AI agents க்கான இலவச web search API
LLM தனது பயிற்சித் தரவை மட்டுமே அறியும். Web search API அதற்கு தற்போதைய உண்மைகளையும் ஆதாரங்களையும் தருகிறது. Tavily, Exa, Firecrawl மற்றும் Linkup ஒவ்வொன்றும் மாதந்தோறும் இலவச credits தருகின்றன. FreeLLMAPI இந்த engines ஐ ஒரே /v1/search endpoint பின்னால் வைக்கிறது, ஒன்று தோல்வியடையும்போது அடுத்த engine க்கு மாறுகிறது.
குறியீடு, மாதிரிப் பெயர்கள் மற்றும் நேரடி பட்டியல் லேபிள்கள் ஆங்கிலத்தில் காட்டப்படுகின்றன.
இன்று இலவச தேடல் engines
அட்டவணை FreeLLMAPI catalog இல் உள்ள தேடல் engines ஐப் பட்டியலிடுகிறது. தரவு நேரடி catalog இலிருந்து வருகிறது. "பதில்கள்" என்பதன் பொருள், engine முடிவுகளுடன் ஒரு சிறிய எழுத்துப்பூர்வ பதிலைத் திருப்ப முடியும். "செய்திகள்" என்பதன் பொருள், தேடலை செய்திகளுக்கு வரம்பிட முடியும்.
| தேடல் API | இலவச வரம்பு | பதில்கள் | செய்திகள் |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | ஆம் | ஆம் |
| Exa Search | $10/month in credits, no card | இல்லை | ஆம் |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | இல்லை | ஆம் |
| Linkup Search | free monthly credits for eligible accounts | ஆம் | இல்லை |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | இல்லை | இல்லை |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | இல்லை | ஆம் |
FreeLLMAPI பட்டியலிலிருந்து நேரடி தரவு (பதிப்பு 2026.11.19, சரிபார்க்கப்பட்டது 2026-11-19). இலவச வரம்புகள் அடிக்கடி மாறும். பட்டியல் ஒவ்வொரு நாளும் சரிபார்க்கப்படுகிறது.
| Engine | இலவசத் திட்டம் (அதிகாரப்பூர்வ) | ஒரு தேடலின் செலவு | பிற வரம்புகள் |
|---|---|---|---|
| Tavily | ஒவ்வொரு மாதமும் 1,000 credits, கிரெடிட் கார்டு இல்லை | 1 credit (basic) அல்லது 2 credits (advanced) | Extract ஒவ்வொரு 5 URLs க்கும் 1 credit செலவாகும் |
| Exa | $10 credits, ஒவ்வொரு மாதத்தின் முதல் நாளில் மீட்டமைக்கப்படும், payment method இல்லை | சுமார் $0.004 (lite) முதல் $0.007 (auto) வரை | 10 க்கு மேல் உள்ள ஒவ்வொரு முடிவும் அதிகம் செலவாகும் |
| Firecrawl | ஒவ்வொரு மாதமும் 1,000 credits, கிரெடிட் கார்டு இல்லை | ஒவ்வொரு 10 முடிவுகளுக்கும் 2 credits | நிமிடத்திற்கு 10 தேடல் கோரிக்கைகள், ஒரே நேரத்தில் 2 |
| Linkup | விலை நிர்ணயப் பக்கத்தில் இலவச credits | சுமார் $0.005 முதல் $0.006 வரை | இன்று மாதாந்திர தொகையை எங்களால் உறுதிப்படுத்த முடியவில்லை |
நான்கு keys ம் இருந்தால், மாதந்தோறும் சுமார் 1,000 Tavily தேடல்களையும், 1,400 முதல் 2,500 வரை Exa தேடல்களையும், 500 Firecrawl தேடல்களையும் பெறுவீர்கள். இந்த எண்கள் வெளியிடப்பட்ட விலைகளிலிருந்து எங்கள் கணக்கீடு.
படி 1: FreeLLMAPI ஐ நிறுவி தேடல் keys ஐச் சேர்க்கவும்
FreeLLMAPI open source. அது Docker இல் உங்கள் கணினியில் இயங்குகிறது. உங்கள் provider keys உங்கள் கணினியிலேயே இருக்கும்.
