Builder
25.000 ricerche
41,25 USD
1,65 USD/1K ricerche
- Un agente di coding o un assistente di ricerca
- Pronto per MCP, LangChain e n8n
- I crediti non scadono mai
Caso d'uso · deep research · pianifica, cerca, leggi, cita
Un agente di deep research non esegue una sola ricerca. Pianifica una serie di query, legge ciò che torna, nota le lacune e cerca di nuovo. La qualità del report dipende da quanto testo reale delle pagine vede lungo il percorso.
Risposta rapida
Quale API di ricerca web è adatta a un agente di deep research?
Un agente di deep research ha bisogno di un'API di ricerca che restituisca il testo delle pagine, non solo i link, perché legge molte fonti per ogni report. LLMWebSearch restituisce risultati ordinati con le prime 3 pagine in Markdown per un credito per ricerca. Un report costruito da 40 ricerche usa 40 crediti, quindi 100.000 ricerche copre 2.500 report di questo tipo. Senza KYC; paghi in criptovalute.
Il ciclo che accomuna la maggior parte dei design, qualunque sia il modello.
Piano
Il modello scompone la domanda in quattro-otto query brevi, ciascuna mirata a una parte della risposta.
Cerca e leggi
Ogni query restituisce risultati classificati con le prime pagine già lette, così l'agente ha subito del testo su cui lavorare.
Tieni le fonti utili
L'agente scarta le pagine che ha già visto e quelle che non affrontano la questione.
Cerca le lacune
Il modello confronta ciò che ha trovato con la domanda e formula nuove query per ciò che manca ancora.
Scrivi con le citazioni
La risposta finale cita ogni affermazione con il numero della sua fonte e indica dove le fonti sono in disaccordo.
Dipende dal tuo design, e vale la pena deciderlo di proposito. Un report leggero potrebbe fare due giri da quattro query: otto ricerche. Uno approfondito potrebbe fare cinque giri da otto: quaranta ricerche.
Più ricerche non significano sempre un report migliore. Il guadagno di ogni nuovo giro cala una volta che hai in mano le fonti principali. Una regola di stop aiuta: chiudi il ciclo quando un giro aggiunge meno di due nuove fonti, o quando il budget è esaurito.
Con read a 3 o meno, ogni ricerca è un credito. Un report da quaranta ricerche costa quindi quaranta crediti, qualunque sia la lunghezza delle pagine lette.
Perché la ricerca riguarda i dettagli. Gli snippet danno il senso di una pagina, ma i numeri, le condizioni e le date che rendono utile un report sono nel corpo. Un modello che scrive dagli snippet tende a riempire le lacune con supposizioni.
Leggere le pagine migliora anche il giro successivo di query. L'agente impara i termini che usano le fonti, i nomi di leggi o prodotti e le date degli eventi. Quelle parole rendono le query più precise della domanda originale.
LLMWebSearch legge per te le prime pagine di ogni ricerca. Ogni risultato porta la sua posizione, il titolo, l'URL, l'host, lo snippet e, quando è stata letta, il contenuto principale della pagina come Markdown o testo semplice con il conteggio delle parole e la data di pubblicazione quando nota.
Imposta la tua lista di fonti per URL. Prima di aggiungere un risultato, controlla se il suo URL è già presente. Query diverse restituiscono spesso la stessa pagina autorevole, e ti serve una sola volta.
Alcune pagine compaiono sotto due URL, per esempio con e senza parametri di tracking. Rimuovi le query string che tracciano solo i click prima di confrontare. Per le notizie, la stessa storia esce spesso su più testate; tieni quella con il published_at più antico o con più dettagli.
Numera le fonti una sola volta, alla fine, così le citazioni nella risposta finale corrispondono a una lista pulita.
Quando una query deve coprire in profondità un argomento ristretto e le prime tre pagine non bastano. Impostare read tra 4 e 10 rende quella ricerca da 2 crediti invece di 1.
Nella maggior parte dei cicli conviene di più lanciare un'altra query. Una nuova query porta nuove pagine da un'angolazione diversa, mentre le pagine da 4 a 10 della stessa query spesso ripetono le prime tre. Mantieni il valore più alto per argomenti di nicchia dove esistono pochissime pagine.
Diversi fornitori vendono la ricerca come un'unica chiamata, con prezzo per attività. Al 22 ottobre 2026, i tipi di deep search di Exa costano da $12 a $15 per 1.000 richieste, e Exa ha dismesso il suo endpoint /research separato il 1° aprile 2026. You.com prezza le chiamate di ricerca da $12 (Lite) a $1.200 (Frontier) per 1.000. La Task API di Parallel va da $5 (Lite) a $2.400 (Ultra8x) per 1.000 attività. La deep search di Linkup costa $50 per 1.000.
Questi endpoint nascondono il loop, il che è comodo. Costruire il loop da soli su un'API di ricerca costa meno per report a profondità moderata, e controlli il modello, i prompt e la regola di stop. La guida passo passo ha uno script funzionante di circa 60 righe.
Calcola ricerche per report × report al mese. Un credito paga una ricerca: fino a 20 risultati classificati, con le pagine dei primi 3 lette e restituite come Markdown. Leggere da 4 a 10 pagine costa 2 crediti. Una chiamata che termina in errore non costa nulla.
25.000 ricerche
41,25 USD
1,65 USD/1K ricerche
100.000 ricerche
145 USD
1,45 USD/1K ricerche
500.000 ricerche
650 USD
1,30 USD/1K ricerche
In ogni piano: Prime 3 pagine lette come Markdown · Filtri per paese, lingua, tempo e dominio · Chiamate non riuscite non addebitate · I crediti non scadono mai
Qualsiasi modello con un contesto abbastanza lungo. L'API restituisce fonti, non una risposta scritta: il tuo modello legge le pagine, scrive la risposta e cita gli URL, così puoi usare un modello grande per il report finale e uno piccolo per pianificare le query.
Sì. Passa include_domains con fino a 20 domini, oppure exclude_domains per escludere i siti che non vuoi citare.
Sì. Imposta time_range a day, week, month o year, e usa topic=news per la copertura delle notizie.
Fissa il numero di giri e di query per giro nel codice, non nel prompt. Così il costo per report è noto prima di iniziare.
Da 1,20 USD/1K ricerche · senza KYC
Ottieni una chiave API