AI 搜索后端横评：Tavily、Brave、Firecrawl、DDGS，哪个更适合 Agent
/技术
要点
- Tavily 与 Brave 质量最好，Agent Score 相差 0.06，处于同一水平。
- Firecrawl 速度最快，平均 0.8 秒。
- DDGS 免费，但噪音率约 30%，大约每三条结果就有一条不可用。
- 对搜索质量要求高时，建议 Tavily 做主搜索、Firecrawl 做全文提取；预算有限且能接受噪音时，DDGS 也可以使用。
2026 年更新：Brave 索引已扩展至 40 亿页面，定价调整为每千次 5 美元，每月附赠 5 美元免费额度。
背景
我在给 Hermes Agent 配置搜索能力。Hermes 支持七八种搜索后端，社区里的推荐各不相同：有人认为 DDGS 免费就够用，有人看重 Brave 的独立索引，有人推荐 Firecrawl 数据全，Tavily 则是专门为 AI Agent 设计的。
只看社区帖子很难判断，所以我自己做了一轮基准测试。
测试对象
| 后端 | 类型 | 免费额度 | 付费价格 | 官网 |
|---|---|---|---|---|
| Tavily | AI Agent 搜索 API | 每月 1,000 credits | $0.008/credit（按量） | tavily.com |
| Brave Search API | 独立索引搜索引擎 | 每月 $5 免费额度（约 1,000 次） | $5/千次请求 | brave.com/search/api |
| Firecrawl | 搜索 + 网页抓取 | 每月 1,000 credits | $16/月起（Hobby，5,000 credits） | firecrawl.dev |
| DDGS（DuckDuckGo） | 聚合搜索 | 免费 | — | duckduckgo.com |
Brave 拥有独立索引（40 亿以上页面，每天新增或更新 1 亿以上页面），不依赖 Google 或 Bing；它在 2025 年取消了原有的免费订阅，改为每月自动发放 5 美元额度。DDGS 主要聚合 Bing 结果和自有爬虫 DuckDuckBot 的数据。Firecrawl 以 AGPL v3 开源，可以自行部署。
测试方法
查询集
共 80 条查询，分为四类：
| 类别 | 数量 | 示例 |
|---|---|---|
| F1 事实查询 | 20 | ”What is the capital of Finland”、“ESP32-S3 RAM size” |
| F2 技术深度 | 20 | ”Zigbee vs Thread vs Matter comparison”、“三种主流智能家居协议的技术差异” |
| F3 实时新闻 | 20 | ”CES 2026 smart home highlights”、“SONOFF 最新产品发布” |
| F4 长尾 / 模糊 | 20 | ”best smart light switch 3-way no neutral”、“智能家居 YouTuber 收入来源分析” |
查询覆盖智能家居、IoT、视频制作、中文社区等实际工作场景。
评分标准
每条搜索结果由 LLM Judge 按以下维度评分：
- 相关（是 / 否）：是否与查询直接相关。
- 质量（1–5 分）：5 分为权威来源直接回答，3 分为部分相关，1 分为无效内容。
- 噪音（是 / 否）：是否为 SEO 垃圾或 AI 批量生成的内容。
- 来源类型：学术、官方、新闻、博客、论坛、百科、商业。
汇总指标为 Agent Score = 相关率 × 平均质量分，同时反映「搜得准」和「搜得好」。以相关性为门槛、以质量衡量深度，相乘可以避免单一维度被放大。需要说明的是，LLM Judge 有一定主观性，换用其他 Judge 模型结果可能不同，排名只作方向性参考。
一、速度
| 排名 | 后端 | 平均延迟 | 备注 |
|---|---|---|---|
| 1 | Firecrawl | 0.8s | 约为 DDGS 的 6 倍 |
| 2 | Tavily | 1.8s | 稳定，无明显超时 |
| 3 | Brave | 2.1s | 稍慢，可以接受 |
| 4 | DDGS | 5.1s | 最慢，部分查询超过 10s |
Firecrawl 平均 819ms，是四者中最快的。如果 Agent 需要在推理循环中高频搜索，例如多轮验证或链式检索，这个差距会很明显；DDGS 的 5 秒延迟会让用户明显感到等待。
延迟测于 2026 年 7 月，受网络环境、查询复杂度和服务端负载影响，不同时间测试可能有波动。
二、质量
总榜
| 排名 | 后端 | Agent Score | 相关率 | 质量分 | 噪音率 |
|---|---|---|---|---|---|
| 1 | Tavily | 2.77 | 78.5% | 3.52 | 19.5% |
| 2 | Brave | 2.71 | 80.8% | 3.35 | 14.5% |
| 3 | Firecrawl | 2.34 | 74.9% | 3.12 | 14.4% |
| 4 | DDGS | 1.76 | 63.1% | 2.78 | 30.3% |
Tavily 和 Brave 的 Agent Score 只差 0.06。两者如何取舍，取决于更看重质量分还是低噪音。
DDGS 30.3% 的噪音率是明显短板。如果用于 RAG，这些内容会进入 LLM 的上下文，既浪费 token，也可能影响回答质量。
分类得分
| 类别 | Tavily | Brave | Firecrawl | DDGS |
|---|---|---|---|---|
| 事实查询 | 3.01 | 2.62 | 2.42 | 2.05 |
