Guia rápido da API Web Search: integre em minutos

llmwebsearchapi.com›authentication-base-url

Autenticação e URL base

Para usar a API, você precisa de uma chave de API. Entre na página Obter chave de API com apenas um e-mail e senha. Sua chave aparece imediatamente. Nenhum cartão de crédito é necessário para o crédito de teste. Use a URL base https://api.llmwebsearchapi.com/v1 com qualquer cliente compatível com OpenAI. O ID do modelo é uncensored. Este modelo é de pesos abertos e ajustado para responder sem recusas para tópicos adultos lícitos, fictícios ou controversos. Não é GPT, Claude ou o modelo de outro fornecedor.

llmwebsearchapi.com›basic-chat-completion-request

Solicitação básica de conclusão de chat

Envie uma solicitação padrão de conclusão de chat para extrair texto dos resultados de busca. A API aceita messages e retorna uma conclusão. Use o modelo uncensored para garantir que nenhum filtro de conteúdo bloqueie seus dados. O corpo da solicitação suporta até 8 MB. Abaixo está um exemplo cURL para uma tarefa básica de extração.

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."}]
  }'

A resposta inclui o texto gerado, que você pode então passar para a memória ou camada de resumo do seu agente.

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

Exemplos de SDK para Python e JavaScript

Use os SDKs oficiais da OpenAI para Python e Node.js. Defina o base_url para nosso endpoint e forneça sua chave de API. O SDK para Python lida com streaming e análise JSON automaticamente. O SDK para Node funciona de forma semelhante. Abaixo está um exemplo em Python mostrando como inicializar o cliente e enviar uma solicitação.

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)

Para JavaScript, a configuração é quase idêntica. Defina a variável de ambiente ou passe a chave diretamente. O ID do modelo permanece 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›respostas em streaming para processamento em tempo real

Respostas em streaming para processamento em tempo real

Ative o streaming definindo stream: true na sua requisição. A API retorna tokens de Server-Sent Events (SSE). Isso é útil para processamento em tempo real de longos resultados de busca. Você pode exibir os tokens conforme chegam ou acumulá-los para uso posterior. O formato de resposta em streaming segue o padrão OpenAI. Abaixo está um exemplo de streaming usando 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)

Analise o campo data em cada mensagem SSE para obter o texto parcial.

llmwebsearchapi.com›chamada de funções para estruturação do resultado da busca

Chamada de ferramentas para estruturação de resultados de busca

Use chamada de funções para estruturar os dados extraídos. Defina um esquema para a saída desejada, como uma lista de URLs ou um objeto de resumo. A API retorna JSON estruturado que corresponde ao seu esquema. Isso é ideal para popular a memória de agentes de IA com dados limpos e tipados. Defina a função no parâmetro tools e especifique o nome da função. O modelo responderá com um objeto de chamada de função. Você pode então executar a função ou armazenar o resultado diretamente.

llmwebsearchapi.com›gerenciamento de janelas de contexto para buscas longas

Gerenciamento de janelas de contexto para buscas longas

A janela de contexto é de 100.000 tokens para prompt mais conclusão. Se seus resultados de busca excederem isso, você deve truncá-los ou resumi-los antes de enviar. A API não lida automaticamente com contextos longos. Envie apenas o texto relevante para permanecer dentro dos limites. Se você exceder o limite, receberá um erro. Monitore o uso de tokens para evitar custos inesperados. O preço é $0,25 por 1M de tokens de entrada e $1,00 por 1M de tokens de saída.

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

Limites de taxa e códigos de erro

O limite de requisições é de 300 requisições por minuto por chave. O limite do corpo da requisição é de 8 MB. Se você enviar uma chave inválida, receberá um erro 401. Se não tiver crédito, receberá um erro 402. Se exceder o limite de requisições, receberá um erro 429. Regere sua chave a qualquer momento para revogar a anterior. Cada conta possui uma chave. O crédito de teste grátis expira após 7 dias. O recarregar começa em US$ 10 com opções de crédito bônus.