13 nejlepších AI vyhledávacích API pro agenty v roce 2026 (Tavily, Brave, SerpAPI + 10 dalších, které jsem otestoval)

13 nejlepších AI vyhledávacích API pro agenty v roce 2026 (Tavily, Brave, SerpAPI + 10 dalších, které jsem otestoval)

Vyhledávací API Bingu zemřelo 11. srpna 2025 a trh s AI vyhledávacími API strávil následujících devět měsíců zoufalým snaháním zaplnit vzniklé vakuum. Dnes existuje třináct solidních možností, jak napojit svého agenta na čerstvý webový obsah, ale jen asi pět z nich stojí za vaši pozornost. Posledních šest týdnů jsem pouštěl stejný dotaz přes všechny z nich, měřil latenci, porovnával strukturu JSON a sčítal, kolik každé z nich ve skutečnosti stojí, když započítáte extrakci a tokeny pro LLM.

Rychlá odpověď: Nejlepší AI vyhledávací API v roce 2026

Pokud z tohoto článku přečtete jen 30 sekund, tady je zkrácená verze:

• Nejlepší pro RAG s citacemi: Tavily, kombinované vyhledávání + extrakce, štědrá bezplatná úroveň.
• Nejlepší pro pokrytí SERP napříč vyhledávači: SerpAPI, 30+ vyhledávačů a nejhlubší parsování výsledkových stránek v kategorii.
• Nejlepší pro vyhledávání s vysokým recall a monitoring: CatchAll, index postavený na recall, který vynese vše relevantní a dál hlídá web kvůli novým událostem.

Ve zbytku tohoto článku rozeberu 13 API s kódem, reálným JSON a cenami pro rok 2026, včetně dvou nativních nástrojů poskytovatelů LLM (OpenAI, Anthropic), na které většina žebříčků „nejlepších" zapomíná.

Co se stalo s vyhledávacím API Bingu?

Vyhledávací API Bingu bylo odstaveno 11. srpna 2025 a Microsoft přesměroval vývojáře na „Grounding with Bing Search" uvnitř Azure AI Agents, což znamená zdražení o 40 až 483 % podle úrovně, a navíc to lze použít jen uvnitř ekosystému Azure. Právě toto jediné odstavení spustilo na konci roku 2025 a v roce 2026 explozi kategorie AI-nativního vyhledávání.

Po většinu minulého desetiletí „vyhledávací API" znamenalo REST endpoint Bingu nebo wrapper, který scrapoval SERP. Jakmile Microsoft vytáhl zástrčku, měly týmy, které tiše stavěly na Bingu, tři týdny na migraci. Někteří přešli na Google Programmable Search Engine. Většina skočila k Tavily, Exa, Brave nebo Serper, podle toho, zda jim šlo o citace, sémantiku, nezávislost, nebo čistě o cenu.

Odstavení Bingu jen neodstranilo jedno API, spustilo celou kategorii AI-nativního vyhledávání. Vendorů, kteří se pozicionovali jako „vyhledávací API pro LLM", najednou vypadal jako vizionář. Brave uvedl své LLM Context API v únoru 2026. Linkup podepsal smlouvy s vydavateli Le Monde a Le Figaro. OpenAI a Anthropic zabudovali web_search přímo do svých tool-use smyček, takže byste žádného externího vendora vůbec nepotřebovali.

Oficiální oznámení Microsoftu o odstavení si můžete přečíst v oznámení o životním cyklu. Je to krátká stránka, ale druhotné dopady tohoto oznámení jsou tím, o čem je celý tento článek.

Jak se AI vyhledávací API liší od běžných SERP API

Vyhledávací API se v roce 2026 dělí do tří úrovní: AI-nativní (Tavily, Exa, Perplexity, Linkup, You.com), nezávislý index (Brave, CatchAll) a SERP wrappery (Serper, SerpAPI, Bright Data, Google PSE). Na úrovních záleží, protože to, co vracejí a co musíte s odpovědí udělat, než ji LLM dokáže použít, se divoce liší. CatchAll sedí na recall-orientovaném okraji úrovně nezávislých indexů: místo seřazené výsledkové stránky proskenuje desítky tisíc stránek na úlohu a vrací validované, strukturované záznamy.

SERP wrappery vám dají výsledkovou stránku Googlu nebo Bingu parsovanou do JSON. Dostanete URL, názvy a snippety, v podstatě to, co byste viděli, kdybyste si výsledkovou stránku oscrapovali sami. Pak musíte každou URL stáhnout, extrahovat čitelný text a předat ho modelu. To jsou dva další síťové skoky a další vendor (nebo váš vlastní scraper) na každý dotaz.

AI-nativní API udělají extrakci za vás. Jeden volání vrátí výsledky vyhledávání plus vyčištěný text celé stránky, připravený vložit do promptu. Tavily a Linkup navíc odpověď přetvarují do formátu citací, který váš model může přímo citovat. Pokud stavíte RAG pipeline, je to rozdíl mezi třemi řádky kódu a malým subsystémem.

