Bild von Editor | Chatgpt
# Einführung
KI -Agenten sind nur so effektiv wie der Zugang zu frischen, zuverlässigen Informationen. Hinter den Kulissen verwenden viele Agenten Internet -Search -Instruments, um den neuesten Kontext zu erreichen und sicherzustellen, dass ihre Ausgaben related bleiben. Es werden jedoch nicht alle Such -APIs gleich erstellt, und nicht jede Possibility passt nahtlos in Ihren Stapel oder Ihren Workflow.
In diesem Artikel überprüfen wir die Prime 7 Internet -Search -APIs, die Sie in Ihre Agent -Workflows integrieren können. Für jede API finden Sie ein Beispiel Python -Code, mit dem Sie schnell beginnen können. Das Beste ist, dass jede API, die wir abdecken, eine kostenlose (wenn auch begrenzte) Stufe bietet, mit der Sie experimentieren können, ohne eine Kreditkarte einzugeben oder auf zusätzliche Hürden zu stoßen.
1.. Feuerkrabel
Feuerkrabel Bietet eine dedizierte Such -API, die neben dem Crawl/Scrape -Stapel „für KI“ erstellt wurde. Sie können Ihr Ausgangsformat auswählen: Clear Markdown, RAW -HTML, Linklisten oder Screenshots, sodass die Daten zu Ihrem nachgeschalteten Workflow passt. Es unterstützt auch anpassbare Suchparameter (z. B. Sprache und Land) für die Ergebnisse nach Gebietsschema und ist für KI -Agenten erstellt, die Webdaten im Maßstab benötigen.
Set up: pip set up firecrawl-py
from firecrawl import Firecrawl
firecrawl = Firecrawl(api_key="fc-YOUR-API-KEY")
outcomes = firecrawl.search(
question="KDnuggets",
restrict=3,
)
print(outcomes)2. Tavily
Tavy ist eine Suchmaschine für AI-Agenten und LLMs, die Abfragen in eine einzelne API-Aufruf in LLM-fähige Erkenntnisse verwandelt. Anstatt rohe Hyperlinks und laute Ausschnitte zurückzugeben, aggregiert Tavily bis zu 20 Quellen und verwendet dann die proprietäre KI, um die relevantesten Inhalte für Ihre Aufgabe zu bewerten, zu filtern und zu bewerten, wodurch die Notwendigkeit einer benutzerdefinierten Kratzen und Nachbearbeitung verringert wird.
Set up: pip set up tavily-python
from tavily import TavilyClient
tavily_client = TavilyClient(api_key="tvly-YOUR_API_KEY")
response = tavily_client.search("Who's MLK?")
print(response)3. Exa
Exa ist eine revolutionary AI-native Suchmaschine, die vier Modi bietet: Auto, Quick, Key phrase und Neural. Diese Modi bilden Präzision, Geschwindigkeit und semantisches Verständnis effektiv aus. EXA basiert auf einem eigenen hochwertigen Webindex und verwendet in seiner neuronalen Suche ein mithilfe von Ausbettungsdings. Dieses Merkmal überflächen Hyperlinks, die eher auf Bedeutung als auf genauen Wörtern basieren, und machen es besonders effektiv für explorative Abfragen und komplexe, geschichtete Filter.
Set up: pip set up exa_py
from exa_py import Exa
import os
exa = Exa(os.getenv('EXA_API_KEY'))
consequence = exa.search(
"hottest AI medical startups",
num_results=2
)4. Serper.dev
Schlangen ist eine schnelle und kostengünstige Google-SERP-API (Suchmaschinenergebnisse), die Ergebnisse in nur 1 bis 2 Sekunden liefert. Es unterstützt alle wichtigen Google -Vertikale in einer API, einschließlich Suche, Bilder, Nachrichten, Karten, Orten, Movies, Einkaufsmöglichkeiten, Gelehrten, Patenten und Autocomplete. Es bietet strukturierte SERP-Daten, sodass Sie Echtzeit-Suchfunktionen erstellen können, ohne dass das Schaschen erforderlich ist. Mit Serper können Sie sofort mit 2.500 kostenlosen Suchanfragen beginnen, ohne Kreditkarte erforderlich.
