Exa vs Tavily vs Firecrawl：Agent 该用哪个网页 API，何时串联（2026）

搜 Firecrawl vs Exa vs Tavily，出来的多半是三家放在一张表里打分。Agent 真正卡住的地方不是名次。问题还没有 URL，这是发现。URL 或文档站已经在手上，这是抓取。两步都要，才值得串联。SandBase 目录把三家放在一把密钥和同一余额上，但不替你选冠军。要日期明确的命中率和延迟，看 每月实测榜。要把 SerpAPI、Google Custom Search 和「已知 URL 转 Markdown」放进同一张矩阵，看 五工具选型（2026-07-30 发布，2026-11-06 更新）。这篇不重跑那两页，也不封一个放之四海的最佳搜索 API。

先说结论

• 先看输入。没有 URL 的问题，用语义搜索或研究向搜索。已经知道页面或站点，用网页抓取、站点爬取或批量抓取。搜索不等于抓取。
• 同一家的下一步已经能交出模型要读的正文，就不要再买第二家。
• 串联只发生在「发现」和「深读」是两件活的时候。多一个 logo 不是方案。
• 2026-11-08 读到的卡片：符合条件的数据 API，每个组织每个 UTC 日共享 100 次免费调用。下面有几条端点不在这份额度里，成功调用从第一次就按目录价计费。
• 这篇没有发请求，没有测延迟，没有排行，也没有搜索量。

三家不是同一件活

把「能上网」买成一个 SKU，后面就会用标题充正文。搜索交出来的是候选页。Scrape 和 Crawl 交出来的是页面本身。演示里看起来完整的摘要，上线后经常只够模型编一段不存在的细节。

你手里有什么	要完成的事	这份目录上的默认
一个问题，还没有 URL	找页面	Exa Search，或 Tavily Search
要一段带来源的回答，并且你会回看出处	和搜索分开的问答	Exa Answer
已知 URL，普通页面正文就够	抽取或抓这一页	Tavily Extract，或 Firecrawl Scrape
已知站点、很多页，或一批 URL	画站点、爬站或批量抓	Firecrawl 的 Map、Crawl、Batch Scrape。Tavily Map 只发现 URL，不交全文
搜索引擎自己的结果页	经典 SERP	不是这三家。去五工具那篇

Crawlfolio 的对照 在 2026-10-31 核过各家标价，也不做质量排名：Tavily 和 Exa 按问题找页，Firecrawl 读你已经点名的页。那页上的积分算术不是 SandBase 的账单。下面的美元数只来自 SandBase 卡片。

Exa：语义搜索，再加上 Contents 和 Answer

2026-11-08 读到的 Exa 搜索文档 写的是：搜索端点既能搜网页，也能从结果里抽出内容。到了 SandBase，这是三次 POST，不是一个大包。Exa 目录页 把三条都列出来，并写明：用 Answer 之前，先核对它引用的页面。

SandBase Exa 目录页：一把密钥下的 Search / Contents / Answer，面向语义发现。

POST /v1/api/exa/search 做自然语言检索，可以要 highlights、摘要或全文。Exa Search 卡片 的示例体是 query、type、numResults 和 contents.highlights，结果在 outputs[0].data。这篇没有发出这条请求。Search 的过滤不会带进 Answer。POST /v1/api/exa/contents 按 URL 列表取正文。POST /v1/api/exa/answer 给引用回答，省事，但不能代替打开那些页面。

Tavily 自己的对比文 承认：语义或专项发现是核心时，Exa 够用；然后他们把自己写成那一组里的整体首选。这是厂商结论，不是这篇的实测。

Tavily：目录里实际列出的研究工具箱

同一篇 Tavily 文章说，他们自己的平台把 Search、Extract、Crawl、Map、Research 放在一起。2026-11-08 的 SandBase Tavily 页 只列了三条。Crawl 和 Research 不在里面。目录没写的产品，不要默认这把密钥已经买到了。

SandBase Tavily 目录页：Search / Extract / Map，作为同一余额上的 Agent 研究工具箱。

POST /v1/api/tavily/search 返回排序结果，可调深度、主题和域名，也可以要一段生成回答。POST /v1/api/tavily/extract 从你给的 URL 抽正文。目录页写明两次调用是分开的，不会替你挑结果，也不会自动开 RAG。POST /v1/api/tavily/map 只发现 URL，不抽全文。要渲染后的站、整站爬取或一批已知 URL，换工具。

