[ blog · comparison ]12 min read

2026 年最適合 AI Agent 的網頁搜尋 API（橫向對比）

Sarah Choy·2026年5月29日 發佈·約 12 分鐘閱讀

Bing Search 於 2025 年退場，十幾家 Agent 原生搜尋 API 蜂擁而上想接手。這篇就是一張務實、即時更新的地圖：誰回傳什麼、誰怎麼收費，以及該把哪一家接進你的 Agent。

一句話總結

• •市場一分為二：Agent 原生搜尋 API（Exa、Tavily、Linkup、Parallel、API Pick）回傳乾淨、排好序、LLM 就緒的文字；SERP 抓取型 API（Serper、SerpApi）回傳原始的 Google 結果，清洗交給你自己做。
• •Microsoft 在 2025 年 8 月 11 日讓 Bing Search API 退場 —— 這是 2026 年各團隊重新挑選搜尋供應商最主要的單一原因。
• •「答案型」端點（Perplexity Sonar、Brave Answers、Exa /answer）把一次 LLM 呼叫綑進搜尋裡，成本更高；純搜尋端點回傳更快，且讓你自己掌控模型。
• •2026 年公開的牌價，原始結果大多落在每 1,000 次搜尋 $5–$10；模型內建搜尋（OpenAI、Anthropic）與 Bing grounding 則在每 1,000 次 $10–$35。
• •若你要的是依用量、只對成功扣費的 Agent 工具呼叫，API Pick Web Search 每次 15 credits（約 $0.015），且無月費下限。

為什麼這份清單和一年前長得不一樣

2025 到 2026 年間，有兩件事重塑了網頁搜尋 API 市場。第一，Microsoft 在 2025 年 8 月 11 日讓 Bing Search API 退場 —— 那個默默撐起一大片 LLM grounding 管線的主力 —— 並以 Azure AI Foundry 裡的 Grounding with Bing Search 取代，它不是可直接替換的 API，每 1,000 次交易約收 $35。一夜之間， 數千個團隊需要新的供應商。第二，一波 Agent 原生 搜尋新創拿到了大筆資金 —— Exa 在約 $700M 估值上完成 $85M 的 B 輪、Parallel 的 $100M 輪、Linkup 的種子輪 —— 並推出了專為語言模型而非真人設計的 API。

結果就是一個清楚一分為二的市場，而你做的第一個決定，就是你站在哪一邊：

• Agent 原生搜尋（Exa、Tavily、Linkup、Parallel、Valyu、API Pick）：你送出一個查詢， 拿回一份簡短、排好序的標題、URL 與乾淨文字摘要 —— 有時還附一個完整答案 —— 已按上下文窗大小整理好。
• SERP 抓取（Serper、SerpApi）：你拿到一頁 Google 結果的原始 JSON， 清洗、排序、摘要裁切都自己跑。

以下是務實的地圖。價格與配額變動很快 —— 這裡每個數字都是 2026 年牌價，整合前請到各家定價頁確認。

各家選手，一段話過完

Exa

「給 AI 用的搜尋引擎」。Exa 跑自家的 embedding 索引，提供神經、關鍵字與 auto 模式，外加 /contents、 /answer、/findSimilar、非同步的 /research 任務端點，以及 Websets 清單建構器。當主題相似度比原始新鮮度更重要時最強。 含內容的搜尋牌價約每 1,000 次 $7；每月 1,000 次請求的免費額度降低了試用門檻。

Tavily

Agent 原生的網頁存取層 —— /search、 /extract、/crawl、/map， 以及較新的 /research 端點。一次呼叫回傳 LLM 就緒的摘要，外加可選的生成答案。 它在 LangChain 生態裡長大，並提供官方 MCP server。2026 年 2 月被 Nebius 以 $275M 收購；品牌延續。 採 credit 計費：basic 搜尋 1 credit，advanced 2 credit，附每月 1,000 credit 的免費額度。

Perplexity Sonar

不是原始結果型 API —— Sonar 回傳一個完整、附引用的答案。像 sonar 與 sonar-pro 這類模型分兩部分計費：token 成本，加上隨你拉進多少網頁脈絡而變動的每次請求搜尋費。當你要的是模型的答案而非連結， 且樂於讓 Perplexity 替你挑來源時最合適。

Linkup

一家較新、獨立的搜尋 API，主打附來源的答案，有 standard 與 deep 兩種模式，還有一個亮點： 透過 x402 / USDC 微支付按次付費，讓自主 Agent 不需要真人帳號就能付款。它明確把自己定位為 Bing API 的替代品。

