Busca na web para agentes de IA depois do Bing: que opções sobraram em 2026?
As Bing Search APIs foram aposentadas em agosto de 2025 e o Google Custom Search está fechado para novos clientes. Restam quatro tipos de backend de busca para agentes.
Durante anos, a resposta padrão para “como o meu agente busca na web” foi uma chave do Bing. Essa resposta acabou, e a segunda opção óbvia, a do Google, também está fechando. O que sobra é um conjunto de backends que diferem em quem decide quantas buscas rodam, de qual índice vêm as respostas e de como a conta chega.
O que aconteceu com a Bing Search API?
A página de ciclo de vida da Microsoft afirma que as “Bing Search APIs will be retired on August 11, 2025”, que as instâncias existentes “will be decommissioned completely” e que o produto não aceita mais novos cadastros (verificado em 19 de outubro de 2026 em learn.microsoft.com).
A migração sugerida é o Grounding with Bing Search, como parte dos Azure AI Agents. É um produto com outro formato: em vez de o seu código chamar um endpoint de busca e receber JSON de volta, um agente hospedado no Azure incorpora dados da web enquanto o modelo gera a resposta. Se você construiu o seu próprio loop de agente sobre outro modelo ou framework, não existe um endpoint de resultados crus para colocar no lugar.
O Google Custom Search ainda é uma opção?
Só se você já tiver. Em 19 de outubro de 2026, a visão geral da Custom Search JSON API diz que a API está “closed to new customers” e que “existing Custom Search JSON API customers have until January 1, 2027 to transition to an alternative solution”, ou seja, os clientes atuais têm até 1º de janeiro de 2027 para migrar. O preço dela (100 consultas grátis por dia, depois US$ 5 por 1.000, até 10.000 por dia) vale só para esses clientes atuais.
Comparamos o Custom Search com as SERP APIs em detalhe em a Search API oficial do Google vs SERP APIs, então não vamos repetir isso aqui. Para um projeto novo de agente, o ponto prático é que nenhuma das duas APIs oficiais de busca está aberta para você.
Que tipos de backend de busca restam para um agente?
1. A ferramenta de busca embutida do provedor do modelo. Você adiciona uma ferramenta à chamada do modelo e o provedor roda as buscas. A ferramenta de busca web da Anthropic custa “$10 per 1,000 searches, plus standard token costs for search-generated content”, isto é, US$ 10 por 1.000 buscas mais os tokens do conteúdo gerado pela busca, e um parâmetro max_uses limita as buscas por requisição (documentação da Anthropic). A OpenAI lista a busca web a “$10.00 / 1k calls + Search content tokens billed at model rates”, com a ferramenta em preview nos modelos sem raciocínio a US$ 25,00 por 1.000 (preços da OpenAI). As duas verificadas em 19 de outubro de 2026. O modelo decide quando buscar, e o custo entra na conta do modelo, com os resultados contados como tokens de entrada.
2. SERP APIs. O seu código manda uma consulta e recebe a página de resultados do Google como JSON: resultados orgânicos, buscas relacionadas, às vezes o People Also Ask. Você escolhe cada consulta, e os resultados são os que o próprio Google devolveu.
3. Índices de busca nativos para IA. Empresas que rastreiam e indexam a web por conta própria e devolvem resultados formatados para LLMs, muitas vezes com o texto da página ou trechos extraídos junto. Você tem uma chamada que faz mais coisas, ranqueada pelo índice delas em vez do índice do Google.
4. Servidores MCP que juntam busca e leitura de páginas. Qualquer uma das opções acima, exposta como ferramentas MCP, para que um agente no Claude, no Cursor ou no seu próprio cliente possa buscar e depois abrir as páginas que escolheu, sem você escrever código de cola.
Como as opções se comparam?
| Ferramenta embutida do modelo | SERP API | Índice nativo para IA | MCP de busca + leitura | |
|---|---|---|---|---|
| Quem escolhe o número de consultas | O modelo, limitado por max_uses |
O seu código | O seu código | O agente, a cada chamada de ferramenta |
| Índice | Escolha do provedor | Resultados do Google | Índice próprio | Depende do servidor |
| Previsibilidade de custo | Por busca mais os tokens dos resultados | Preço fixo por chamada | Fixo por chamada, varia com a profundidade | Fixo por chamada |
| Também lê páginas inteiras | Ferramenta de fetch separada | Normalmente um produto separado | Muitas vezes incluído | Sim, por design |
| Modelo de pagamento | A sua conta da API do modelo | Chave, muitas vezes pré-paga ou mensal | Chave, normalmente mensal | O mesmo da API do servidor |
A linha que mais importa para agentes é a primeira. Com uma ferramenta embutida, uma pergunta difícil pode virar dez buscas dentro de uma só requisição, cada uma trazendo seus resultados para o contexto. Com uma API que você mesmo chama, cada busca é uma linha do seu próprio código e um preço fixo, e é isso que torna possível um teto de gastos rígido.
Onde o FastAF se encaixa?
O FastAF está nas categorias 2 e 4. O /v1/serp devolve resultados do Google por 5 créditos, o que dá de US$ 1,33 a US$ 2,50 por 1.000 buscas dependendo do pacote, com créditos válidos por 12 meses e sem assinatura. A mesma chave cobre Google News, Google Scholar e Google AI Mode, e lê páginas pelo /v1/scrape a 1 crédito. Não somos um índice nativo para IA: os resultados são os do Google.
Aqui está o loop de que a maioria dos agentes precisa, buscar e depois ler, rodado em 19 de outubro de 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. Busca no Google, guarda o que o modelo precisa para escolher um link
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. Lê a página que o modelo escolheu, com a mesma chave
page = call("scrape", url=hits[0]["link"]).text
print(len(page), "characters of page")A busca levou 4,5 segundos e 5 créditos; o primeiro resultado foi o próprio aviso de aposentadoria da Microsoft. A leitura levou 0,7 segundo, 1 crédito, e devolveu 47.352 caracteres.
Mais três chamadas no mesmo dia, cada uma cobrada como indicado:
- serp para “bing search api retirement alternatives”: 10 resultados orgânicos (title, link, snippet, rank) e 8 buscas relacionadas, 5 créditos, 3,3 s.
- news para “AI agents web search”: 10 artigos com fonte, data relativa (“1 day ago”) e URL, 5 créditos, 8,1 s.
- ai (Google AI Mode) para “what replaced the bing search api for ai agents”: 7 blocos de texto com citações inline, 4 referências e uma resposta em markdown de 3.772 caracteres, 10 créditos, 4,8 s.
Para agentes num cliente MCP, o servidor MCP hospedado expõe as mesmas chamadas como 15 ferramentas, entre elas search_web, search_news, ask_google_ai e scrape_page, e todo resultado de ferramenta informa os créditos usados e os restantes. Para agentes sem conta nenhuma, o x402 cobra por chamada em USDC na Base, US$ 0,005 por busca, liquidado só quando a chamada dá certo. A latência dos endpoints está na página de benchmarks.
Resumindo
A API do Bing foi aposentada e o Custom Search do Google está fechado para novos clientes, então um agente novo escolhe entre a ferramenta de busca embutida de um modelo, uma SERP API, um índice nativo para IA ou um servidor MCP que busca e lê. Se você quer resultados do Google, um preço fixo por chamada e o seu código decidindo quantas buscas rodam, uma SERP API é o substituto mais próximo do que a chave do Bing fazia. Você pode criar uma conta grátis com 500 créditos, cerca de 100 buscas, sem cartão.