Web search API ฟรีสำหรับเอเจนต์ AI
LLM รู้เฉพาะข้อมูลที่ใช้ฝึก Web search API ให้ข้อเท็จจริงปัจจุบันและแหล่งอ้างอิงแก่มัน Tavily, Exa, Firecrawl และ Linkup แต่ละรายให้เครดิตฟรีรายเดือน FreeLLMAPI รวมเครื่องมือค้นหาเหล่านี้ไว้หลัง endpoint /v1/search เดียว และย้ายไปเครื่องมือถัดไปเมื่อตัวหนึ่งล้มเหลว
โค้ด ชื่อโมเดล และป้ายกำกับของแคตตาล็อกสดจะแสดงเป็นภาษาอังกฤษ
เครื่องมือค้นหาฟรีในวันนี้
ตารางแสดงเครื่องมือค้นหาในแคตตาล็อกของ FreeLLMAPI ข้อมูลมาจากแคตตาล็อกสด "Answers" หมายความว่าเครื่องมือสามารถส่งคำตอบสั้น ๆ ที่เขียนไว้พร้อมผลลัพธ์ได้ "News" หมายความว่าสามารถจำกัดการค้นหาให้เป็นข่าวได้
| Search API | ขีดจำกัดฟรี | คำตอบ | ข่าว |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | ใช่ | ใช่ |
| Exa Search | $10/month in credits, no card | ไม่ | ใช่ |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | ไม่ | ใช่ |
| Linkup Search | free monthly credits for eligible accounts | ใช่ | ไม่ |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | ไม่ | ไม่ |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | ไม่ | ใช่ |
ข้อมูลสดจากแคตตาล็อก FreeLLMAPI (เวอร์ชัน 2026.11.19 ตรวจสอบเมื่อ 2026-11-19) ขีดจำกัดฟรีเปลี่ยนบ่อย แคตตาล็อกถูกตรวจสอบทุกวัน
| เครื่องมือ | แผนฟรี (ทางการ) | ค่าใช้จ่ายของการค้นหาหนึ่งครั้ง | ขีดจำกัดอื่น |
|---|---|---|---|
| Tavily | 1,000 เครดิตต่อเดือน ไม่ต้องใช้บัตรเครดิต | 1 เครดิต (basic) หรือ 2 เครดิต (advanced) | Extract ใช้ 1 เครดิตต่อทุก 5 URL |
| Exa | เครดิต $10 รีเซ็ตในวันแรกของทุกเดือน ไม่ต้องมีวิธีการชำระเงิน | ประมาณ $0.004 (lite) ถึง $0.007 (auto) | ผลลัพธ์แต่ละรายการเกิน 10 รายการมีค่าใช้จ่ายเพิ่ม |
| Firecrawl | 1,000 เครดิตต่อเดือน ไม่ต้องใช้บัตรเครดิต | 2 เครดิตต่อทุก 10 ผลลัพธ์ | 10 คำขอค้นหาต่อนาที และ 2 คำขอพร้อมกัน |
| Linkup | มีเครดิตฟรีในหน้าราคา | ประมาณ $0.005 ถึง $0.006 | เรายืนยันจำนวนรายเดือนในวันนี้ไม่ได้ |
ด้วยคีย์ทั้งสี่ คุณจะได้การค้นหา Tavily ประมาณ 1,000 ครั้ง การค้นหา Exa ประมาณ 1,400 ถึง 2,500 ครั้ง และการค้นหา Firecrawl 500 ครั้งต่อเดือน ตัวเลขเหล่านี้เป็นการคำนวณของเราจากราคาที่เผยแพร่
ขั้นที่ 1: ติดตั้ง FreeLLMAPI และเพิ่มคีย์การค้นหา
FreeLLMAPI เป็นโอเพนซอร์ส ทำงานบนคอมพิวเตอร์ของคุณใน Docker คีย์ของผู้ให้บริการของคุณอยู่บนคอมพิวเตอร์ของคุณ
ติดตั้ง (macOS หรือ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashเปิดแดชบอร์ดที่ http://localhost:3001 เพิ่มคีย์ Tavily, Exa, Firecrawl หรือ Linkup ในหน้า Keys เพิ่มคีย์ของผู้ให้บริการแชตด้วย เช่น Google AI Studio หรือ Groq คัดลอก unified key ของคุณจากหน้าเดียวกัน
หากต้องการดูว่าเครื่องมือค้นหาตัวใดตอบได้ตอนนี้ ส่ง GET /v1/search/engines รายการนี้ยังให้ engine id ที่คุณปักหมุดได้
ขั้นที่ 2: ค้นหาเว็บ
ส่ง query ฟิลด์ที่เลือกได้คือ max_results, topic (general หรือ news), include_answer และ engine การตอบกลับมี query, results, provider และ engine ผลลัพธ์แต่ละรายการมี title, url และ 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"}'ขั้นที่ 3: ส่งผลลัพธ์ให้ LLM
รูปแบบทั่วไปมีสามขั้นตอน ค้นหา ใส่ผลลัพธ์ลงในพรอมต์ แล้วขอให้โมเดลตอบจากผลลัพธ์เหล่านั้นเท่านั้น บอกโมเดลให้อ้างอิง URL
Python: ค้นหา แล้วตอบพร้อมแหล่งอ้างอิง
