面向 AI 智能体的免费网页搜索 API
LLM 只知道其训练数据。网页搜索 API 为它提供最新的事实和来源。Tavily、Exa、Firecrawl 和 Linkup 各自提供每月的免费额度。FreeLLMAPI 将这些引擎放在一个 /v1/search 端点之后,并在某个引擎失败时切换到下一个引擎。
代码、模型名称和目录中的实时标签以英文显示。
目前的免费搜索引擎
下表列出 FreeLLMAPI 目录中的搜索引擎。数据来自实时目录。“Answers”表示该引擎可以在搜索结果中返回简短的文字答案。“News”表示该引擎可以将搜索限定为新闻。
| 搜索 API | 免费额度 | 回答 | 新闻 |
|---|---|---|---|
| Tavily Search | 1,000 credits/month, no card | 是 | 是 |
| Exa Search | $10/month in credits, no card | 否 | 是 |
| Firecrawl Search | 1,000 credits/month (2 per search), no card | 否 | 是 |
| Linkup Search | free monthly credits for eligible accounts | 是 | 否 |
| Parallel Search | Free, no key needed (rate-limited); free API key for more | 否 | 否 |
| SerpSearch | 1,000 requests/month shared across endpoints; no card; 1 request/second | 否 | 是 |
数据来自 FreeLLMAPI 目录(版本 2026.11.19,检查于 2026-11-19)。免费额度经常变化。该目录每天检查一次。
| 引擎 | 免费套餐(官方) | 单次搜索费用 | 其他限制 |
|---|---|---|---|
| Tavily | 每月 1,000 个积分,无需信用卡 | 1 个积分(基础)或 2 个积分(高级) | 提取每 5 个 URL 花费 1 个积分 |
| Exa | 10 美元积分,每月第一天重置,无需付款方式 | 约 $0.004(lite)至 $0.007(auto) | 超过 10 条的每条结果费用更高 |
| Firecrawl | 每月 1,000 个积分,无需信用卡 | 每 10 条结果花费 2 个积分 | 每分钟 10 次搜索请求,同时 2 次 |
| Linkup | 定价页面列出免费积分 | 约 $0.005 至 $0.006 | 今日我们无法确认每月的额度 |
使用全部四个密钥,每月可获得约 1,000 次 Tavily 搜索、1,400 至 2,500 次 Exa 搜索,以及 500 次 Firecrawl 搜索。这些数字是我们根据已公布的价格计算得出的。
第 1 步:安装 FreeLLMAPI 并添加搜索密钥
FreeLLMAPI 是开源软件。它在你的电脑上通过 Docker 运行。你的服务商密钥保存在你的电脑上。
安装(macOS 或 Linux)
curl -fsSL https://freellmapi.co/install.sh | bash在浏览器中打开控制台:http://localhost:3001。在 Keys 页面添加 Tavily、Exa、Firecrawl 或 Linkup 的密钥。同时添加一个聊天服务商的密钥,例如 Google AI Studio 或 Groq。从同一页面复制你的统一密钥。
要查看哪些引擎当前可以作答,请发送 GET /v1/search/engines。该列表还提供可固定使用的引擎 ID。
第 2 步:搜索网页
发送 query。可选字段为 max_results、topic(general 或 news)、include_answer 和 engine。响应包含 query、results、provider 和 engine。每个结果都有 title、url 和 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"}'第 3 步:将结果提供给 LLM
常见的模式包含三个步骤。先搜索,再将结果放入提示中,然后要求模型仅根据这些结果作答。请告诉模型引用 URL。
Python:搜索,然后附带来源作答
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)搜索会增加耗时并消耗积分。只在问题需要比模型训练数据更新的事实,或用户需要来源时才进行搜索。对于重复的问题,请将结果保存在缓存中。
当某个引擎返回 429 错误时,路由器会将查询发送到下一个引擎。所有引擎的结果格式相同,因此你的代码无需更改。只有在每次都需要某个特定引擎时,才使用 engine。
对于智能体,请为模型提供一个 web_search 工具。当模型调用该工具时,将查询发送到 /v1/search,并将结果作为工具结果返回。工具循环的说明请阅读免费函数调用 LLM API。
Gemini Google Search 接地(grounding)
Google 模型自身也可以搜索 Google。发送名为 google_search 的工具,并固定使用一个 Google 模型。FreeLLMAPI 会将该工具转换为 Gemini 原生的接地工具。
Python:使用 Google Search 接地
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)常见问题与故障排除
- 按积分计费,而非按请求计费:高级 Tavily 搜索使用 2 个积分。Firecrawl 搜索每 10 条结果使用 2 个积分。如果 5 条结果就够用,请只请求 5 条。
- 内容过长:搜索结果可能很长。在放入提示之前,请截断每条结果,否则请求可能超过小型免费模型的 token 限制。
- 过时或错误的页面:模型会信任你提供的内容。请告诉它,当来源无法回答问题时,应直接说明。
| 问题 | 原因 | 解决方法 |
|---|---|---|
错误 400:query is required | 请求体中没有 query | 添加 query 字符串 |
错误 429,并带有 Retry-After | 所有引擎都已达到限制 | 等待请求头中的时间,或添加另一个引擎的密钥 |
| 没有可用的引擎 | 未添加搜索密钥 | 添加密钥,然后检查 GET /v1/search/engines |
| 接地未运行 | 请求被发送到了非 Google 模型 | 固定使用 Gemini 2.5 Flash 模型 |
常见问题
有面向 AI 智能体的免费网页搜索 API 吗?
有。Tavily 每月提供 1,000 个积分。Exa 每月提供 10 美元积分。Firecrawl 每月提供 1,000 个积分。它们的免费套餐均无需信用卡。
哪个免费搜索 API 最适合 LLM?
Tavily 可以在结果中返回简短的答案,适合简单问题。Exa 和 Firecrawl 返回完整的页面内容,适合研究类工作。将它们全部添加,故障转移即可利用每个免费套餐。
Gemini API 中的 Google Search 接地是免费的吗?
是的,适用于 Gemini 2.5 Flash 和 Flash-Lite,免费套餐每天最多 500 次请求。Gemini 3 及更新的模型没有免费接地。
如何为 LLM 添加网页搜索?
使用 /v1/search 进行搜索,将结果放入提示中,并告诉模型仅根据这些结果作答并引用 URL。对于智能体,请将搜索作为工具提供。
相关指南
来源
- FreeLLMAPI docs: Web search and Google Search grounding (检查于 20 November 2026)
- Tavily docs: API credits (检查于 20 November 2026)
- Exa pricing (检查于 20 November 2026)
- Firecrawl pricing (检查于 20 November 2026)
- Linkup pricing (检查于 20 November 2026)
- Gemini Developer API pricing: grounding (检查于 20 November 2026)