„Nejlevnější API" je často nejdražší, jakmile započítáte tokeny LLM utracené za opakovanou extrakci obsahu. Serper za $0,50 na 1 000 dotazů vypadá nepřekonatelně, dokud si neuvědomíte, že platíte Claudu další dva centy na dotaz za shrnutí snippetů, které vrátil. K tomu se vrátíme v sekci o celkových systémových nákladech.

13 nejlepších AI vyhledávacích API v žebříčku

Každé z nich jsem testoval se stejným dotazem: "latest research on retrieval-augmented generation 2026". Měřil jsem latenci v reálném čase, díval se na surový JSON, kontroloval dostupnost MCP a sčítal náklady na dotaz včetně veškeré extrakce, kterou za mě API neudělalo. Tady jsou tipy seřazené podle toho, v čem jsou nejlepší, ne podle čisté popularity.

1. Tavily, nejlepší pro RAG s citacemi

Tavily je API, po kterém sahám jako první, když klient chce odpovědi podložené citacemi, aniž by musel stavět tři další systémy. Jedno volání vrátí výsledky vyhledávání, vyčištěný obsah stránky a payload ve formátu citací, který LangChain a LlamaIndex zkonzumují přímo. Úroveň Research stojí $0,008 za požadavek s 1 000 bezplatnými požadavky měsíčně, což stačí na prototypování seriózního agenta, než vůbec něco zaplatíte.

Důvod, proč vyhrává pro RAG, je ten, že odpověď už má tvar, jaký vaše LLM chce. Neplatíte tokeny za přeshnování snippetů, pole content už je čitelný text stránky. V mém testování přidalo Tavily oproti Serperu asi 1,5 sekundy latence kvůli kroku extrakce a skončilo kolem 2,1 sekundy end-to-end. To je nejpomalejší ze špičkové úrovně, ale ušetříte tokenový round-trip.

from tavily import TavilyClient

client = TavilyClient(api_key="tvly-...")
result = client.search(
    query="latest research on retrieval-augmented generation 2026",
    search_depth="advanced",
    include_raw_content=True,
    max_results=5,
)
for r in result["results"]:
    print(r["title"], r["url"], r["score"])

Upřímná omezení: neexistuje žádný neurální/sémantický režim, pokud je váš dotaz spíš popis než klíčová slova, a 2,1 s působí dlouho, když řetězíte čtyři volání nástrojů. Celou sadu parametrů najdete v dokumentaci Tavily.

2. SerpAPI, nejlepší pro pokrytí SERP napříč vyhledávači

SerpAPI je nejvyspělejší možnost v úrovni SERP wrapperů a ta, po které sahám ve chvíli, kdy agent potřebuje víc než pouhé webové výsledky. Podporuje 30+ vyhledávačů (Google, Bing, YouTube, Mapy, Scholar, Amazon, eBay), parsuje každý prvek na výsledkové stránce (znalostní panely, související otázky, lokální balíčky) a má nejhlubší parsování v kategorii. Ceny začínají na $50/měsíc za 5 000 dotazů, se zkušebními 100 dotazy.

Za tu hloubku platíte, SerpAPI je nejdražší ve své úrovni, a je to kanón na vrabce, pokud všechno, co kdy budete potřebovat, je deset modrých odkazů. Ale pokud váš agent musí dotazovat YouTube a Scholar ve stejném workflow, nebo potřebujete strukturovaný přístup k SERP prvkům, které žádný jiný wrapper čistě neparuje, SerpAPI je jediné místo, které to zvládne bez izolepy. Na mém testovacím dotazu se vrátilo asi za 1,2 sekundy.

from serpapi import GoogleSearch

search = GoogleSearch({
    "q": "latest research on retrieval-augmented generation 2026",
    "num": 5,
    "api_key": "...",
})
for r in search.get_dict()["organic_results"]:
    print(r["title"], r["link"])

Upřímná omezení: je to SERP wrapper, takže obsah stránek si stále stahujete a extrahujete sami, a vstupní cena je strmá, pokud měsíčně pustíte jen pár tisíc dotazů. Dokumentace: SerpAPI.

3. CatchAll, nejlepší pro webový vyhledávání s vysokým recall a monitoring

CatchAll je na tomto seznamu výstřední, a přesně o to jde. Je to recall-orientované webové vyhledávací API postavené na vlastním webovém indexu Newscatcher a místo toho, aby vám předalo seřazenou výsledkovou stránku, proskenuje širší web a vrací strukturované záznamy o tom, co našlo. Newscatcher uvádí, že jediná úloha proskenuje 50 000+ stránek při zhruba 10 000 stránkách za minutu, shlukuje příbuzné stránky Leidenovým algoritmem a pak spustí validační průchod LLM, takže dostanete zpět validované události, ne surové odkazy.

