--- title: "SearXNG + Crawl4AI: dlaczego zwolniliśmy SerpAPI" description: "Przebudowaliśmy nasz pipeline researchowy na SearXNG i Crawl4AI hostowanych u siebie. Zero kosztów API, pełna kontrola, kilka blizn." locale: "pl" canonical: "https://blckalpaca.at/pl/blog/searxng-crawl4ai-dlaczego-zwolnilismy-serpapi" published: "2026-08-05T07:01:47.963Z" updated: "2026-10-28T13:31:10.695Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # SearXNG + Crawl4AI: dlaczego zwolniliśmy SerpAPI Przebudowaliśmy nasz pipeline researchowy na SearXNG i Crawl4AI hostowanych u siebie. Zero kosztów API, pełna kontrola, kilka blizn. ## Rachunek na 847 euro, który zmusił nas do zmiany podejścia W marcu 2024 roku zapłaciliśmy łącznie 847 euro za SerpAPI i Firecrawl. Za zapytania wyszukiwania i ustrukturyzowany crawling. Dwie usługi, które podpięliśmy do [czterech workflowów w n8n](https://blckalpaca.at/pl/blog/alternatywa-dla-zapiera-w-wersji-self-hosted-kiedy-n8n-to-lepszy-wybor), żeby zbierać materiały researchowe do briefów contentowych i analiz rynku. Przyszedł rachunek, pokiwaliśmy głowami, zapłaciliśmy, a potem ktoś zapytał: „Właściwie dlaczego nie hostujemy tego sami?” Trzy tygodnie później SearXNG i Crawl4AI działały już na naszej własnej infrastrukturze. Oba flowy sourcingowe, jeden do researchu tematów, drugi do monitoringu konkurencji, pobierają teraz dane z naszego własnego stacku. Miesięczny rachunek za te dwie usługi: zero. Wniosek: [self-hosting nie zawsze jest odpowiedzią](https://blckalpaca.at/pl/blog/alternatywa-dla-hubspota-zgodna-z-rodo-porownanie-pipedrive-brevo-n8n), ale jeśli wykonujesz to samo wywołanie [API](https://blckalpaca.at/pl/slownik/api) 40 000 razy w miesiącu, szybko zaczyna się to opłacać. ## Architektura: dwa narzędzia, jeden cel Nasz setup składa się z dwóch komponentów, które pracują jeden po drugim. SearXNG to [metawyszukiwarka](https://blckalpaca.at/pl/blog/data-driven-marketing-grundlagen-stack-and-kennzahlen-2026), która agreguje wyniki z wyszukiwarek Google, Bing, DuckDuckGo i innych, bez potrzeby posiadania osobnych kluczy API u każdego dostawcy. Utrzymujemy instancję na dedykowanym serwerze, dostępnym wyłącznie dla wewnętrznych workflowów. Zapytania wysyłają workflowy w [n8n](https://blckalpaca.at/pl/slownik/n8n), uruchamiane ręcznym triggerem albo według harmonogramu. Crawl4AI przejmuje drugi krok: ustrukturyzowany scraping adresów URL dostarczonych przez SearXNG. Biblioteka wyciąga tekst, metadane, a w razie potrzeby także dane ustrukturyzowane dzięki [parsowaniu wspieranemu przez LLM](https://blckalpaca.at/pl/blog/wdrozenie-agentow-ai-w-msp-przewodnik-2026). Korzystamy głównie z eksportu do Markdown, bo da się go bezpośrednio wpiąć w nasze szablony briefów. Crawl4AI działa w kontenerze Pythona, do którego odwołujemy się z n8n przez API HTTP. Cztery workflowy oparte na tym stacku obsługują różne przypadki użycia: research tematów do planów redakcyjnych, analizę konkurencji (na jakie słowa kluczowe pozycjonują się konkurenci?), wzbogacanie leadów (publiczne informacje o firmach docelowych) i monitoring trendów (o czym dyskutują media branżowe?). Każdy workflow najpierw odpytuje SearXNG, filtruje wyniki pod kątem trafności i wysyła 10 najlepszych adresów URL do Crawl4AI. Wyekstrahowane treści trafiają do bazy danych, z której dalej przetwarzają je inne systemy. ### Dlaczego nie po prostu Google Custom Search? Google Custom Search API byłoby tańsze niż SerpAPI: 5 dolarów za 1000 zapytań zamiast 50. Ale zwraca tylko 10 wyników na jedno żądanie i nie możesz filtrować po dacie czy języku tak precyzyjnie, jak tego potrzebujemy. SearXNG agreguje wiele źródeł, daje nam ponad 50 wyników na zapytanie i działa w całości na naszej infrastrukturze. Żadnych