Trang chủ / Hướng dẫn / API tìm kiếm web miễn phí cho agent AI

API tìm kiếm web miễn phí cho agent AI

Một LLM chỉ biết dữ liệu huấn luyện của nó. Một API tìm kiếm web cung cấp cho nó sự kiện hiện tại và nguồn. Tavily, Exa, Firecrawl và Linkup mỗi nơi cấp credit miễn phí hằng tháng. FreeLLMAPI đặt các công cụ tìm kiếm này sau một endpoint /v1/search duy nhất và chuyển sang công cụ tiếp theo khi một công cụ lỗi.

Mã, tên mô hình và nhãn danh mục trực tiếp được hiển thị bằng tiếng Anh.

Công cụ tìm kiếm miễn phí hiện nay

Bảng liệt kê các công cụ tìm kiếm trong danh mục FreeLLMAPI. Dữ liệu lấy từ danh mục trực tiếp. "Answers" nghĩa là công cụ có thể trả về một câu trả lời ngắn bằng văn bản cùng với kết quả. "News" nghĩa là công cụ có thể giới hạn tìm kiếm trong tin tức.

API tìm kiếmGiới hạn miễn phíCâu trả lờiTin tức
Tavily Search1,000 credits/month, no cardCóCó
Exa Search$10/month in credits, no cardKhôngCó
Firecrawl Search1,000 credits/month (2 per search), no cardKhôngCó
Linkup Searchfree monthly credits for eligible accountsCóKhông
Parallel SearchFree, no key needed (rate-limited); free API key for moreKhôngKhông
SerpSearch1,000 requests/month shared across endpoints; no card; 1 request/secondKhôngCó

Dữ liệu trực tiếp từ danh mục FreeLLMAPI (phiên bản 2026.11.19, đã kiểm tra 2026-11-19). Giới hạn miễn phí thay đổi thường xuyên. Danh mục được kiểm tra mỗi ngày.

Gói miễn phí từ trang giá của nhà cung cấp, đã kiểm tra ngày 20 tháng 11 năm 2026
Công cụGói miễn phí (chính thức)Chi phí một lần tìm kiếmGiới hạn khác
Tavily1.000 credit mỗi tháng, không cần thẻ tín dụng1 credit (cơ bản) hoặc 2 credit (nâng cao)Extract tốn 1 credit cho mỗi 5 URL
Exa10 USD credit, làm mới vào ngày đầu tiên của mỗi tháng, không cần phương thức thanh toánKhoảng 0,004 USD (lite) đến 0,007 USD (auto)Mỗi kết quả trên 10 tốn thêm chi phí
Firecrawl1.000 credit mỗi tháng, không cần thẻ tín dụng2 credit cho mỗi 10 kết quả10 yêu cầu tìm kiếm mỗi phút, 2 yêu cầu cùng lúc
LinkupCredit miễn phí ở trang giáKhoảng 0,005 USD đến 0,006 USDChúng tôi chưa xác nhận được số lượng hằng tháng hôm nay

Với cả bốn khóa, bạn có khoảng 1.000 lần tìm kiếm Tavily, 1.400 đến 2.500 lần tìm kiếm Exa và 500 lần tìm kiếm Firecrawl mỗi tháng. Các con số này là phép tính của chúng tôi từ giá đã công bố.

Bước 1: Cài đặt FreeLLMAPI và thêm khóa tìm kiếm

FreeLLMAPI là mã nguồn mở. Nó chạy trên máy tính của bạn trong Docker. Khóa nhà cung cấp của bạn vẫn nằm trên máy tính của bạn.

Cài đặt (macOS hoặc Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

Mở bảng điều khiển tại http://localhost:3001. Thêm khóa Tavily, Exa, Firecrawl hoặc Linkup ở trang Keys. Cũng thêm một khóa nhà cung cấp chat, ví dụ Google AI Studio hoặc Groq. Sao chép khóa thống nhất của bạn từ cùng trang.

Để xem công cụ nào có thể trả lời ngay, gửi GET /v1/search/engines. Danh sách cũng cho biết các ID công cụ bạn có thể ghim.

Bước 2: Tìm kiếm web

Gửi một query. Các trường tùy chọn là max_results, topic (general hoặc news), include_answer và engine. Phản hồi có query, results, provider và engine. Mỗi kết quả có title, url và 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"}'

Bước 3: Đưa kết quả cho LLM

Mẫu thường gặp có ba bước. Tìm kiếm, đưa kết quả vào prompt, rồi yêu cầu model chỉ trả lời dựa trên các kết quả đó. Bảo model trích dẫn các URL.

