DeepSeek Search·Fetch API: 성공 요청 1,000건당 $0.75

TL;DR Highlight

DeepSeek가 성공 요청 1,000건당 $0.75인 웹 검색·페이지 가져오기 API를 냈다

Who Should Read

에이전트나 RAG에 실시간 웹 검색·페이지 수집을 붙이면서 검색 API 비용을 비교하는 백엔드 개발자

Core Mechanics

검색과 fetch가 별도 API로 나왔다
- Search API는 쿼리로 웹 페이지를 찾아 구조화된 결과를 돌려준다.
- Fetch API는 URL 하나를 받아 본문을 Markdown으로 돌려준다.
- 둘 다 DeepSeek API와 같은 Bearer 인증을 쓰는 JSON API다.
Search는 모델이 읽기 좋은 필드를 준다
- snippet은 UI 표시용 100~200자, summary는 모델이 읽는 용도의 600~800자다.
- need_content를 true로 하면 본문도 받고, 기본값 false에서는 content가 빈 문자열이다.
- rerank_score는 0~3이고 1.5 이상이면 고품질로 본다.
검색 연산자를 그대로 쓸 수 있다
- site:, -site:, lang:, after:, before:, 정확 문구("...") 같은 연산자를 쿼리에 섞어 쓴다.
- 쿼리는 1~128자, count는 1~50개(기본 10)다.
과금은 성공 요청 기준이다
- Search와 Fetch 모두 성공 요청 1,000건당 $0.75이고 토큰 단위 과금이 아니다.
- 200 응답에 결과가 있어야 과금되고, 실패·빈 결과·타임아웃은 과금되지 않는다.
- count는 가격에 영향이 없다.

Community Reactions

타사 가격과 비교한 의견이 여럿이다
- Brave Search API는 $5, Kagi API는 $12, Exa는 $4라는 댓글이 있었다.
- Artificial Analysis에 검색 API 비용 비교표가 있다는 댓글도 있었다.
직접 만든 도구가 훨씬 싸다는 경험이다
- 1년 전 서드파티 스크래핑으로 search·fetch MCP 도구를 만들었더니 OpenAI·Anthropic 내장 도구보다 15~20배 저렴했다는 경험이 있었다.
- 개인용이면 searxng-ai-kit 같은 무료 도구가 더 비용 효율적이라는 의견도 있었다.
품질은 평범하다는 벤치 후기다
- 자체 web-fetch 벤치로 돌려 봤더니 검색·fetch 품질이 썩 좋지 않고 저렴한 편이라는 후기가 있었다.
- 무료 Jina나 유료 Parallel, Firecrawl, Tavily, Exa가 낫다는 의견이었다.
fetch 결과와 안티봇 대응에 의문이 나왔다
- 링크가 있는 사이트를 fetch했더니 텍스트만 오고 하이퍼링크는 없었다는 경험이 있었다.
- Cloudflare나 Anubis로 보호된 페이지가 어떻게 처리되는지 궁금하다는 질문도 있었다.
Exa는 입력 한도가 다르다는 지적이다
- Exa는 objective 필드가 최대 4096자인데 DeepSeek의 ori_question은 128자라는 비교 의견이 있었다.

How to Apply

curl로 Search를 한 번 호출해 보기
- 오늘 API 키로 query와 count 5, need_content true를 보내 summary와 rerank_score를 확인하라.
- 쓰는 에이전트 질문 3개로 1.5 이상 결과가 몇 개 나오는지 세어 보라.
RAG·에이전트 검색 도구를 연산자 쿼리로 바꾸기
- 신뢰할 도메인은 site:로 제한하고 오래된 글은 after:로 걸러라.
- 모델에는 content 전체 대신 summary를 먼저 넣어 토큰을 아껴라.
429·5xx 재시도와 402 처리를 래퍼에 넣기
- 408·429·5xx는 지수 백오프로 재시도하라.
- 402는 재시도하지 말고 알림을 보내고, 나머지 4xx는 요청을 고치기 전엔 막아라.
기존 검색 도구와 같은 쿼리로 비용·품질 비교하기
- 쓰던 검색·fetch 제공자와 같은 질문 20개를 돌려라.
- 성공률, 링크 보존 여부, 1,000건당 비용을 표로 비교하라.

Try It

복사해서 바로 해보기

# 터미널에 붙여넣기 (pip install requests 후 실행, DEEPSEEK_API_KEY 환경변수 필요)

import os, requests

H = {"Authorization": "Bearer " + os.environ["DEEPSEEK_API_KEY"]}

r = requests.post(
    "https://api.deepseek.com/v1/tools/search",
    headers=H,
    json={"query": "{{질문}} lang:en after:2025", "count": 5, "need_content": False},
)
r.raise_for_status()
for x in r.json()["results"]:
    print(x["rerank_score"], x["title"], x["url"])
    print(x["summary"])

# 이어서 해 볼 것: 첫 결과 URL을 fetch로 가져와 링크가 남는지 확인
url = r.json()["results"][0]["url"]
p = requests.post("https://api.deepseek.com/v1/tools/fetch", headers=H, json={"url": url})
p.raise_for_status()
print(p.json()["content"][:500])

Terminology

Fetch APIURL을 주면 그 페이지를 대신 열어 본문을 Markdown으로 바꿔 주는 API다. 브라우저 대신 페이지를 읽어 오는 심부름꾼이라고 보면 된다.

rerank_score검색 결과가 질문에 얼마나 맞는지, 출처가 믿을 만한지, 얼마나 최신인지를 합쳐 0~3으로 매긴 점수다. 검색 결과의 내신 성적 같은 것이다.

QPS초당 요청 수 한도다. 한 번에 몇 명까지 창구에 서게 하는지를 정한 것과 비슷하다.

쿼리 연산자site:처럼 검색어에 붙여 범위를 좁히는 문법이다. SQL의 WHERE 조건에 해당한다.

MCP에이전트가 외부 도구를 같은 방식으로 호출하게 하는 규약이다. 도구용 USB 포트 같은 것이다.