Firecrawl：抓取和爬取为主，搜索是五条里的一条

Firecrawl 介绍 把自己叫成 Agent 的上下文 API：搜索、抓取，输出 Markdown 或结构化数据。SandBase 的 Firecrawl 页 列了单页抓取、整站爬取、画链接、批量抓和搜索。搜索发现候选，爬取是另一件多页任务。「已知 URL 怎么变成 Markdown」留在选型指南里，这里不重写请求。

SandBase Firecrawl 目录页：Search / Scrape / Map / Crawl / Batch Scrape，覆盖已知页面与站点抓取。

Scrape 打一页，卡片描述包含 JavaScript 渲染。Map 返回 URL。Crawl 和 Batch Scrape 是异步的。路径在下面的表里。Tavily 那篇对比写：要采集或盯具体网站，选 Firecrawl。搜索端点在目录上。URL 已经在手里时，你不是冲着搜索来的。

什么时候一家就够，什么时候才串联

串联是两件活。不是幻灯片上三个 logo。

一家就够的时候

问题从模糊问句开始，Exa Search 的 highlights、内联正文，或再补一次 Contents，已经是你要留给模型的文本，而且你不爬文档站。停在 Exa。

Tavily Search 加 Extract 能覆盖那些 URL，你也不需要整站爬取或批量任务。只要 URL 清单时，用 Map。停在 Tavily。

URL 或域名已经知道。Scrape、Map、Crawl 或 Batch Scrape 就是全部工作。先跑一遍 Search 是绕路。停在 Firecrawl。

你还想少接一种返回结构。 Research Agent 实测 量过这类单厂商组合，包括 Exa search 加 contents、Tavily search 加 extract、Firecrawl search 加 scrape。数字在那篇。这里不搬表。

第二件活是真的，再串联

发现和深读不是同一步，才串联。Exa 或 Tavily 先把 URL 缩到短名单。页面要渲染后的正文、要整个站点，或搜索结果里根本没有完整正文，再交给 Firecrawl 的 scrape 或 crawl。

摘要和 highlights 不是文档本身，也该串联。停在搜索，模型会把缺的那一节补上。

问句适合 Exa，短名单落到一个文档站，这个站适合 Firecrawl，这是跨厂商的理由。页面很普通时，留在 Exa Contents 胶水更少。Contents 接不住的抓取，再挪到 Firecrawl。哪一种组合在实测里站得住，看 Research Agent 那篇，不要在这里新造一张准确率表。

同一页买两次，就不串联：搜索已经带回正文，又对同一个 URL 刮一遍，需求没有变。删掉其中一次。

四条配方，不报假延迟

下面只是调用顺序。这篇没有执行，也不给耗时。

1. POST /v1/api/exa/search，只留下真要读的 URL，再 POST /v1/api/firecrawl/scrape。短名单其实是一个文档站，而不是几篇文章，改用 POST /v1/api/firecrawl/crawl。Crawl 异步，卡片按页计价，不是一笔搜索的一口价。
2. POST /v1/api/tavily/search，再对留下的 URL 调 POST /v1/api/tavily/extract。同一家。目录页写明两次调用是分开的。
3. POST /v1/api/exa/search 先要 highlights，确定 URL 之后再 POST /v1/api/exa/contents 取全文。Contents 不在每日免费次数里。差价看下一节。
4. 想留在 Firecrawl：POST /v1/api/firecrawl/search 再 POST /v1/api/firecrawl/scrape。在这份目录上，Search 不进每日免费次数，Scrape 进。同一家，第一步仍可能从第一次调用就扣费。

还要接 X 或 YouTube 的个人研究助手，看 一把 Key 的实战。更收束的研究简报教程是后面的一篇。循环、提示词和简报模板不在这里。

2026-11-08 目录上实际能调什么

首页 的标题是 “One API Key. Build and run AI agents.” 同一屏写着 Agent 和沙箱免费，以及符合条件的数据 API 每日 100 次免费调用。“2,000+ models and APIs across 100+ platforms” 是站点自己的说法。这篇没有去数目录，也没有发调用。

