Websuche für KI-Agenten nach Bing: Welche Optionen bleiben 2026?
Die Bing Search APIs wurden im August 2025 eingestellt, und Google Custom Search nimmt keine Neukunden mehr an. Für Agenten bleiben vier Arten von Such-Backends.
Jahrelang war die Standardantwort auf „Wie durchsucht mein Agent das Web?” ein Bing-Key. Diese Antwort gibt es nicht mehr, und auch die naheliegende zweite Wahl von Google macht dicht. Übrig bleibt eine Reihe von Backends, die sich darin unterscheiden, wer entscheidet, wie viele Suchen laufen, wessen Index antwortet und wie die Rechnung kommt.
Was ist mit der Bing Search API passiert?
Auf der Lifecycle-Seite von Microsoft steht, dass die „Bing Search APIs am 11. August 2025 eingestellt werden”, dass bestehende Instanzen „vollständig außer Betrieb genommen werden” und dass das Produkt für neue Anmeldungen nicht mehr verfügbar ist (geprüft am 19. Oktober 2026 auf learn.microsoft.com).
Als Migration empfohlen wird Grounding with Bing Search als Teil von Azure AI Agents. Das ist ein Produkt von ganz anderer Form: Statt dass dein Code einen Such-Endpoint aufruft und JSON zurückbekommt, bindet ein auf Azure gehosteter Agent Webdaten ein, während das Modell seine Antwort generiert. Wenn du deine eigene Agent-Schleife auf einem anderen Modell oder Framework gebaut hast, gibt es keinen Endpoint mit rohen Ergebnissen, den du einfach austauschen könntest.
Ist Google Custom Search noch eine Option?
Nur wenn du es schon hast. Stand 19. Oktober 2026 sagt die Übersicht der Custom Search JSON API, dass die API „für Neukunden geschlossen” ist und dass „bestehende Kunden der Custom Search JSON API bis zum 1. Januar 2027 Zeit haben, auf eine alternative Lösung umzusteigen”. Ihre Preise (100 kostenlose Abfragen pro Tag, danach 5 $ pro 1.000, bis zu 10.000 pro Tag) gelten nur für diese Bestandskunden.
Custom Search und SERP-APIs haben wir ausführlich in Googles offizielle Search API vs. SERP-APIs verglichen, deshalb wiederholen wir das hier nicht. Für ein neues Agent-Projekt zählt praktisch nur: Keine der beiden offiziellen Such-APIs steht dir offen.
Welche Arten von Such-Backends bleiben für einen Agenten?
1. Das eingebaute Such-Tool des Modellanbieters. Du fügst dem Modell-Aufruf ein Tool hinzu, und der Anbieter führt die Suchen aus. Anthropics Web-Search-Tool kostet „10 $ pro 1.000 Suchen, plus Standard-Tokenkosten für durch die Suche erzeugte Inhalte”, und ein max_uses-Parameter deckelt die Suchen pro Anfrage (Anthropic-Docs). OpenAI listet die Websuche mit „10,00 $ / 1.000 Calls + Suchinhalt-Tokens zu Modelltarifen abgerechnet”, das Preview-Tool auf Modellen ohne Reasoning mit 25,00 $ pro 1.000 (OpenAI-Preise). Beides geprüft am 19. Oktober 2026. Das Modell entscheidet, wann es sucht, und die Kosten landen auf der Modellrechnung, die Ergebnisse werden als Input-Tokens gezählt.
2. SERP-APIs. Dein Code schickt eine Query und bekommt die Google-Ergebnisseite als JSON zurück: organische Ergebnisse, verwandte Suchen, manchmal People Also Ask. Du wählst jede Query selbst, und die Ergebnisse sind das, was Google selbst zurückgegeben hat.
3. KI-native Suchindizes. Unternehmen, die das Web selbst crawlen und indexieren und Ergebnisse liefern, die auf LLMs zugeschnitten sind, oft mit angehängtem Seitentext oder extrahierten Passagen. Du bekommst einen Aufruf, der mehr erledigt, gerankt nach ihrem Index statt nach dem von Google.
4. MCP-Server, die Suche mit dem Lesen von Seiten bündeln. Eine der obigen Optionen, bereitgestellt als MCP-Tools, sodass ein Agent in Claude, Cursor oder deinem eigenen Client suchen und dann die gewählten Seiten öffnen kann, ohne dass du Glue-Code schreibst.