Pustil jsem přes něj svůj obvyklý RAG dotaz a rychle zjistil, že ho používám špatně. CatchAll se nesnaží vyhrát závod v sub-sekundové latenci, snaží se najít všechno relevantní, včetně regionálního tisku, oborových publikací a regulatorních podání, které SERP ve tvaru Googlu pohřbívá na deváté stránce. Při úloze výčtu („každý požár skladu v Evropě v tomto čtvrtletí") vyneslo zdroje, které API založená na rankingu nevrátila vůbec. Odpověď je jeden JSON objekt na událost, každý s citacemi zdrojů a extrahovanými entitami, což čistě zapadne do RAG pipeline nebo monitorovacího dashboardu.

import requests

resp = requests.post(
    "https://api.newscatcherapi.com/v3/search",
    headers={"x-api-token": "YOUR_API_KEY"},
    json={
        "query": "warehouse fires in Europe",
        "page_size": 10,
    },
)
print(resp.json())

Funkce, ke které se pořád vracím, je monitorovací stránka. Místo abyste stejný dotaz znovu a znovu dotazovali v cron smyčce a sami diffli výsledky, Monitory CatchAll znovu spouštějí vyhledávání podle plánu a jeho Watchlisty skórují entity podle relevance, takže nové události se objevují, jakmile jsou publikovány. Pro compliance, konkurenční zpravodajství a sledování dodavatelského řetězce je to vlastní crawler, který už nemusíte stavět. Ceny jsou podle využití a platíte za validovaný záznam, s bezplatnou úrovní na testování.

Upřímná omezení: toto není náhrada SERP. Hluboký režim „Base" je asynchronní a může trvat kolem 15 minut na úlohu, lehčí režim „Lite" má strop 100 výsledků a zatím neexistuje oficiální MCP server. Pokud chcete sledování SEO pozic nebo vyhledávání rychlosti automatického doplňování, SERP API jako SerpAPI nebo Serper je správný nástroj. Pokud chcete komplexní získávání a průběžný monitoring, je to opravdu jiný přístup. Dokumentace: Newscatcher CatchAll Web Search API.

4. Brave Search API, nejlepší pro nezávislost na vendorovi

Brave Search API je jediná velká možnost podložená plně nezávislým webovým indexem, ne přeprodejcem Bingu nebo Googlu. Úroveň Data for AI stojí $3–$9 na 1 000 dotazů s 2 000 zdarma měsíčně a Brave dodává oficiální MCP server, který zapadne přímo do Claude Code nebo Cursoru. Uvedení LLM Context API v únoru 2026 je největší příběh této kategorie, který téměř nikdo nepokryl.

Co jsem zjistil při provozu Brave na produkční zátěži, je, že index je menší než dlouhý ocas Googlu, pocítíte to u obskurních nikových dotazů, ale příběh o soukromí a absence závislosti na přeprodejci z něj dělá správnou volbu, když je klient alergický na závislost na Googlu. Brave se vrátil asi za 0,8 sekundy na můj testovací dotaz, druhý nejrychlejší hned za Serperem.

import requests

resp = requests.get(
    "https://api.search.brave.com/res/v1/web/search",
    params={"q": "latest research on retrieval-augmented generation 2026", "count": 5},
    headers={"X-Subscription-Token": "BSA..."},
)
data = resp.json()
for r in data["web"]["results"]:
    print(r["title"], r["url"])

LLM Context API (samostatný endpoint) vrací snippety Brave přetvarované jako kontext připravený k citaci, což je odpověď Brave na Tavily. Je novější a méně prověřený pro produkční RAG, takže Tavily bych si stále držel v záloze. Dokumentace: dokumentace Brave Search API. Podrobnosti o MCP v průvodci Model Context Protocol.

5. Exa, nejlepší pro sémantické objevování

Exa používá neurální index, což znamená, že váš dotaz chápe jako význam, ne jako pytel klíčových slov. Zeptejte se ho „papers that argue RAG is obsolete" a dostanete přesně to, i když žádný z výsledků tato slova neobsahuje. Základní úroveň stojí kolem $5 na 1 000 dotazů plus doplňky za obsah, se zkušebním kreditem $10 při registraci.

V mém benchmarku se Exa vrátila asi za 1,18 sekundy, což z ní dělá nejrychlejší AI-nativní možnost, kterou jsem testoval. Trik je v tom, že Exa indexuje obsah sémanticky předem, takže neurální vyhledávání je levnější než znovu spustit dotaz na Google a přerankovat ho. Pokud jste někdy zkusili sami postavit „najdi mi obsah jako je tento" pomocí embeddingů, Exa je to, co byste postavili po šesti měsících práce.

from exa_py import Exa

exa = Exa("your-api-key")
results = exa.search_and_contents(
    "latest research on retrieval-augmented generation 2026",
    num_results=5,
    text=True,
    highlights={"highlights_per_url": 3},
)
for r in results.results:
    print(r.title, r.url)

Upřímná omezení: cena rychle stoupá, když povolíte text a highlights dohromady, a index Exa zaostává za Googlem o hodiny u žhavých novinek. Dokumentace Exa má aktuální cenovou matici.

