说在前面,解决办法有很多,如果想要原生模型的搜索能力站内直接搜索websearch就行了,这里不多赘述
我想试试第三方的服务(主要是想白嫖), 找了三个高频出现的搜索服务, Tavily、Exa、Keenable，接进了codex cli, 方法都是mcp,搜索关键词进官网就行, 注册免费用
额度
三个正常做项目过程中搜索, 月额度肯定是够了, 如果有大量的抓取任务也不如让ai直接写个爬虫
| 服务 | 免费额度 / 认证后限制 | 主要计费方式 |
|---|---|---|
| Tavily | 每月 1,000 credits；Basic Search 每次 1 credit，Advanced Search 每次 2 credits | 付费从 30/4,000 credits 起 |
| Exa | 注册赠送 10 免费 credits | Search 1/1,000 页；Deep Search $12/1,000 次起 |
| Keenable | 不登录：每小时 1,000 次，最多 10 次/秒；登录后取消每小时上限，默认仍是 10 次/秒/组织 | 目前 API 使用免费；更高并发需要联系官方 |
这里的“额度”不是完全同一种东西：Tavily 按 credits 算，Exa 按余额和请求类型算，Keenable 主要是请求限流。因此不能只看一个“每月多少次”简单排名。
差异
我跑了一轮搜索测试,测试方法直接让agent自己设计了, 包括了官方文档检索、中文政策、学术论文、域名过滤和网页正文提取
太长不看系列
- 偏技术开发、查官方资料：Exa。
- 偏日常搜索、新闻和资料发现：Tavily。
- 偏中文内容和站点过滤：Keenable。
安装大同小异,没有难度区分,直接把官方文档给AI就行
Tavily：广泛搜索
Tavily 的优点是返回内容比较完整，就是先把资料搜出来。对新闻、一般事实、初步资料收集都比较方便。
缺点就是对应的,结果有时比较杂，官方页面、博客、论坛和二手文章可能混在一起。返回内容自然长，直接塞给模型就会浪费上下文。
无所谓,反正不用我来总结
适合：
- 不确定关键词,先搜搜看
- 新闻和近期话题,热榜之类的
- 需要较多候选来源(毕竟大杂烩)
Exa：官方资料和技术检索
Exa 在测试里最容易把官方文档、Python release note、MCP 官方规范和论文排到前面。网页正文提取的 Markdown 也比较干净，适合搜索后继续读取页面。
缺点是速度有时也慢一些,应该是多了一点处理步骤。高级搜索如果不限制返回长度，响应可能非常大，所以最好显式设置结果数量和文本长度。
适合：就是需要确定性高的东西
- 官方文档、API 文档和版本信息
- 学术论文和研究资料
- 需要高质量来源确认事实
- 搜索后继续读取网页正文
Keenable：最适合中文、站点过滤和低成本使用
Keenable 的结果比较紧凑，中文类页面表现不错。指定站点、发布日期和抓取长度也比较直观。
API使用免费，登录后取消每小时请求上限但是有速率限制，个人使用的话无论如何都够了(不过这三个应该都够,用不满就都是无限)。它的官方文档没有给出一个固定的“每月免费次数”，主要看每秒限流。
适合：
- 中文政策、政府公告和中文网页
- 指定某个网站搜索
- 需要日期筛选
- 想控制返回内容长度