Guide de démarrage rapide de l'API Web Search : Intégration en quelques minutes

llmwebsearchapi.com›authentication-base-url

Authentification et URL de base

Pour utiliser l'API, vous avez besoin d'une clé API. Inscrivez-vous sur la page Obtenir la clé API avec simplement un e-mail et un mot de passe. Votre clé apparaît immédiatement. Aucune carte bancaire n'est requise pour le crédit d'essai. Utilisez l'URL de base https://api.llmwebsearchapi.com/v1 avec n'importe quel client compatible OpenAI. L'ID du modèle est uncensored. Ce modèle à poids ouverts est ajusté pour répondre sans refus pour les sujets légaux pour adultes, fictifs ou controversés. Il ne s'agit pas de GPT, Claude ou d'un autre modèle d'un autre fournisseur.

llmwebsearchapi.com›basic-chat-completion-request

Requête de complétion de chat basique

Envoyez une requête de complétion de chat standard pour extraire du texte des résultats de recherche. L'API accepte messages et renvoie une complétion. Utilisez le modèle uncensored pour vous assurer qu'aucun filtre de contenu ne bloque vos données. Le corps de la requête prend en charge jusqu'à 8 Mo. Voici un exemple cURL pour une tâche d'extraction basique.

Copycurl https://api.llmwebsearchapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

La réponse inclut le texte généré, que vous pouvez ensuite transmettre à la mémoire ou à la couche de résumé de votre agent.

llmwebsearchapi.com›sdk-examples-for-python-and-javascript

Exemples de SDK pour Python et JavaScript

Utilisez les SDK officiels OpenAI pour Python et Node.js. Définissez le base_url sur notre endpoint et fournissez votre clé API. Le SDK Python gère automatiquement le streaming et l'analyse JSON. Le SDK Node fonctionne de manière similaire. Voici un exemple Python montrant comment initialiser le client et envoyer une requête.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmwebsearchapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Pour JavaScript, la configuration est presque identique. Définissez la variable d'environnement ou passez la clé directement. L'ID du modèle reste uncensored.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmwebsearchapi.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

llmwebsearchapi.com›réponses en streaming pour le traitement en temps réel

Réponses en streaming pour le traitement en temps réel

Activez le streaming en définissant stream: true dans votre requête. L'API renvoie des tokens d'événements envoyés par le serveur (SSE). Cela est utile pour le traitement en temps réel des longs résultats de recherche. Vous pouvez afficher les tokens à mesure qu'ils arrivent ou les accumuler pour une utilisation ultérieure. Le format de réponse en streaming correspond à la norme OpenAI. Voici un exemple de streaming utilisant cURL.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Analysez le champ data dans chaque message SSE pour obtenir le texte partiel.

llmwebsearchapi.com›appel de fonctions pour structurer les résultats de recherche

Appel de fonctions pour la structuration des résultats de recherche

Utilisez l'appel de fonctions pour structurer les données extraites. Définissez un schéma pour votre sortie souhaitée, comme une liste d'URLs ou un objet de résumé. L'API renvoie un JSON structuré qui correspond à votre schéma. C'est idéal pour alimenter la mémoire d'un agent IA avec des données propres et typées. Définissez l'outil dans le paramètre tools et spécifiez le nom de la fonction. Le modèle répondra avec un objet d'appel de fonction. Vous pouvez ensuite exécuter la fonction ou stocker le résultat directement.

llmwebsearchapi.com›gestion des fenêtres de contexte pour les longues recherches

Gestion des fenêtres de contexte pour les longues recherches

La fenêtre de contexte est de 100 000 tokens pour le prompt plus la complétion. Si vos résultats de recherche dépassent cette limite, vous devez les tronquer ou les résumer avant l'envoi. L'API ne gère pas automatiquement les longs contextes. Envoyez uniquement le texte pertinent pour rester dans les limites. Si vous dépassez la limite, vous recevrez une erreur. Surveillez votre utilisation de tokens pour éviter des coûts inattendus. Le prix est de 0,25 $ par 1M de tokens d'entrée et de 1,00 $ par 1M de tokens de sortie.

llmwebsearchapi.com›rate-limits-and-error-codes

Limites de débit et codes d'erreur

La limite de débit est de 300 requêtes par minute par clé. La limite du corps de la requête est de 8 Mo. Si vous envoyez une clé invalide, vous obtenez une erreur 401. Si vous n'avez pas de crédit, vous obtenez une erreur 402. Si vous dépassez la limite de débit, vous obtenez une erreur 429. Régénérez votre clé à tout moment pour révoquer l'ancienne. Chaque compte possède une seule clé. Le crédit d'essai expire après 7 jours. Le rechargement commence à 10 $ avec des options de crédit bonus.