц. Firecrawl даёт 1,000 кредитов каждый месяц. Ни для одного из них бесплатный тариф не требует карты.
Какой бесплатный API поиска лучше всего подходит для LLM?
Tavily может вернуть короткий ответ вместе с результатами, что полезно для простых вопросов. Exa и Firecrawl возвращают полное содержимое страниц, что полезно для исследований. Добавьте все три, чтобы переключение могло использовать каждый бесплатный тариф.
Бесплатна ли привязка к Google Search в Gemini API?
Да, для Gemini 2.5 Flash и Flash-Lite, до 500 запросов в день на бесплатном тарифе. У Gemini 3 и более новых моделей бесплатной привязки нет.
Как добавить веб-поиск в LLM?
Выполняйте поиск через /v1/search, помещайте результаты в промпт и просите модель отвечать только по ним и ссылаться на URL. Для агента выведите поиск как инструмент.
Похожие руководства
- Бесплатный LLM API с вызовом функций
- Бесплатный LLM API для ИИ-агентов
- Бесплатный LLM API для RAG
- free gemini api
- Бесплатный LLM API для n8n
Источники
- FreeLLMAPI docs: Web search and Google Search grounding (проверено 20 November 2026)
- Tavily docs: API credits (проверено 20 November 2026)
- Exa pricing (проверено 20 November 2026)
- Firecrawl pricing (проверено 20 November 2026)
- Linkup pricing (проверено 20 November 2026)
- Gemini Developer API pricing: grounding (проверено 20 November 2026)