Python: tìm kiếm, rồi trả lời kèm nguồn

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)

Tìm kiếm tốn thêm thời gian và dùng credit. Chỉ tìm kiếm khi câu hỏi cần sự kiện mới hơn dữ liệu huấn luyện của model, hoặc khi người dùng cần nguồn. Giữ kết quả của các câu hỏi lặp lại trong bộ nhớ đệm.

Khi một công cụ gửi lỗi 429, bộ định tuyến gửi truy vấn tới công cụ tiếp theo. Kết quả từ mọi công cụ có cùng cấu trúc, nên mã của bạn không đổi. Chỉ dùng engine khi bạn cần một công cụ cố định mỗi lần.

Với một agent, đưa cho model một công cụ web_search. Khi model gọi công cụ, gửi truy vấn tới /v1/search và trả kết quả như kết quả công cụ. Đọc API LLM gọi hàm miễn phí để xem vòng lặp công cụ.

Google Search grounding của Gemini

Các model Google cũng có thể tự tìm kiếm trên Google. Gửi một công cụ tên google_search và ghim một model Google. FreeLLMAPI chuyển công cụ thành công cụ grounding gốc của Gemini.

Python: grounding với 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)
Giới hạn gói miễn phí: Google cho phép grounding ở gói miễn phí với Gemini 2.5 Flash và Flash-Lite, tối đa 500 yêu cầu mỗi ngày dùng chung cho cả hai. Gemini 3 và các model mới hơn không có grounding miễn phí. Ghim một model 2.5 Flash để có grounding miễn phí.

Điểm cần lưu ý và khắc phục sự cố

  • Tính theo credit, không theo yêu cầu: một lần tìm kiếm Tavily nâng cao tốn 2 credit. Một lần tìm kiếm Firecrawl tốn 2 credit cho mỗi 10 kết quả. Hãy yêu cầu 5 kết quả khi 5 là đủ.
  • Nội dung dài: kết quả tìm kiếm có thể dài. Cắt bớt mỗi kết quả trước khi đưa vào prompt, nếu không yêu cầu có thể vượt giới hạn token của một model miễn phí nhỏ.
  • Trang cũ hoặc sai: model tin những gì bạn đưa cho nó. Bảo nó nói rõ khi các nguồn không trả lời được câu hỏi.
Vấn đềNguyên nhânCách khắc phục
Lỗi 400 query is requiredNội dung yêu cầu không có queryThêm một chuỗi query
Lỗi 429 kèm Retry-AfterMọi công cụ đều đạt giới hạnChờ thời gian trong tiêu đề, hoặc thêm khóa công cụ khác
Không có công cụ nào sẵn sàngChưa thêm khóa tìm kiếm nàoThêm khóa, rồi kiểm tra GET /v1/search/engines
Grounding không chạyYêu cầu đi tới model không phải của GoogleGhim một model Gemini 2.5 Flash
Dùng tất cả các mô hình này qua một khóa duy nhất. FreeLLMAPI là bộ định tuyến mã nguồn mở, tự lưu trữ. Nó đặt tất cả các gói miễn phí này sau một endpoint duy nhất tương thích OpenAI, và tự chuyển sang nhà cung cấp khác khi một nhà cung cấp bị giới hạn tốc độ. Xem danh mục hoặc bắt đầu.

Câu hỏi thường gặp

Có API tìm kiếm web miễn phí cho agent AI không?

Có. Tavily cấp 1.000 credit mỗi tháng. Exa cấp 10 USD credit mỗi tháng. Firecrawl cấp 1.000 credit mỗi tháng. Không cái nào cần thẻ tín dụng cho gói miễn phí.

API tìm kiếm miễn phí nào tốt nhất cho LLM?

Tavily có thể trả về một câu trả lời ngắn cùng kết quả, hữu ích cho câu hỏi đơn giản. Exa và Firecrawl trả về toàn bộ nội dung trang, hữu ích cho nghiên cứu. Thêm tất cả để chuyển dự phòng có thể dùng từng gói miễn phí.

Google Search grounding trong API Gemini có miễn phí không?

Có, với Gemini 2.5 Flash và Flash-Lite, tối đa 500 yêu cầu mỗi ngày ở gói miễn phí. Gemini 3 và các model mới hơn không có grounding miễn phí.

Làm sao để thêm tìm kiếm web vào một LLM?

Tìm kiếm với /v1/search, đưa kết quả vào prompt, và bảo model chỉ trả lời dựa trên đó và trích dẫn các URL. Với một agent, hãy đưa tìm kiếm ra như một công cụ.

Hướng dẫn liên quan

Nguồn

Tất cả hướng dẫn · Xem tất cả mô hình miễn phí