Set up: pip set up --upgrade --quiet langchain-community langchain-openai
import os
import pprint
os.environ("SERPER_API_KEY") = "your-serper-api-key"
from langchain_community.utilities import GoogleSerperAPIWrapper
search = GoogleSerperAPIWrapper()
search.run("Prime 5 programming languages in 2025")5. Serpapi
Serpapi Bietet eine leistungsstarke Google -Such -API sowie die Unterstützung für zusätzliche Suchmaschinen und liefert strukturierte Suchmaschinen -Seitendaten. Es verfügt über eine robuste Infrastruktur, einschließlich globaler IPS, einem vollständigen Browser -Cluster und Captcha -Lösung, um zuverlässige und genaue Ergebnisse zu gewährleisten. Darüber hinaus liefert Serpapi erweiterte Parameter, z. B. präzise Standortsteuerung über den Standortparameter und die A /places.json -Helfer.
Set up: pip set up google-search-results
from serpapi import GoogleSearch
params = {
"engine": "google_news", # use Google Information engine
"q": "Synthetic Intelligence", # search question
"hl": "en", # language
"gl": "us", # nation
"api_key": "secret_api_key" # substitute along with your SerpAPI key
}
search = GoogleSearch(params)
outcomes = search.get_dict()
# Print high 5 information outcomes with title + hyperlink
for idx, article in enumerate(outcomes.get("news_results", ()), begin=1):
print(f"{idx}. {article('title')} - {article('hyperlink')}")6. Searchapi
Searchapi Bietet Echtzeit-Serp-Scraping in vielen Motoren und Vertikalen und enthüllt Google Internet zusammen mit speziellen Endpunkten wie Google Information, Scholar, AutoComplete, Objektiv, Finanzen, Patenten, Jobs und Veranstaltungen sowie Nicht-Google-Quellen wie Amazon, Bing, Bing, Baidu und Google Play. Mit dieser Breite können Agenten auf die richtige Vertikale abzielen und gleichzeitig ein einzelnes JSON -Schema und ein konsistenter Integrationspfad beibehalten.
import requests
url = "https://www.searchapi.io/api/v1/search"
params = {
"engine": "google_maps",
"q": "greatest sushi eating places in New York"
}
response = requests.get(url, params=params)
print(response.textual content)7. mutige Suche
Mutige Suche Bietet eine Datenschutz-First-API in einem unabhängigen Webindex mit Endpunkten für Internet-, Nachrichten und Bilder, die intestine für die Grundlage von LLMs ohne Benutzer eignen. Es ist Entwicklerfreundlichkeit, Performant und enthält einen kostenlosen Nutzungsplan.
import requests
url = "https://api.search.courageous.com/res/v1/net/search"
headers = {
"Settle for": "software/json",
"Settle for-Encoding": "gzip",
"X-Subscription-Token": ""
}
params = {
"q": "greek eating places in san francisco"
}
response = requests.get(url, headers=headers, params=params)
if response.status_code == 200:
information = response.json()
print(information)
else:
print(f"Error {response.status_code}: {response.textual content}") Einpacken
Ich kombiniere Such -APIs mit Cursor -IDE durch MCP -Suche, um neue Dokumentation direkt in meinem Editor zu ziehen, was das Debuggen beschleunigt und meinen Programmierfluss verbessert. Diese Instruments führen in Echtzeit-Webanwendungen, agentenlagern und vielem mehr auf, während die Ausgänge geerdet halten und Halluzinationen in empfindlichen Szenarien reduzieren.
Schlüsselvorteile:
- Anpassung für präzise Abfragen, einschließlich Filter, Frischfenster, Area und Sprache
- Versatile Ausgangsformate wie JSON, Markdown oder Klartext für nahtlose Agent -Handoffs
- Die Possibility, das Internet zu durchsuchen und zu kratzen, um den Kontext für Ihre KI -Agenten zu bereichern
- Kostenlose Ebenen und erschwingliche nutzungsbasierte Preisgestaltung, damit Sie ohne Sorge experimentieren und skalieren können
Wählen Sie die API aus, die Ihrem Stapel, Latenzanforderungen, Inhaltsabdeckung und Price range entspricht. Wenn Sie einen Ort zum Starten benötigen, empfehle ich dringend eine Schusswelle und Tavily. Ich benutze beide quick jeden Tag.
Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der es liebt, maschinelles Lernenmodelle zu bauen. Derzeit konzentriert er sich auf die Erstellung von Inhalten und das Schreiben von technischen Blogs über maschinelles Lernen und Datenwissenschaftstechnologien. Abid hat einen Grasp -Abschluss in Technologiemanagement und einen Bachelor -Abschluss in Telekommunikationstechnik. Seine Imaginative and prescient ist es, ein KI -Produkt zu bauen, das ein Diagramm neuronales Netzwerk für Schüler mit psychische Erkrankungen mit kämpfender Krankheiten unterhält.