நிறுவு (macOS அல்லது Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 இல் dashboard ஐத் திறக்கவும். Keys பக்கத்தில் Tavily, Exa, Firecrawl அல்லது Linkup key ஐச் சேர்க்கவும். அதனுடன் ஒரு chat provider key ஐயும் சேர்க்கவும், எடுத்துக்காட்டாக Google AI Studio அல்லது Groq. அதே பக்கத்திலிருந்து உங்கள் unified key ஐ நகலெடுக்கவும்.
எந்த engines இப்போது பதிலளிக்க முடியும் என்று பார்க்க, GET /v1/search/engines ஐ அனுப்புங்கள். பட்டியல் நிலைநிறுத்தக்கூடிய engine ids ஐயும் தருகிறது.
படி 2: இணையத்தில் தேடுங்கள்
query ஐ அனுப்புங்கள். விருப்பப் புலங்கள் max_results, topic (general அல்லது news), include_answer மற்றும் engine. பதிலில் query, results, provider மற்றும் engine உள்ளன. ஒவ்வொரு முடிவிலும் title, url மற்றும் content உள்ளன.
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"}'படி 3: முடிவுகளை ஒரு LLM க்குக் கொடுங்கள்
வழக்கமான முறையில் மூன்று படிகள் உள்ளன. தேடுங்கள், முடிவுகளை prompt இல் வையுங்கள், பிறகு அந்த முடிவுகளிலிருந்து மட்டும் பதிலளிக்குமாறு மாடலைக் கேளுங்கள். URLs ஐ மேற்கோள் காட்டுமாறு மாடலுக்குச் சொல்லுங்கள்.
Python: தேடுங்கள், பிறகு ஆதாரங்களுடன் பதிலளியுங்கள்
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)தேடல் நேரத்தைச் சேர்க்கிறது மற்றும் credits ஐப் பயன்படுத்துகிறது. கேள்விக்கு மாடலின் பயிற்சித் தரவை விடப் புதிய உண்மைகள் தேவைப்படும்போது, அல்லது பயனருக்கு ஆதாரங்கள் தேவைப்படும்போது மட்டும் தேடுங்கள். மீண்டும் மீண்டும் வரும் கேள்விகளின் முடிவுகளை cache இல் வையுங்கள்.
ஒரு engine 429 பிழையை அனுப்பும்போது, router வினவலை அடுத்த engine க்கு அனுப்புகிறது. எல்லா engines இன் முடிவுகளும் ஒரே வடிவத்தில் இருப்பதால், உங்கள் code மாறாது. ஒவ்வொரு முறையும் ஒரு engine தேவைப்பட்டால் மட்டும் engine ஐப் பயன்படுத்துங்கள்.
ஒரு agent க்கு, மாடலுக்கு web_search tool ஐக் கொடுங்கள். மாடல் tool ஐ அழைக்கும்போது, வினவலை /v1/search க்கு அனுப்பி, முடிவுகளை tool result ஆகத் திருப்புங்கள். Tool loop க்கு இலவச function calling LLM API ஐப் படியுங்கள்.
Gemini Google Search grounding
Google மாடல்களும் தாங்களே Google இல் தேட முடியும். google_search என்ற tool ஐ அனுப்பி, ஒரு Google மாடலை நிலைநிறுத்துங்கள். FreeLLMAPI அந்த tool ஐ Gemini இன் சொந்த grounding tool ஆக மாற்றுகிறது.
Python: Google Search உடன் grounding
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)சிக்கல்களும் தீர்வுகளும்
- Requests அல்ல, credits: ஒரு advanced Tavily தேடல் 2 credits ஐப் பயன்படுத்துகிறது. Firecrawl தேடல் ஒவ்வொரு 10 முடிவுகளுக்கும் 2 credits ஐப் பயன்படுத்துகிறது. 5 போதுமானபோது 5 முடிவுகளைக் கேளுங்கள்.
- நீண்ட உள்ளடக்கம்: தேடல் முடிவுகள் நீளமாக இருக்கலாம். Prompt இல் வைப்பதற்கு முன் ஒவ்வொரு முடிவையும் வெட்டுங்கள், இல்லையென்றால் கோரிக்கை ஒரு சிறிய இலவச மாடலின் token வரம்பைத் தாண்டலாம்.