| 技术深度 | 2.88 | 3.02 | 2.37 | 1.87 |
| 实时新闻 | 2.67 | 2.84 | 2.37 | 1.32 |
| 长尾 / 模糊 | 2.51 | 2.38 | 2.21 | 1.80 |
几点观察：
- Brave 在技术深度和实时新闻上领先，可能得益于独立索引在垂直领域的积累。Tavily 在事实查询和长尾查询上更好，对模糊意图的理解更准确。
- DDGS 的实时新闻得分只有 1.32，时效性和深度都不足，不适合竞品监测、行业动态追踪等场景。
- Firecrawl 四类得分都在 2.2–2.4 之间，表现稳定，但没有突出的一项。它的优势主要在速度和全文抓取。
三、功能对比
| 维度 | Tavily | Brave | Firecrawl | DDGS |
|---|---|---|---|---|
| 响应格式 | 结构化 JSON（为 AI 优化） | 标准 JSON | Markdown / JSON / HTML | HTML / JSON |
| 全文提取 | 不支持 | 不支持 | 支持（scrape） | 不支持 |
| 结果数控制 | 支持 | 支持 | 支持 | 支持 |
| 时间范围过滤 | 支持 | 不支持 | 支持 | 支持 |
| 图片搜索 | 不支持 | 支持 | 不支持 | 不支持 |
| 新闻搜索 | 支持 | 支持 | 不支持 | 支持 |
| 开源 | 否（仅 SaaS） | 否（仅 SaaS） | 是（AGPL v3） | 否 |
| MCP Server | 无 | 有（官方） | 无 | 无 |
| 中文搜索质量 | 中等 | 中等 | 中等 | 较弱 |
主要差异：
- Tavily 返回的内容已做摘要、去噪和结构化，可以直接交给 LLM，基本不需要二次处理；代价是不提供原始页面内容。
- Firecrawl 的
scrape可以直接获取全文 Markdown。做深度分析或长文档 RAG 时，这是其他三者没有的能力。 - Brave 提供官方 MCP Server，在 Claude Desktop 等 MCP 客户端中无需写代码即可接入：brave/brave-search-mcp-server。
- DDGS 没有付费服务，也就没有 SLA 和技术支持，随时可能被限流。
四、成本
每月 1,000 次搜索
| 后端 | 月成本 | 说明 |
|---|---|---|
| DDGS | $0 | — |
| Tavily | $0 | 1,000 免费 credits 正好覆盖 |
| Brave | $0 | 每月 $5 免费额度约覆盖 1,000 次 |
| Firecrawl | $16 | 每次搜索消耗 2 credits，1,000 次即 2,000 credits，超出免费额度，需要 Hobby 档 |
每月 10,000 次搜索
| 后端 | 月成本 | 说明 |
|---|---|---|
| DDGS | $0 | 噪音率高，有效结果约打七折 |
| Tavily | 约 $72 | 1,000 次免费 + 9,000 次按 credit 计费 |
| Brave | 约 $45 | 1,000 次由免费额度覆盖 + 9,000 次 × $5/千次 |
| Firecrawl | $83 | Standard 档（100,000 credits），含搜索与抓取余量 |
用量较小时（每月 1,000 次以内），Tavily、Brave、DDGS 都可以免费使用，选质量最好的即可。用量上升后，Brave 性价比最高，每千次 5 美元，质量仅次于 Tavily。
Firecrawl 的计费方式不同，按页面而不是按搜索次数计算：每次搜索（10 条结果）消耗 2 credits，抓取全文每页再消耗 1 credit。如果 Agent 的工作方式是「搜索一次、打开三篇、读完全文」，实际成本会比表面数字高不少。
推荐
| 场景 | 推荐 | 原因 |
|---|---|---|
| 日常搜索、RAG 管道 | Tavily | 质量分最高，输出格式为 AI 优化 |
| 对噪音敏感（如竞品分析） | Brave | 相关率最高、噪音最低，拥有独立索引 |
| 需要速度和全文提取 | Firecrawl | 速度最快，scrape 可直接获取全文 |
| 轻度查询、不想付费 | DDGS | 免费，但需要接受约 30% 的噪音 |
组合建议：Tavily 做主搜索，Firecrawl 的 scrape 做全文提取，Brave 作为备用。三者的免费额度叠加，足以覆盖大多数个人开发者的日常用量。
未实测的其他选择
以下两个服务没有参与测试，只根据公开信息列出，供后续参考：
- Exa：面向 AI Agent 的语义搜索，按内容的 embedding 组织索引，支持「查找相似内容」式的查询。每月免费 1,000 次，Search 为每千次 7 美元。
- Perplexity Sonar API：返回带引用来源的结构化答案，而不只是链接列表，省去自己调用 LLM 总结的步骤。每千次请求 5 美元。
这两者与 Tavily、Brave 的定位接近。如果后续补测，会优先加入 Exa。
限制
- 80 条查询集中在智能家居、IoT 和视频领域，不代表通用搜索表现。
- 单一时间点测试（2026 年 7 月），各 API 仍在持续迭代。
- LLM Judge 评分有主观性，换用其他 Judge 模型可能得出不同结论。
- 只比较了搜索结果摘要（snippets），没有测试全文提取，Firecrawl 的
scrape优势在本次评分中没有体现。 - 免费额度和定价可能调整，以官网最新信息为准。
#AI Agent#Web Search#评测#Hermes#Benchmark
