Integrierte Websuche-Tools vs. Such-APIs: Was ein Agent wirklich zahlt

Warum kostet ein integriertes Tool mehr als seine Gebühr?

Weil die Seiten, die es liest, als Input-Tokens zurückkommen. OpenAI berechnet Suchinhalte zum Tarif des Modells und rechnet bei seinen Mini-Modellen feste 8.000 Input-Tokens pro Aufruf ab. Claude berechnet Suchergebnisse als Input-Tokens, und sie zählen bei jeder weiteren Runde des Gesprächs erneut.

Die Gebühr pro Aufruf ist nur der sichtbare Teil. Der Token-Anteil wächst mit der Anzahl der Suchanfragen pro Aufgabe und der Länge des Gesprächs. Die meisten integrierten Tools entscheiden außerdem selbst, wie viele Suchanfragen sie ausführen.

Wie sieht ein durchgerechnetes Beispiel aus?

Dies ist eine Schätzung mit genannten Annahmen, kein Angebot. Nehmen Sie einen Agenten, der 100.000 Suchanfragen pro Monat ausführt.

• Integriertes Tool zu $10 pro 1.000: $1.000 an Tool-Gebühren. Dazu kommen die Inhalts-Tokens. Bei festen 8.000 Tokens pro Aufruf sind das 800 Millionen Input-Tokens. Bei angenommenen $1.00 pro Million Input-Tokens (eine runde Zahl, kein Anbieterpreis) kommen $800 hinzu. Gesamt: etwa $1.800.
• Eigenständige API: mit LLMWebSearch kosten 100.000 Suchanfragen 145 $, und jede liefert die besten 3 Seiten. Ihr Modell liest weiterhin den Text, den Sie ihm übergeben. Wenn Sie 1.500 Tokens von jeder der 3 Seiten senden, sind das 450 Millionen Tokens, also etwa $450 zum selben angenommenen Satz. Gesamt: etwa 145 $ plus $450.

Die Differenz entsteht an zwei Stellen: durch die Gebühr pro Aufruf und durch die Kontrolle darüber, wie viel Text das Modell erreicht. Mit einer eigenständigen API legen Sie read und max_chars fest, und Sie können Seiten weglassen, die Ihr Agent nicht braucht.

Wann ist ein integriertes Tool die bessere Wahl?

Wenn Sie möglichst wenig Code schreiben möchten. Ein integriertes Tool benötigt kein zweites Konto, keinen API-Schlüssel und keine Tool-Definition: Sie aktivieren es direkt in der Modellanfrage. Es eignet sich auch für kurze Chats mit wenigen Suchanfragen, bei denen der Token-Aufschlag klein bleibt.

Geminis 5.000 kostenlose gegroundete Suchanfragen pro Monat im kostenpflichtigen Tarif decken viele Prototypen ab. Claudes web_fetch hat keine Gebühr pro Aufruf, sodass das Abrufen einer bekannten URL nur Tokens kostet. Und wenn Sie die Zitate eines Anbieters ohnehin in seinem exakten Format anzeigen müssen, erledigt das das integrierte Tool bereits.

Wann ist eine eigenständige Such-API die bessere Wahl?

Wenn Sie die Rohdaten benötigen, viele Suchanfragen pro Aufgabe oder dasselbe Tool über mehrere Modelle hinweg. Eine eigenständige API liefert geordnete Suchergebnisse und Seitentext an Ihren Code. Sie können diese zwischenspeichern, neu ordnen, anzeigen oder an jedes Modell übergeben: OpenAI, Claude, Gemini oder ein Open-Weight-Modell.

Sie vermeidet außerdem die Bindung an die Regeln eines Anbieters. Grounding mit Bing gibt die Ergebnisse nicht an andere Anwendungen weiter. Google verlangt, dass seine Suchvorschläge angezeigt werden. Mit einer eigenständigen API können Sie die Ergebnisse nach den Bedingungen des jeweiligen Anbieters selbst verwalten. Lesen Sie auch diese Bedingungen: Die Standardbedingungen von Brave verbieten das Speichern von Ergebnissen, und die Bedingungen von Tavily und Exa behalten sich Rechte an Ihren Eingaben und Ausgaben vor.

Kann ich eine eigenständige Such-API mit OpenAI- oder Claude-Modellen verwenden?

Ja, als Function-Tool. Sie beschreiben dem Modell eine web_search-Funktion, führen die Suche aus, wenn das Modell sie aufruft, und geben die Ergebnisse zurück. Unser Leitfaden zum Function Calling mit OpenAI zeigt die komplette Schleife in Python, und der MCP-Server bindet dieselbe Suche in Claude Desktop, Claude Code und Cursor ein. Der Kostenleitfaden hilft, die monatliche Rechnung einzuschätzen.