6. Perplexity Sonar API, nejlepší pro odpovědi připravené k zobrazení

Perplexity Sonar zcela přeskočí tanec vyhledej-a-pak-LLM, vrací předsyntetizovanou odpověď s vloženými citacemi, podobně jako produkt Perplexity samotný. Ceny jsou podle tokenů, kolem $5 na 1M vstupních tokenů, bez měsíční bezplatné úrovně, ale se štědrými zkušebními kredity.

Výhra je zde pro produktové UX. Pokud vaši koncoví uživatelé chtějí odpověď ve stylu Perplexity s citacemi pod ní, nepotřebujete žádné samostatné volání LLM. Nevýhodou je, že nedostanete zpět surové výsledky, nemůžete si udělat vlastní ranking, vlastní filtrování ani vlastní následné vyhledávání. Jste zavázáni modelu Sonar a názoru Sonar na to, co je důležité. Latence se pohybuje kolem 3 sekund kvůli kroku syntézy.

Sonar bych použil pro Q&A rozhraní面向 koncových uživatelů a vyhnul se mu pro agentní stacky, kde LLM níže potřebuje uvažovat nad surovými pasážemi. Dokumentace: Perplexity Sonar API.

7. Serper.dev, nejlepší pro cenově optimalizované agenty

Serper jsou nejlevnější reálné výsledky Googlu v kategorii, $0,30 až $1 na 1 000 dotazů, s 2 500 zdarma při registraci. Je to tenký, rychlý wrapper kolem výsledků vyhledávání Googlu, vracející pouze snippety. V mém benchmarku se Serper vrátil asi za 0,5 sekundy, nejrychlejší v seznamu.

Tady je ten trik: spárujte Serper s Jina Reader (r.jina.ai) pro bezplatnou extrakci URL na Markdown a máte stack vyhledávání + extrakce za asi $0,50 na 1 000 dotazů plus nulové náklady na extrakci. Serper + Jina Reader je nejlepší stack za $5/1k v kategorii, tečka.

import requests

resp = requests.post(
    "https://google.serper.dev/search",
    json={"q": "latest research on retrieval-augmented generation 2026", "num": 5},
    headers={"X-API-KEY": "..."},
)
for r in resp.json()["organic"]:
    print(r["title"], r["link"], r["snippet"])

Upřímná omezení: pouze snippety, žádná vestavěná extrakce a podmínky služby Googlu stále platí pro cokoli, co s obsahem uděláte dál. Dokumentace: Serper.dev.

8. Firecrawl Search, nejlepší pro vyhledávání a extrakci jedním voláním

Firecrawl Search kombinuje webové vyhledávání s extrakcí celé stránky vrácenou jako Markdown připravený pro LLM. Ceny začínají na $16/měsíc Hobby s účtováním za vyhledávání plus extrakci ve vyšších úrovních. Je to jedna z mála možností, která dobře zvládá stránky renderované JavaScriptem, na čemž záleží, když polovina webu jsou dnes SPA.

Nabídka Firecrawl je „jedno volání, připraveno pro váš prompt." To je pravda a výstup Markdown je čistý, použil jsem ho pro klientské RAG pipeline, kde alternativou byl vlastní Playwright scraper. Háček je, že cena je ve škále hůře předvídatelná než plošný model Tavily za požadavek, a Firecrawl se pozicionuje jako #1 ve vlastních žebříčcích, takže jejich marketing berte s rezervou. Dokumentace: Firecrawl Search.

9. Google Programmable Search Engine, nejlepší pro RAG na whitelistovaných doménách

Google Custom Search JSON API je, no, Google. $5 na 1 000 dotazů nad bezplatnou kvótu 100/den. Háček je, že je navržen pro vyhledávání „webů, které zadáte", nasměrujete ho na seznam domén a Google prohledává ty. Můžete ho přepnout na široké webové vyhledávání, ale výsledky se liší od google.com a ztratíte část kvality.

Je to správná volba, když máte známý autoritativní whitelist, řekněme deset lékařských časopisů pro zdravotnického agenta, nebo dokumentaci vašeho klienta napříč šesti subdoménami. Poměr signálu k šumu je vynikající, protože jste předfiltrovali. Pro vyhledávání na otevřeném webu použijte místo toho Serper. Dokumentace: Custom Search JSON API.

10. Nástroj OpenAI web_search, nejlepší pokud už jste na GPT-4o/5

Nástroj OpenAI web_search běží uvnitř tool-use smyčky Responses API a je zahrnut v tokenech modelu, žádný samostatný vendor, žádný další API klíč, žádný rate limit na hlídání. Pokud váš stack už je GPT-4o nebo GPT-5, je to možnost s nejnižším třením v celém seznamu. Ceny jsou zahrnuty podle plánu; zdarma pro zahrnutou úroveň ve většině business plánů ChatGPT.

Téměř nikdo to nepokrývá v žebříčcích „nejlepších AI vyhledávacích API", protože to nezapadá do rámce „externí API", ale je to správná odpověď pro obrovskou část týmů. Napíšete nulový infrastrukturní kód, OpenAI vyřídí vyhledávání, seřadí výsledky, stáhne stránky a předá obsah modelu jako součást volání nástroje. Tutoriál k Responses API má kompletní nastavení.