API 索引 把 Exa 和 Tavily 放在 search，把 Firecrawl 放在 web scraping。厂商列表给路径。端点卡片给价格。当天打开的三家列表页没有印美元数字，卡片上有。

端点地图

调用	卡片描述里的活
POST /v1/api/exa/search	语义搜索。可选 highlights、摘要或全文。
POST /v1/api/exa/contents	按 URL 列表取页面内容。
POST /v1/api/exa/answer	带来源的回答。先核对出处。
POST /v1/api/tavily/search	面向 Agent 的搜索。可选生成回答。
POST /v1/api/tavily/extract	抽取你传入的 URL。
POST /v1/api/tavily/map	发现站点 URL，不是全文。
POST /v1/api/firecrawl/search	查询进，标题、描述、URL 出。
POST /v1/api/firecrawl/scrape	单页。卡片描述包含 JavaScript 渲染。
POST /v1/api/firecrawl/map	站点 URL。
POST /v1/api/firecrawl/crawl	异步爬站。轮询拿 markdown。
POST /v1/api/firecrawl/batch/scrape	异步批量 URL。

业务载荷按 Exa Search 卡片写的，从 outputs[0].data 读。别的端点先打开 schema，再假设字段。这里不贴任何响应体。

先看目录价和免费次数，再写循环

当天的 定价页 把模型、API 和运行时放在同一余额：按次计费，没有月费，每一笔出现在 Activities。每个方案都包括：部分模型最高 35% 折扣，卡片价就是成交价；每日 100 次免费调用，符合条件的数据 API 共享，00:00 UTC 重置；Discovery 为 $0，也就是搜目录、读 schema 和价格不扣余额；沙箱目前 $0，可能有公平使用上限，改价会提前说；失败调用 $0。方案本身：Start 为 $0，带试用额度；Build 是 Metered，文案是 “Pay per call. No subscription.”；Scale 是 Custom。

端点卡片再给单次价格。在额度内的卡片写着 “First 100 calls per day free (shared per organization)”，并说明这 100 次是符合条件的 SandBase API 共享的，用完之后按卡片价从余额扣。没有这块徽标的卡片，成功调用从第一次就开始计费。两类卡片都写失败调用不收费。

端点卡片	2026-11-08 页面上的价格	是否在共享的 100 次里
Exa Search	每次 $0.0105	在
Exa Contents	每次 $0.0045	不在
Exa Answer	每次 $0.0075	在
Tavily Search	每次 $0.012	在
Tavily Extract	每次 $0.012	在
Tavily Map	每次 $0.012	不在
Firecrawl Search	每次 $0.015	不在
Firecrawl Scrape	每次 $0.0075	在
Firecrawl Map	每次 $0.0075	在
Firecrawl Crawl	每次从 $0.0075 起	不在
Firecrawl Batch Scrape	每次从 $0.0075 起	不在

Crawl 和批量抓取不是一口价 $0.0075。页面上的标签是 “From $0.0075 per call”。同一天的目录载荷里，crawl 的 price_formula 是 Math.max(1.0, Math.max((output.completed ?? 0) * 1.0, len(output.data ?? []) * 1.0)) * 0.0075，批量抓取是 Math.max(1.0, len(params.urls ?? []) * 1.0) * 0.0075。Crawl 卡片还说，示例请求大约按 $0.0075 计。页数一多，就是另一个数。爬站之前先看卡片。

较早的 Research Agent 文把 exa/contents 和 firecrawl/search 标成不在每日免费次数里。这两条和当天卡片仍然一致。卡片上同样不在额度里的，还有 Tavily Map、Firecrawl Crawl、Firecrawl Batch Scrape。以当天卡片为准，不要只记住那两个例外。

一条链里两次符合条件的调用，是从同一个 100 里扣两次，不是各送 100 次。模型 token 不在这份额度里。几本账怎么放在同一余额，看 按次计费。

一把密钥，旁边还有模型和沙箱

目录不负责宣布 Exa、Tavily 或 Firecrawl 谁赢。它拿掉的是三套厂商账号：一把密钥，调用前能读 schema 和价格，和模型调用同一份余额。沙箱页 是另一行。它的定价回答写：创建、运行、停止目前不扣余额，可能有公平使用上限，改价会提前宣布，Agent 调用的模型和 API 照常计费。