Parallel

由前 Twitter 執行長 Parag Agrawal 從零為 Agent 打造。你給它一個語意目標， 它回傳壓縮過、與 token 相關的摘錄；搭配的 Task API 則回傳經過驗證的結構化資料。按次計費（Base 搜尋層級約每 1,000 次 $4），以基準測試為導向的定位。

Brave Search API

少數真正獨立的全球索引之一 —— 不是 Google 或 Bing 的鏡像 —— 還有專屬的 LLM Context grounding 端點。牌價約每 1,000 次請求 $5。Brave 在 2025 年取消了免費額度， 把所有人轉到計量計費，這也是它出現在每一份「Bing 替代品」清單上的原因。

Serper

大規模拿原始 Google SERP JSON 最便宜的方式 —— 依用量約每 1,000 次查詢 $0.30–$1。 LLM 整理層你自己出。如果你已經跑著一個內容擷取器，這很棒；如果沒有，就是隱藏的工作量。

API Pick Web Search

為 tool calling 整理好的依用量語意搜尋。 POST /api/search/web 回傳最多 10 條排好序的結果 —— 標題、URL 與一段 事先清洗過的摘要 —— 並可選 country_code 與 start_date/end_date 過濾。每次呼叫 15 credits （$5 買 5,000 credits，≈ $0.015），credit 永不過期，且只在 HTTP 200 時扣費。

橫向對比

怎麼選：一棵簡短的決策樹

依序回答這幾題，你很快就會落到正確的陣營。

• 你要連結還是答案？ 若你要完整、附引用的答案，且能接受由供應商挑來源， 用 Perplexity Sonar（或一個 /answer 端點）。若你要掌控模型讀哪些來源，用搜尋 API、自己跑模型。
• 你需要原始 SERP 嗎？ 若你的管線真的需要 Google 完整的結果頁 —— 知識面板、地點、精確排序 —— 用 Serper 或 SerpApi，並替自己的清洗步驟編列預算。
• 相似度比新鮮度更重要嗎？「幫我找更多像這一頁的內容」 正是 Exa 的主場，靠的是在自家索引上的神經排序。
• 你的流量波動大、或預算偏依用量？ 若你在做原型、跑批次研究任務， 或打造會在偶發失敗時重試的 Agent，採只對成功扣費的按次模型（API Pick）可以省掉月費下限，也省掉為重試付錢。

實際整合長什麼樣

摩擦最低的整合，是貼上一份 tool schema、省掉封裝層。這些 API 大多要你手寫 JSON 工具定義；API Pick 兩種形狀都給：

# Returns an OpenAI function definition AND a Claude tool-use definition
curl https://www.apipick.com/api/search/web/tool-schema

接進 Claude tool-use 迴圈就三行：

import anthropic, requests

schema = requests.get("https://www.apipick.com/api/search/web/tool-schema").json()
client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    tools=[schema["claude"]],
    messages=[{"role": "user", "content": "What shipped in agent search this week?"}],
)

典型的 Agent 原生回應夠小，可以直接落進一個 tool_result 區塊：

{
  "results": [
    {
      "title": "Nebius acquires Tavily to add agentic search",
      "url": "https://nebius.com/newsroom/...",
      "snippet": "Nebius announced an agreement to acquire Tavily, adding\nagentic web search to its AI cloud platform."
    }
    /* …more */
  ],
  "result_count": 5,
  "credits_used": 15,
  "remaining_credits": 985
}

沒人會放進定價的那件事：失敗呼叫與重試

Agent 會重試。一個扇出十次搜尋的研究 Agent，一定會撞上偶發的 429 與 502，而一個天真的迴圈會把它們重跑。 在按查詢計費的供應商上，每次重試都要錢。在訂閱制上，每次重試燒掉內含 credit 的速度都比你儀表板顯示的快。 唯一無視重試的模型是 只對成功扣費 計費 —— 你為那個 HTTP 200 付錢， 而不是它之前的三次逾時。對波動大的 Agent 流量來說，這往往比頭條的每次呼叫價格省下更多真實成本。

這些 API 都不做的事

沒有一家網頁搜尋 API 能可靠地回答「這個網域從 2019 年起的每一份文件」—— 要做深檔案覆蓋， 你仍要把搜尋搭配一個定向爬蟲或專門資料集。它們都不能完美去重高度相似的 URL。 也沒有一家能解決上游問題 —— 來源陳舊或權威度低；判斷來源品質仍是你的 Agent 要做的決定。 把搜尋 API 當成檢索的基本元件，而不是整顆大腦。

快速選型

作者

Sarah Choy

CEO, API Pick

Sarah Choy 是 API Pick 的 CEO，專注於為 AI Agent 與 LLM 工作流打造可用於正式環境的 API。