Upřímná omezení: jste uzamčeni u modelů OpenAI, nemůžete ovládat allowlist zdrojů a ranking je netransparentní. Pokud někdy budete potřebovat migrovat na Claude nebo open-source, přestavujete vyhledávací vrstvu. Dokumentace: nástroj web_search v OpenAI Responses API.

11. Nástroj Anthropic Claude web_search, nejlepší pokud už jste na Claude

Nástroj Anthropic web_search zrcadlí vzor OpenAI: nativní nástroj, který běží uvnitř tool_use smyčky Claude. Rozdíl jsou citace, Claude vrací plnohodnotné citační objekty s URL, které skutečně použil, což je zlato pro compliance a důvěru. Cena je $10 na 1 000 vyhledávání plus tokeny Claude.

$10/1k vypadá vysoko, dokud si nevšimnete, že úroveň Research Tavily je $8/1k a tokeny Claude stejně už platíte. Nativní nástroj odstraní jeden vztah s vendorem a přesune fakturaci na jedinou fakturu Anthropic, pro enterprise týmy už jen tohle stojí za to. Viz dokumentace nástroje web_search Anthropic a náš širší průvodce voláním nástrojů.

Upřímná omezení: uzamčeno u Claude, poplatek za vyhledávání navrch k tokenům a rate limity se řídí úrovní vašeho modelu Claude. Stejný příběh o uzamčení jako u OpenAI, pohodlné, dokud nepotřebujete přepnout.

12. You.com Search API, nejlepší pro nastavitelné úrovně hloubky

You.com Search API vám umožní vybrat úroveň hloubky pro každé volání, „Smart" stojí asi $0,004 za požadavek pro rychlé výsledky, „Research" stojí $0,05 za požadavek pro hlubší syntézu. Bezplatná úroveň je štědrá a tato laditelnost po volání je jedinečný úhel: agenti, kteří zvládají jak rychlé vyhledávání, tak hluboké výzkumné otázky, mohou směrovat podle toho.

Ještě jsem nenasadil You.com v produkčním měřítku, takže to nebudu přehánět. Úrovně hloubky jsou chytré, dokumentace je slušná a komunita je menší než u Tavily/Exa, což znamená méně integrací LangChain a méně odpovědí na Stack Overflow, když se něco rozbije. Dokumentace: You.com API.

13. Linkup, nejlepší pro evropské/vícejazyčné zdroje

Linkup je AI vyhledávací API s prémiovou sítí vydavatelů, podepsali smlouvy s Le Monde, Le Figaro a rostoucím seznamem evropských médií. Ceny jsou €5/1k Standard, €15/1k Deep, s bezplatnou úrovní. Pokud váš agent potřebuje ukotvit odpovědi v evropských nebo vícejazyčných zdrojích, v kategorii nemá konkurenci.

Téměř žádný anglicky psaný žebříček Linkup nepokrývá, což je přesně ta mezera. Pro klienta obsluhujícího francouzské nebo německé trhy je index Linkup opravdu jiný než to, co dostanete s Tavily nebo Exa. Daní je menší index mimo zdroje EU a novější produktový povrch. Dokumentace: Linkup.

Tři bonusové tipy, které byste neměli přehlédnout

Jina Reader (r.jina.ai) je bezplatný extraktor URL na Markdown, který promění jakoukoli URL na čistý obsah připravený pro LLM. Přidejte https://r.jina.ai/ před jakoukoli URL a dostanete zpět čitelný text. Spárujte ho se Serperem pro nejlevnější produkčně kvalitní stack vyhledávání plus extrakce v kategorii. Tuto kombinaci používáme interně, když jsou klientské rozpočty těsné. Další vzory v našem článku o nejlepších RAG nástrojích.

Parallel Search API je novější účastník postavený od základu pro agenty, popisujete, co hledáte, jako sémantický cíl a Parallel se postará o ranking a vyhledávání. V době psaní je v beta přístupu, ale design je vyhraněný a stojí za sledování. Pokud je deklarativní agentně-nativní vyhledávání budoucnost, Parallel je jeho raná podoba.

Bright Data SERP API je enterprise SERP s anti-blockingem a geo-targetováním na 195 zemí za $1,50 na 1 000 dotazů. Pro většinu agentů kanón na vrabce, ale pokud provozujete lokalizované SERP-monitorovací nebo konkurenčně-zpravodajské agenty ve škále, geo schopnosti nemají konkurenci. Stojí za to vědět, že existuje.

Rychlá srovnávací tabulka

Tady je matice, kterou nechávám otevřenou, když se klient zeptá „které?", dvanáct API napříč dimenzemi, které skutečně rozhodují odpověď.

Čísla latence výše ~0,8 s, 1,18 s, 0,5 s a 2,1 s pocházejí ze směsi mých vlastních měření a AIMultiple Agentic Search Benchmark 2026, což je nejrigoróznější nezávislý benchmark, který jsem našel.