- பழைய அல்லது தவறான பக்கங்கள்: நீங்கள் கொடுப்பதை மாடல் நம்புகிறது. ஆதாரங்கள் கேள்விக்குப் பதிலளிக்காதபோது அதைச் சொல்லுமாறு அதற்குச் சொல்லுங்கள்.
| சிக்கல் | காரணம் | தீர்வு |
|---|---|---|
Error 400 query தேவை | Body இல் query இல்லை | query string ஐச் சேர்க்கவும் |
Error 429, Retry-After உடன் | எல்லா engines ம் அவற்றின் வரம்பில் உள்ளன | Header இல் உள்ள நேரத்திற்குக் காத்திருங்கள், அல்லது இன்னொரு engine key ஐச் சேர்க்கவும் |
| எந்த engine உம் தயாராக இல்லை | தேடல் key சேர்க்கப்படவில்லை | ஒரு key ஐச் சேர்க்கவும், பிறகு GET /v1/search/engines ஐச் சரிபார்க்கவும் |
| Grounding இயங்கவில்லை | கோரிக்கை Google அல்லாத மாடலுக்குச் சென்றது | Gemini 2.5 Flash மாடலை நிலைநிறுத்துங்கள் |
அடிக்கடி கேட்கப்படும் கேள்விகள்
AI agents க்கு இலவச web search API உள்ளதா?
ஆம். Tavily ஒவ்வொரு மாதமும் 1,000 credits தருகிறது. Exa ஒவ்வொரு மாதமும் $10 credits தருகிறது. Firecrawl ஒவ்வொரு மாதமும் 1,000 credits தருகிறது. இலவசத் திட்டத்துக்கு அவற்றில் எதற்கும் கிரெடிட் கார்டு தேவையில்லை.
LLMs க்கு எந்த இலவச search API சிறந்தது?
Tavily முடிவுகளுடன் ஒரு சிறிய பதிலைத் திருப்ப முடியும், இது எளிய கேள்விகளுக்குப் பயனுள்ளது. Exa மற்றும் Firecrawl முழு பக்க உள்ளடக்கத்தைத் திருப்புகின்றன, இது ஆராய்ச்சிக்குப் பயனுள்ளது. Failover ஒவ்வொரு இலவசத் திட்டத்தையும் பயன்படுத்த, எல்லாவற்றையும் சேர்க்கவும்.
Gemini API இல் Google Search grounding இலவசமா?
ஆம், Gemini 2.5 Flash மற்றும் Flash-Lite க்கு, இலவச நிலையில் ஒரு நாளுக்கு 500 கோரிக்கைகள் வரை. Gemini 3 மற்றும் புதிய மாடல்களுக்கு இலவச grounding இல்லை.
LLM இல் web search ஐ எப்படிச் சேர்ப்பது?
/v1/search மூலம் தேடுங்கள், முடிவுகளை prompt இல் வையுங்கள், அவற்றிலிருந்து மட்டும் பதிலளித்து URLs ஐ மேற்கோள் காட்டுமாறு மாடலுக்குச் சொல்லுங்கள். ஒரு agent க்கு, தேடலை ஒரு tool ஆக வெளிப்படுத்துங்கள்.
தொடர்புடைய வழிகாட்டிகள்
- Function calling உடன் இலவச LLM API
- AI முகவர்களுக்கான இலவச LLM API
- RAG-க்கு இலவச LLM API
- free gemini api
- n8n க்கான இலவச LLM API
ஆதாரங்கள்
- FreeLLMAPI docs: Web search and Google Search grounding (சரிபார்க்கப்பட்டது 20 November 2026)
- Tavily docs: API credits (சரிபார்க்கப்பட்டது 20 November 2026)
- Exa pricing (சரிபார்க்கப்பட்டது 20 November 2026)
- Firecrawl pricing (சரிபார்க்கப்பட்டது 20 November 2026)
- Linkup pricing (சரிபார்க்கப்பட்டது 20 November 2026)
- Gemini Developer API pricing: grounding (சரிபார்க்கப்பட்டது 20 November 2026)
அனைத்து வழிகாட்டிகள் · அனைத்து இலவச மாதிரிகளையும் பார்க்கவும்