O que as equipes constroem com uma API de pesquisa web para agentes de IA?

O que esses quatro trabalhos têm em comum?

Cada um precisa das palavras da página, não apenas de uma lista de links. Um snippet de 160 caracteres raramente contém o número, a data ou a condição que um modelo precisa citar. Por isso a maioria das stacks acaba com dois serviços: uma API de pesquisa para encontrar URLs e um leitor para buscá-las.

LLMWebSearch junta as duas etapas. Uma chamada executa uma pesquisa na web ao vivo e lê as primeiras páginas que encontra. Cada resultado traz sua posição, título, URL, host, snippet e, quando foi lida, o conteúdo principal da página em Markdown ou texto simples com a contagem de palavras e a data de publicação quando conhecida. O agente recebe texto que pode citar na mesma requisição, e você recebe uma única cobrança.

A outra necessidade em comum é o controle. Você decide quantos resultados voltam (max_results), quantas páginas são lidas (read) e qual o tamanho máximo de cada página (max_chars). Esses três números definem tanto o custo de tokens do seu lado quanto o custo em créditos do nosso.

Quais configurações se encaixam em cada caso de uso?

Comece com os padrões e mude uma coisa de cada vez.

• Ferramenta de agente. Mantenha max_results=5 e read=3, e limite as páginas a 3.000 a 5.000 caracteres. Agentes chamam a ferramenta com frequência, então respostas curtas mantêm o contexto limpo.
• Pesquisa aprofundada. Muitas pesquisas pequenas superam poucas pesquisas grandes. Use read=3 por consulta e execute mais consultas. Aumente read só quando uma consulta precisa cobrir um assunto específico em profundidade.
• RAG. Peça páginas mais longas (max_chars em torno de 12.000) e faça o chunk você mesmo. Adicione include_domains quando as respostas precisarem vir de fontes conhecidas.
• Monitoramento de notícias. Configure topic=news e time_range=day, depois remova as URLs que você já viu. Leia três artigos por consulta para resumir o que mudou.

Todos os filtros estão listados na referência de pesquisa.

Como dimensiono um primeiro pack?

Multiplique as tarefas por dia pelas pesquisas por tarefa, depois por 30. Um assistente que responde 100 perguntas por dia com 4 pesquisas cada precisa de cerca de 12.000 pesquisas por mês. Isso cabe em 25.000 pesquisas com folga para um segundo mês.

Os créditos não expiram no fim de um ciclo de cobrança. Os créditos de pesquisa não têm data de expiração: o que você não usar este mês continua lá no ano que vem. Um pack pequeno comprado para um protótipo mantém seu valor até o projeto crescer. O guia de custos analisa três casos maiores e os compara com outras APIs e com as ferramentas de pesquisa embutidas nos modelos.