Srovnání cen a bezplatných úrovní

Ano, několik AI vyhledávacích API nabízí v roce 2026 skutečné bezplatné úrovně. Tavily dává 1 000 požadavků/měsíc zdarma, Brave dává 2 000/měsíc, Serper dává jednorázově 2 500 a Exa dává kredit $10. Pokud dnes prototypujete agenta, můžete dodat funkční demo za $0 navrstvením bezplatných úrovní napříč dvěma nebo třemi vendory.

Za hranicí bezplatných úrovní se surová cena na 1 000 dotazů liší o řád. Tady je skutečná cenová mapa, užitečná, když se CFO zeptá „proč platíme za vyhledávání?" nebo když se snažíte snížit náklady na LLM API napříč stackem.

Ceny napříč vendory jsem ověřil podle trackeru Awesome Agents, Search API Pricing 2026, který týdně agreguje aktuální ceníkové stránky vendorů.

Matice dostupnosti MCP serverů

Pokud stavíte uvnitř Claude Code, Cursoru nebo Windsurf, dostupnost MCP je jediný největší rozhodčí, API s oficiálním serverem Model Context Protocol vám ušetří večer balení nástrojů a dodává se s prověřeným zpracováním chyb. Právě teď jen tři vendeři dodávají oficiální MCP servery; zbytek jsou komunitní porty různé kvality.

Pokud už jste na Claude Code, výběr API s oficiálním MCP serverem vám ušetří večer balení nástrojů. Brave + Claude Code je nejhladší kombinace, kterou jsem v roce 2026 dodal, tři řádky v mcp.json a hotovo.

Tvar JSON odpovědi: vedle sebe

Čtení pár tvarů odpovědí jedno odpoledne vás o API naučí víc než týden marketingových stránek. Tady jsou zkrácené reálné JSON odpovědi od Tavily, Exa, Brave a CatchAll, se zvýrazněnými klíči, na kterých záleží.

Tavily, všimněte si, že results[].content je vyčištěný text stránky, připravený vložit do promptu:

{
  "query": "latest research on retrieval-augmented generation 2026",
  "answer": "Recent 2026 research on RAG focuses on...",
  "results": [
    {
      "title": "RAG in 2026: What's Changed",
      "url": "https://example.com/rag-2026",
      "content": "Retrieval-augmented generation has evolved...",
      "score": 0.92,
      "raw_content": null
    }
  ]
}

Exa, všimněte si klíčů text a highlights a neurálního score:

{
  "results": [
    {
      "title": "Recent Advances in RAG",
      "url": "https://example.com/rag-advances",
      "id": "https://example.com/rag-advances",
      "score": 0.89,
      "text": "We survey 2026 retrieval-augmented...",
      "highlights": ["RAG hybrid retrieval", "long-context tradeoffs"]
    }
  ]
}

Brave, všimněte si vnořeného web.results[].description a absence obsahu celé stránky (stahujete zvlášť, nebo použijete endpoint LLM Context):

{
  "web": {
    "results": [
      {
        "title": "RAG 2026: A Survey",
        "url": "https://example.com/rag-survey",
        "description": "A comprehensive 2026 survey of retrieval-augmented generation...",
        "age": "2 days ago"
      }
    ]
  }
}

CatchAll, všimněte si, že každá položka je validovaná událost s extrahovanými entities a source_citations, ne jeden seřazený odkaz:

{
  "events": [
    {
      "event_id": "evt_8f21c",
      "title": "Warehouse fire disrupts logistics hub near Rotterdam",
      "summary": "A large fire broke out at a distribution warehouse...",
      "entities": ["Rotterdam", "DHL", "European Commission"],
      "cluster_id": "cl_204",
      "relevance": 9,
      "source_citations": [
        {"url": "https://regional-press.example/fire-rotterdam", "published": "2026-06-28"},
        {"url": "https://trade-pub.example/logistics-alert", "published": "2026-06-28"}
      ]
    }
  ]
}

Klíčové rozdíly ve tvaru mají význam pro kód: results[].content Tavily je to, čím promptujete, results[].text Exa plus highlights vám umožní kompresi před promptováním, web.results[].description Brave je snippet, který budete chtít buď znovu stáhnout, nebo poslat přes LLM Context API, a events[].source_citations CatchAll plus entities vám předají validovanou, deduplikovanou sadu záznamů místo výsledkové stránky, kterou ještě musíte čistit.

Celkové systémové náklady: Není to jen poplatek za vyhledávání

Častá chyba je porovnávat jen cenu vyhledávacího API. Reálné náklady agenta rozšířeného o vyhledávání jsou vyhledávání + extrakce + tokeny LLM a levné vyhledávací API vás často stojí víc na tokenech, než kolik jste ušetřili na vyhledávání.