Wie schneiden die Optionen im Vergleich ab?
| Eingebautes Modell-Tool | SERP-API | KI-nativer Index | MCP für Suchen + Lesen | |
|---|---|---|---|---|
| Wer die Anzahl der Queries bestimmt | Das Modell, gedeckelt durch max_uses |
Dein Code | Dein Code | Der Agent, pro Tool-Aufruf |
| Index | Nach Wahl des Anbieters | Google-Ergebnisse | Eigener Index | Hängt vom Server ab |
| Planbarkeit der Kosten | Pro Suche plus Ergebnis-Tokens | Fester Preis pro Aufruf | Fest pro Aufruf, je nach Tiefe unterschiedlich | Fest pro Aufruf |
| Kann auch ganze Seiten lesen | Separates Fetch-Tool | Meist ein separates Produkt | Oft inklusive | Ja, by Design |
| Bezahlmodell | Dein API-Account beim Modellanbieter | Key, oft Prepaid oder monatlich | Key, meist monatlich | Wie bei der API des Servers |
Für Agenten zählt die erste Zeile am meisten. Mit einem eingebauten Tool kann eine schwierige Frage innerhalb einer Anfrage zu zehn Suchen werden, von denen jede ihre Ergebnisse in den Kontext bringt. Mit einer API, die du selbst aufrufst, ist jede Suche eine Zeile deines eigenen Codes und ein fester Preis, und genau das macht ein hartes Ausgabenlimit möglich.
Wo passt FastAF hinein?
FastAF gehört in die Kategorien 2 und 4. /v1/serp liefert Google-Ergebnisse für 5 Credits, das sind je nach Paket 1,33 $ bis 2,50 $ pro 1.000 Suchen, mit 12 Monate gültigen Credits und ohne Abo. Derselbe Key deckt Google News, Google Scholar und Google AI Mode ab und liest Seiten über /v1/scrape für 1 Credit. Ein KI-nativer Index sind wir nicht: Die Ergebnisse sind die von Google.
Hier ist die Schleife, die die meisten Agenten brauchen, erst suchen, dann lesen, ausgeführt am 19. Oktober 2026:
import os, time, requests
API = "https://api.fastaf.co/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['FASTAF_API_KEY']}"}
def call(endpoint, **params):
t = time.time()
r = requests.get(f"{API}/{endpoint}", params=params, headers=HEADERS, timeout=120)
r.raise_for_status()
print(f"{endpoint}: {r.headers['X-FastAF-Credits-Used']} credits, {time.time() - t:.1f}s")
return r
# 1. Google durchsuchen und behalten, was das Modell zur Wahl eines Links braucht
hits = call("serp", query="bing search api retirement", country="us").json()["organic_results"]
for h in hits[:5]:
print(h["rank"], h["title"], h["link"])
# 2. Die vom Modell gewählte Seite lesen, mit demselben Key
page = call("scrape", url=hits[0]["link"]).text
print(len(page), "characters of page")Die Suche dauerte 4,5 Sekunden und kostete 5 Credits; das Top-Ergebnis war Microsofts eigene Einstellungsankündigung. Das Lesen dauerte 0,7 Sekunden, kostete 1 Credit und lieferte 47.352 Zeichen.
Drei weitere Aufrufe am selben Tag, jeweils wie angegeben abgerechnet:
- serp für „bing search api retirement alternatives”: 10 organische Ergebnisse (Titel, Link, Snippet, Rang) und 8 verwandte Suchen, 5 Credits, 3,3 s.
- news für „AI agents web search”: 10 Artikel mit Quelle, relativem Datum („1 day ago”) und URL, 5 Credits, 8,1 s.
- ai (Google AI Mode) für „what replaced the bing search api for ai agents”: 7 Textblöcke mit Inline-Zitaten, 4 Referenzen und eine Markdown-Antwort mit 3.772 Zeichen, 10 Credits, 4,8 s.
Für Agenten in einem MCP-Client stellt der gehostete MCP-Server dieselben Aufrufe als 15 Tools bereit, darunter search_web, search_news, ask_google_ai und scrape_page, und jedes Tool-Ergebnis meldet verbrauchte und verbleibende Credits. Für Agenten ganz ohne Account rechnet x402 pro Aufruf in USDC auf Base ab, 0,005 $ pro Suche, abgewickelt nur, wenn der Aufruf erfolgreich ist. Die Latenz aller Endpoints findest du auf der Seite Benchmarks.
Kurzversion
Die API von Bing ist eingestellt und Googles Custom Search für Neukunden geschlossen, ein neuer Agent wählt also zwischen dem eingebauten Such-Tool eines Modells, einer SERP-API, einem KI-nativen Index oder einem MCP-Server, der sucht und liest. Wenn du Google-Ergebnisse willst, einen festen Preis pro Aufruf und deinen eigenen Code, der entscheidet, wie viele Suchen laufen, ist eine SERP-API der nächste Ersatz für das, was früher der Bing-Key erledigt hat. Du kannst einen kostenlosen Account erstellen, mit 500 Credits, rund 100 Suchen, ohne Karte.