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)การค้นหาเพิ่มเวลาและใช้เครดิต ค้นหาเฉพาะเมื่อคำถามต้องการข้อเท็จจริงที่ใหม่กว่าข้อมูลฝึกของโมเดล หรือเมื่อผู้ใช้ต้องการแหล่งอ้างอิง เก็บผลลัพธ์ของคำถามที่ซ้ำไว้ในแคช
เมื่อเครื่องมือค้นหาตัวหนึ่งส่งข้อผิดพลาด 429 เราเตอร์จะส่งคำค้นไปยังเครื่องมือถัดไป ผลลัพธ์จากทุกเครื่องมือมีรูปแบบเดียวกัน โค้ดของคุณจึงไม่ต้องเปลี่ยน ใช้ engine เฉพาะเมื่อคุณต้องการเครื่องมือหนึ่งตัวทุกครั้ง
สำหรับเอเจนต์ ให้เครื่องมือ web_search แก่โมเดล เมื่อโมเดลเรียกเครื่องมือ ส่งคำค้นไปยัง /v1/search และส่งผลลัพธ์กลับเป็นผลของเครื่องมือ อ่าน Free function calling LLM API สำหรับลูปเครื่องมือ
Gemini Google Search grounding
โมเดลของ Google ค้นหาใน Google ได้ด้วยตัวเอง ส่งเครื่องมือชื่อ google_search และปักหมุดโมเดล Google FreeLLMAPI แปลงเครื่องมือเป็น Gemini grounding tool ดั้งเดิม
Python: grounding ด้วย 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)ข้อควรระวังและการแก้ปัญหา
- เครดิต ไม่ใช่คำขอ: การค้นหา Tavily แบบ advanced ใช้ 2 เครดิต การค้นหา Firecrawl ใช้ 2 เครดิตต่อทุก 10 ผลลัพธ์ ขอ 5 ผลลัพธ์เมื่อ 5 รายการเพียงพอ
- เนื้อหายาว: ผลลัพธ์การค้นหาอาจยาว ตัดแต่ละผลลัพธ์ก่อนใส่ลงในพรอมต์ มิฉะนั้นคำขอจะเกินขีดจำกัดโทเคนของโมเดลฟรีขนาดเล็ก
- หน้าเก่าหรือผิด: โมเดลเชื่อสิ่งที่คุณให้มัน บอกให้มันระบุเมื่อแหล่งอ้างอิงไม่ตอบคำถาม
| ปัญหา | สาเหตุ | วิธีแก้ |
|---|---|---|
ข้อผิดพลาด 400 query is required | เนื้อหาคำขอไม่มี query | เพิ่มสตริง query |
ข้อผิดพลาด 429 พร้อม Retry-After | ทุกเครื่องมือถึงขีดจำกัดแล้ว | รอตามเวลาในส่วนหัว หรือเพิ่มคีย์ของเครื่องมือค้นหาอีกตัว |
| ไม่มีเครื่องมือที่พร้อมใช้งาน | ยังไม่ได้เพิ่มคีย์การค้นหา | เพิ่มคีย์ แล้วตรวจ GET /v1/search/engines |
| Grounding ไม่ทำงาน | คำขอถูกส่งไปยังโมเดลที่ไม่ใช่ของ Google | ปักหมุดโมเดล Gemini 2.5 Flash |
คำถามที่พบบ่อย
มี web search API ฟรีสำหรับเอเจนต์ AI หรือไม่
มี Tavily ให้ 1,000 เครดิตต่อเดือน Exa ให้เครดิต $10 ต่อเดือน Firecrawl ให้ 1,000 เครดิตต่อเดือน แผนฟรีของทั้งสามไม่ต้องใช้บัตรเครดิต
web search API ฟรีตัวไหนดีที่สุดสำหรับ LLM
Tavily ส่งคำตอบสั้น ๆ พร้อมผลลัพธ์ได้ ซึ่งมีประโยชน์กับคำถามง่าย ๆ Exa และ Firecrawl ส่งเนื้อหาเต็มของหน้า ซึ่งมีประโยชน์สำหรับการวิจัย เพิ่มทั้งหมดเพื่อให้ failover ใช้แผนฟรีของแต่ละราย
Google Search grounding ใน Gemini API ฟรีหรือไม่
ฟรี สำหรับ Gemini 2.5 Flash และ Flash-Lite สูงสุด 500 คำขอต่อวันในระดับฟรี Gemini 3 และรุ่นที่ใหม่กว่าไม่มี grounding ฟรี
ฉันจะเพิ่ม web search ให้ LLM ได้อย่างไร
ค้นหาด้วย /v1/search ใส่ผลลัพธ์ลงในพรอมต์ และบอกโมเดลให้ตอบจากผลลัพธ์เหล่านั้นเท่านั้นและอ้างอิง URL สำหรับเอเจนต์ ให้เปิดการค้นหาเป็นเครื่องมือ
คู่มือที่เกี่ยวข้อง
- Free LLM API ที่รองรับ function calling
- Free LLM API สำหรับ AI agent
- Free LLM API สำหรับ RAG
- free gemini api
- Free LLM API สำหรับ n8n
แหล่งข้อมูล
- FreeLLMAPI docs: Web search and Google Search grounding (ตรวจสอบเมื่อ 20 November 2026)
- Tavily docs: API credits (ตรวจสอบเมื่อ 20 November 2026)
- Exa pricing (ตรวจสอบเมื่อ 20 November 2026)
- Firecrawl pricing (ตรวจสอบเมื่อ 20 November 2026)
- Linkup pricing (ตรวจสอบเมื่อ 20 November 2026)
- Gemini Developer API pricing: grounding (ตรวจสอบเมื่อ 20 November 2026)