Spočítejte to pro zátěž agenta s 1 000 dotazy: Serper za $0,50 plus Jina Reader (zdarma) plus Claude Sonnet za ~$0,01 na dotaz za shrnutí snippetů = zhruba $10,50 celkem. Tavily za $8 s kombinovanou extrakcí a obsahem ve formátu citací potřebuje méně práce LLM, možná $0,004 na dotaz za menší prompt, což skončí kolem $12 celkem. Tavily vypadá 16× dráž na řádku API a skončí o 14 % dráž na řádku systému. Není to nic, ale není to mezera, kterou byste čekali.

Kde to začne být zajímavé: Exa s neurálním vyhledáváním vám zcela ušetří práci přerankování na straně LLM, protože výsledky jsou už sémanticky seřazené. Pokud váš agent dělal přerankuj-a-pak-shrň se snippety ze Serperu, Exa to může zkomprimovat na jediné volání LLM. U klientů jsme snížili náklady agentů o 30 % přechodem na Exu pro správné zátěže, ty špatné, jako vyhledávání žhavých novinek, stále posíláme na Serper.

Pokud za jedním agentem vrstvíte více poskytovatelů LLM, LLM gateway (LiteLLM, OpenRouter) nad vaším vyhledávacím API je nejčistší způsob, jak udržet celkové systémové náklady pozorovatelné.

Jak vybrat: Rozhodovací matice

Neexistuje žádné jediné „nejlepší", správná volba závisí na tom, co váš agent skutečně dělá po návratu vyhledávání. Tady je rozhodovací matice, kterou používám s klienty, záměrně krátká.

Pokud dnes začínáte od nuly a máte odpoledne, pusťte svůj reálný dotaz přes Tavily, Brave a Responses API OpenAI s povoleným web_search. Správná odpověď se obvykle oznámí v prvních deseti výsledcích.

Často kladené otázky

Jaké je nejlepší vyhledávací API pro AI agenty v roce 2026?

Pro většinu týmů stavících RAG agenty je Tavily nejlepší výchozí volba, kombinuje vyhledávání, extrakci obsahu a odpovědi ve formátu citací v jednom volání, nativně se integruje s LangChain a LlamaIndex a nabízí 1 000 bezplatných požadavků měsíčně. Pokud místo vyhledávání klíčových slov potřebujete sémantické objevování, přepněte na Exu. Pokud potřebujete nezávislost na vendorovi, přepněte na Brave. Pokud potřebujete maximální recall nebo průběžný monitoring webu, podívejte se na CatchAll.

Co nahradilo vyhledávací API Bingu?

Vyhledávací API Bingu bylo odstaveno 11. srpna 2025 a Microsoft přesměroval vývojáře na „Grounding with Bing Search" uvnitř Azure AI Agents, při zdražení o 40 až 483 %. Většina týmů místo toho migrovala na AI-nativní alternativy: Tavily, Exa, Brave Search API nebo Serper. Oficiální oznámení Microsoftu o odstavení je na stránce oznámení o životním cyklu.

Existuje bezplatné AI vyhledávací API?

Ano, několik. Tavily dává 1 000 požadavků měsíčně zdarma, Brave Search API dává 2 000 požadavků měsíčně zdarma, Serper dává 2 500 bezplatných dotazů při registraci a Exa dává zkušební kredit $10. Můžete prototypovat funkčního agenta za $0 kombinací dvou nebo tří bezplatných úrovní napříč poskytovateli a po dodání upgradovat.

Jak se Exa liší od Tavily?

Exa používá neurální index, chápe dotazy jako významy, takže exceluje v „najdi obsah jako tento" a popisných promptech. Tavily používá vyhledávání klíčových slov plus extrakci a formátování citací, což je lepší pro podkládání faktů a RAG. Exa je rychlejší (kolem 1,18 s vs 2,1 s) a levnější v základní úrovni; Tavily se snadněji integruje s LangChain/LlamaIndex a dodává obsah připravený k citaci.

Jaké je nejlepší AI vyhledávací API pro vysoký recall a monitoring webu?

Pokud je váš problém „najdi každý relevantní zdroj" nebo „řekni mi ve chvíli, kdy se stane něco nového", podívejte se na CatchAll. Místo aby vracelo seřazenou výsledkovou stránku, proskenuje desítky tisíc stránek na úlohu, shlukuje a validuje je a předává strukturované záznamy událostí s citacemi zdrojů. Jeho Monitory znovu spouštějí vyhledávání podle plánu a jeho Watchlisty skórují entity podle relevance, takže slouží dvojnásobně jako monitorovací vrstva pro compliance, konkurenční zpravodajství a sledování dodavatelského řetězce, úlohy, kde by vás běžné SERP API nutilo stavět vlastní crawler. Daní je latence: jeho hluboký režim běží asynchronně, takže to není volba pro vyhledávání rychlosti automatického doplňování.

Jaké vyhledávací API používá Perplexity?

Perplexity pod kapotou používá vlastní proprietární vyhledávací infrastrukturu. Pro vývojáře ji vystavují přes Sonar API, které vrací předsyntetizovanou odpověď s vloženými citacemi, ne surové výsledky vyhledávání. Ceny jsou podle tokenů (kolem $5 na 1M vstupních tokenů). Sonar použijte, když chcete výstup ve stylu Perplexity ve svém produktu; Tavily nebo Exu použijte, když chcete surové výsledky pro vlastního agenta.