只做模型路由的网关，不会替你选这一层网页工具。那条界线在 网关什么时候不够。密钥、数据 API 和沙箱收成一个账号，是 一把密钥的技术栈。这篇停在网页工具怎么选。

开放网页的抓取，接不住社交平台

抖音、小红书、微博、TikTok 和 X，不是「丢给 Firecrawl 的一个 URL」。这些页面经常要登录、要翻页，也经常超出通用抓取能拿到或被允许拿的范围。结构化平台接口、爬虫、官方 OAuth 怎么分，看 社交数据接口。开放网页用 Exa、Tavily 或 Firecrawl。来源是平台本身，用平台目录。

经典 SERP 工具什么时候仍然对

Agent 要的是搜索引擎自己的结果页：广告、本地结果盒、那家引擎的排序，或必须按 SERP 复现的查询。这时 SerpAPI 和 Google Custom Search 仍然对。拿它们做语义搜索的默认，或拿它们把文档站收成 markdown，都不合适。那张矩阵，包括这篇故意不重写的 Firecrawl「URL 到 Markdown」一节，在 五工具对比。Brave 出现在每月实测里，不在这里。

该打开 SandBase 的哪一篇

你要的东西	打开
五家工具，含 SerpAPI 和 Google Custom Search，外加已知 URL 的 Markdown 走读	搜索 API 怎么选
带日期的命中率、延迟和成本表	2026 年 11 月每月实测。best-ai-search-apis-agent-workflows-2026 在 2026-11-08 返回 301，落到这篇
量过的 Agent 组合：search 加 contents、search 加 scrape、search 加 extract	Research Agent 实测
还会调 X 和 YouTube 的助手	个人研究助手实战
模型、数据 API、沙箱一把密钥	一把密钥的技术栈
共享的 100 次在预算里盖住什么、盖不住什么	按次计费
模型网关仍然不抓网页	网关不够用的时候
平台社交数据，对照开放网页抓取	社交数据接口

这篇是任务、串联和目录。它不是实测榜，也不是教程。

常见问题

给 AI Agent 用，该选 Exa、Tavily，还是 Firecrawl？

按活选。问句还很模糊，要语义搜索、可选的 highlights 或全文、单独的 contents，或一段你仍要核对的引用回答，开 Exa。要的是目录里列出的研究工具箱，搜索、抽取、画站点，开 Tavily。URL 或站点已经知道，要单页抓取、爬站、画链接或批量抓，开 Firecrawl。Firecrawl Search 存在。活是采集时，它不是你选 Firecrawl 的理由。三家里没有一个是不带任务限定的最佳网页搜索 API。

什么时候把 Exa 或 Tavily 和 Firecrawl 串联？

发现和深读是两步的时候。先用 Exa 或 Tavily 搜索，再在需要更完整的页面、JavaScript 渲染后的内容、整个站点，或搜索载荷里没有的批量页面时，用 Firecrawl 抓取或爬取。普通页面够用，就留在一家里面：Exa 的 search 再 contents，Tavily 的 search 再 extract，或 Firecrawl 的 search 再 scrape。第二家只在第二件活成立时加上。

SandBase 会不会改变 Exa、Tavily、Firecrawl 怎么选？

它不选赢家。2026-11-08，一把密钥、一份余额能打开三家的卡片。调用前可以读 schema 和目录价。符合条件的数据 API 每个组织每个 UTC 日共享 100 次。上表写了不在额度里的端点，其中包括 Exa Contents 和 Firecrawl Search。模型调用另计。以后再读，重新打开卡片。要测试数字，看 每月实测 和 Research Agent 实测。要 SerpAPI 和 Google Custom Search，看 五工具指南。

选定之后做什么

从 SandBase 登录 建一把密钥。先打开 Exa、Tavily、Firecrawl 的目录页，再打开具体端点卡片。看价格，也看这张卡片有没有每日免费次数的徽标。跑一条搜索，再跑一条抓取或抽取。到 Activities 里对两行账，不要把两次调用看成一笔混合费用。第二次调用没有改变模型能引用的内容，就把它从链里拿掉。上面的价格表是 2026-11-08 从那些卡片读到的。