Contexte pour LLM

Requiert une clé API : Obtenir une à https://api.search.brave.com

Plan : Inclus dans le plan Search. Voir https://api-dashboard.search.brave.com/app/subscriptions/subscribe

L'API Brave LLM Context fournit du contenu web pré-extrait et classé par pertinence, optimisé pour ancrer les réponses des LLM dans des résultats de recherche en temps réel. Contrairement aux API de recherche web traditionnelles qui retournent des liens et des extraits, LLM Context extrait le contenu réel de la page — chunks de texte, tableaux, blocs de code et données structurées — afin que votre LLM ou agent IA puisse raisonner directement dessus.

LLM Context vs AI Grounding

Endpoint

GET  https://api.search.brave.com/res/v1/llm/context
POST https://api.search.brave.com/res/v1/llm/context

Authentification : en-tête X-Subscription-Token: <API_KEY>

En-têtes optionnels :

• Accept-Encoding: gzip — Activer la compression gzip

Démarrage rapide

Requête GET

curl -s "https://api.search.brave.com/res/v1/llm/context?q=tallest+mountains+in+the+world" \
  -H "Accept: application/json" \
  -H "X-Subscription-Token: ${BRAVE_SEARCH_API_KEY}"

Requête POST (corps JSON)

curl -s --compressed -X POST "https://api.search.brave.com/res/v1/llm/context" \
  -H "Accept: application/json" \
  -H "Accept-Encoding: gzip" \
  -H "X-Subscription-Token: ${BRAVE_SEARCH_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{"q": "tallest mountains in the world"}'

Avec Goggles (En ligne)

curl -s "https://api.search.brave.com/res/v1/llm/context" \
  -H "Accept: application/json" \
  -H "X-Subscription-Token: ${BRAVE_SEARCH_API_KEY}" \
  -G \
  --data-urlencode "q=rust programming" \
  --data-urlencode 'goggles=$discard
$site=docs.rs
$site=rust-lang.org'

Paramètres

Paramètres de requête

Paramètres de taille de contexte

Paramètres de filtrage et locaux

Directives de taille de contexte

Des fenêtres de contexte plus grandes fournissent plus d'informations mais augmentent la latence et le coût (de votre inférence). Commencez par les valeurs par défaut et ajustez.

Modes de seuil

Rappel local

Le paramètre enable_local contrôle le rappel conscient de la localisation :

Pour la plupart des cas d'usage, omettez enable_local et laissez l'API auto-détecter à partir des en-têtes de localisation.

En-têtes de localisation

Priorité : X-Loc-Lat + X-Loc-Long ont la priorité. Quand fournis, les en-têtes textuels (City, State, Country, Postal-Code) ne sont pas utilisés pour la résolution de localisation. Fournissez les en-têtes textuels uniquement quand vous n'avez pas de coordonnées.

Exemple : Avec coordonnées

curl -s "https://api.search.brave.com/res/v1/llm/context" \
  -H "Accept: application/json" \
  -H "X-Subscription-Token: ${BRAVE_SEARCH_API_KEY}" \
  -H "X-Loc-Lat: 37.7749" \
  -H "X-Loc-Long: -122.4194" \
  -G \
  --data-urlencode "q=best coffee shops near me"

Exemple : Avec nom de lieu

curl -s "https://api.search.brave.com/res/v1/llm/context" \
  -H "Accept: application/json" \
  -H "X-Subscription-Token: ${BRAVE_SEARCH_API_KEY}" \
  -H "X-Loc-City: San Francisco" \
  -H "X-Loc-State: CA" \
  -H "X-Loc-Country: US" \
  -G \
  --data-urlencode "q=best coffee shops near me"

Goggles (classement personnalisé) — Unique à Brave

Goggles vous permettent de contrôler quelles sources ancrent votre LLM — essentiel pour la qualité du RAG.

Les goggles hébergées doivent être sur GitHub/GitLab, inclure les en-têtes ! name:, ! description:, ! author:, et être enregistrées à https://search.brave.com/goggles/create. Les règles en ligne ne nécessitent pas d'enregistrement.

Syntaxe : $boost=N / $downrank=N (1–10), $discard, $site=example.com. Combiner avec des virgules : $site=example.com,boost=3. Séparer les règles avec \n (%0A).

Liste blanche : $discard\n$site=docs.python.org\n$site=developer.mozilla.org — Liste noire : $discard,site=pinterest.com\n$discard,site=quora.com

Ressources : Découvrir · Syntaxe · Démarrage rapide

Format de réponse

Réponse standard

{
  "grounding": {
    "generic": [
      {
        "url": "https://example.com/page",
        "title": "Page Title",
        "snippets": [
          "Relevant text chunk extracted from the page...",
          "Another relevant passage from the same page..."
        ]
      }
    ],
    "map": []
  },
  "sources": {
    "https://example.com/page": {
      "title": "Page Title",
      "hostname": "example.com",
      "age": ["Wednesday, January 15, 2025", "2025-01-15", "392 days ago"]
    }
  }
}

Réponse locale (avec enable_local)

{
  "grounding": {
    "generic": [...],
    "poi": {
      "name": "Business Name",
      "url": "https://business.com",
      "title": "Title of business.com website",
      "snippets": ["Business details and information..."]
    },
    "map": [
      {
        "name": "Place Name",
        "url": "https://place.com",
        "title": "Title of place.com website",
        "snippets": ["Place information and details..."]
      }
    ]
  },
  "sources": {
    "https://business.com": {
      "title": "Business Name",
      "hostname": "business.com",
      "age": null
    }
  }
}

Champs de réponse

Note : Les extraits peuvent contenir du texte brut OU des données structurées sérialisées en JSON (tableaux, schémas, blocs de code). Les LLM gèrent bien ce format mixte.

Cas d'usage

• Agents IA : Donnez à votre agent un outil de recherche web qui retourne du contenu prêt à l'emploi en un seul appel
• Pipelines RAG : Ancrer les réponses LLM dans du contenu web frais et pertinent
• Assistants IA et Chatbots : Fournir des réponses factuelles soutenues par de vraies sources
• Réponses à des questions : Récupérer un contexte ciblé pour des requêtes spécifiques
• Vérification des faits : Vérifier les affirmations par rapport au contenu web actuel
• Recherche de contenu : Rassembler du matériel source sur n'importe quel sujet en un appel API

Bonnes pratiques

• Budget en tokens : Commencer par les valeurs par défaut (maximum_number_of_tokens=8192, count=20). Réduire pour des recherches simples, augmenter pour la recherche complexe.
• Qualité des sources : Utiliser Goggles pour restreindre aux sources de confiance. Définir context_threshold_mode=strict quand la précision > le rappel.
• Performance : Utiliser le plus petit count et maximum_number_of_tokens qui répondent à vos besoins. Pour les requêtes locales, fournir les en-têtes de localisation.