Mohu použít vyhledávání Google uvnitř LLM aplikace?

Ano, tři cesty. Google Custom Search JSON API (Programmable Search Engine) je oficiální cesta za $5 na 1 000 dotazů s bezplatnou úrovní 100/den, omezená na domény, které zadáte. Serper a SerpAPI jsou externí wrappery, které vracejí výsledky Googlu bez omezení na domény. Přímý scraping google.com porušuje podmínky služby Googlu a dostane vás do rate-limitu nebo bloku.

Jaké je nejlevnější AI vyhledávací API pro agenty?

Serper za $0,30–$1 na 1 000 dotazů je nejlevnější možnost s reálnými výsledky Googlu. Spárovaný s Jina Reader pro bezplatnou extrakci URL na Markdown je nejlevnější produkčně kvalitní stack vyhledávání plus extrakce, zhruba $0,50 na 1 000 dotazů celkem. Háček: platíte tokeny LLM za shrnutí snippetů, takže celkové systémové náklady závisí na tom, jak těžký je váš model níže.

Fungují tato API s LangChain a LlamaIndex?

Většina ano. Tavily, Exa, Brave, Serper, SerpAPI, Perplexity Sonar a You.com mají všechny first-party nebo komunitní integrace LangChain a většina má také balíčky LlamaIndex. Tavily je nejúžeji integrované s LangChain, dodává se jako vestavěný nástroj. Širší mapu integrací napříč ekosystémem LangChain najdete v našem článku o nejlepších RAG nástrojích.

Která AI vyhledávací API mají oficiální MCP server?

Tři vendeři dodávají v roce 2026 oficiální MCP servery: Brave Search, Exa a Firecrawl. Několik dalších, Tavily, Serper, SerpAPI, má dobře udržované komunitní MCP servery. Perplexity, Google PSE, You.com a Linkup zatím podporu MCP nemají. Pokud stavíte uvnitř Claude Code nebo Cursoru, preferujte oficiální server. Více o Model Context Protocol.

Mám použít vyhledávací API, nebo nativní nástroj OpenAI/Claude web_search?

Pokud je celý váš stack uzamčen u jednoho poskytovatele modelů, použijte nativní nástroj, nulová infrastruktura, o jednoho vendora míň, jednodušší fakturace. Pokud byste mohli přepínat modely, použijte externí API jako Tavily nebo Brave, aby vyhledávací vrstva migraci přežila. Nástroj OpenAI je zahrnut v tokenech modelu; nástroj Anthropic stojí $10 na 1 000 vyhledávání plus tokeny. Nativní nastavení OpenAI najdete v tutoriálu k Responses API.

Jak Techsy staví vyhledávací stacky pro agenty

Stavíme pro klienty produkční agentní stacky, RAG pipeline, výzkumné agenty, assistanty面向 zákazníků, a vyhledávací vrstva je obvykle první rozhodnutí, které děláme. Naše výchozí volby: Tavily pro RAG s velkým množstvím citací, kde odpověď potřebuje odkazovat zpět na zdroje, Serper + Jina Reader pro rozpočtové agenty, kde LLM níže je dost silný na kompresi snippetů, a Brave Search API, když klient chce nezávislost na vendorovi nebo dodává uvnitř Claude Code s MCP.

Sami žádné vyhledávací API neprodáváme, a to je ten point, tipy výše jsou to, co bychom doporučili na úterním hovoru bez ohledu na to, kdo platí. Pokud váháte, které sedí vašemu agentovi, domluvte si bezplatnou konzultaci a provedeme vás trade-offy proti vaší skutečné zátěži.

Shrnutí

Bing je mrtvý, trh se rozdělil do tří úrovní (AI-nativní, nezávislý index, SERP wrappery) a tři nejlepší tipy jsou Tavily pro RAG podložený citacemi, SerpAPI pro hluboká SERP data napříč vyhledávači a CatchAll pro vyhledávání s vysokým recall a monitoring, s Brave a Exa těsně za nimi a nativními nástroji web_search OpenAI a Anthropic čekajícími v záloze, pokud už jste uzamčeni u jednoho poskytovatele modelů. Neexistuje dokonalá volba a kdokoli vám prodává „nejlepší", aniž by se zeptal, co váš agent skutečně dělá, vám něco prodává.

Pokud dnes začínáte od nuly, otevřel bych tři záložky, Tavily, Brave a Responses API OpenAI, a pustil svůj reálný dotaz přes všechny tři, než komukoli zaplatíte cent. Ten správný se oznámí v prvním tuctu výsledků. Máte zátěž, která nesedí na žádný z tipů výše? Napište komentář nebo nám pošlete zprávu, čteme každou a příští verze tohoto článku pravděpodobně vděčí za svou aktualizaci vašemu podivnému okrajovému případu.