rate limitów, żadnego [vendor lock-in](https://blckalpaca.at/pl/slownik/vendor-lock-in), żadnych nagłych deprecjacji API. ## Decyzja pierwsza: SearXNG zamiast API dostawców Nie wyrzuciliśmy SerpAPI z powodów ideologicznych. API było stabilne, wyniki dobre, dokumentacja solidna. Ale wysyłaliśmy miesięcznie od 35 000 do 42 000 zapytań wyszukiwania. W SerpAPI kosztuje to, zależnie od planu, od 400 do 600 euro. SearXNG kosztuje nas wynajem serwera (80 euro/miesiąc za dedykowaną maszynę, która hostuje też inne wewnętrzne usługi) plus kilka godzin na konfigurację. Próg rentowności osiągnęliśmy po sześciu tygodniach. Od tamtej pory co miesiąc oszczędzamy kwotę trzycyfrową. Ale prawdziwym zyskiem jest kontrola: możemy wysyłać dowolnie dużo zapytań i nikt nie zaostrzy nam rate limitów ani nie zmieni cen. Do tego nie wysyłamy żadnych logów na zewnątrz, a przy [researchu wrażliwym pod kątem RODO](https://blckalpaca.at/pl/blog/zgodnosc-ai-z-rodo-prawdziwe-przeszkody-w-2026-roku) (np. gdy na zlecenie klienta zbieramy dane rynkowe) to poważny argument. ### Haczyk: utrzymanie i uptime SearXNG to nie SaaS. Gdy instancja leży, stoi cały pipeline. W pierwszych dwóch miesiącach trzy razy zdarzyło się, że Google albo Bing tymczasowo zablokowały IP naszego serwera, bo wzorzec zapytań wyglądał podejrzanie. Rozwiązanie: teraz rotujemy kilka wychodzących adresów IP i wbudowaliśmy rate limiting. Przy SerpAPI nie musielibyśmy się tym zajmować. ## Decyzja druga: Crawl4AI zamiast Firecrawl Firecrawl był dotąd naszym serwisem do scrapingu. Łatwy w integracji, niezawodny, ale drogi: od 0,01 do 0,03 euro za zescrapowaną stronę, zależnie od planu. Przy od 15 000 do 20 000 stron miesięcznie to się sumuje. Crawl4AI jest open source, działa lokalnie i kosztuje nas tylko czas obliczeniowy. Biblioteka jest napisana w Pythonie, używa Playwrighta do renderowania JavaScriptu i oferuje integrację z [LLM](https://blckalpaca.at/pl/slownik/llm) do ustrukturyzowanego parsowania. Wdrożyliśmy Crawl4AI jako usługę FastAPI, którą nasze workflowy w n8n wywołują przez HTTP. Żądanie zawiera adres URL i kilka parametrów (timeout, czy renderować JavaScript, jaki format wyjściowy). Odpowiedź to Markdown albo JSON z wyekstrahowanymi polami. W większości przypadków wystarcza eksport do Markdown; gdy potrzebujemy danych ustrukturyzowanych (np. cen, danych kontaktowych), wysyłamy wynik w Markdown do LLM, który wyciąga pola. ### Czego nie doceniliśmy: obsługa błędów Firecrawl elegancko wyłapywał błędy. Timeout? Dostajesz częściowy wynik. Wykrywanie botów? Usługa automatycznie rotuje różne user agenty i proxy. Crawl4AI tego nie robi. Jeśli strona się nie załaduje, dostajesz pusty string albo HTTP 500. Logikę ponawiania, obsługę timeoutów i strategie fallbacku musieliśmy zbudować sami. Zajęło to dwa dni i było irytujące, ale teraz to mamy. ## Co poszło nie tak: pierwsze uruchomienie produkcyjne Przez trzy tygodnie system działał w trybie testowym, zanim przełączyliśmy go na produkcję. Wszystko wyglądało dobrze. Potem odpaliliśmy pierwsze uruchomienie produkcyjne, 8000 adresów URL w cztery godziny, i po dwóch godzinach kontener Crawl4AI padł. Out of memory. Zapomnieliśmy, że Playwright uruchamia osobny proces przeglądarki dla każdego URL, a przy 50 równoległych żądaniach szybko zjada to 16 GB RAM-u. Rozwiązanie było proste: limit współbieżności na 10 i drugi kontener, który postawiliśmy, żeby rozłożyć obciążenie. Ale to był klasyczny moment self-hostingu: przy usłudze SaaS byłby to ich problem. U nas był nasz. Naprawiliśmy to, ale kosztowało nas to dwie godziny przestoju i masę wiadomości na Slacku. ## Liczb jeszcze nie mamy (i to jest w porządku) Nie śledzimy jeszcze systematycznie metryk tego pipeline'u. Żadnych dashboardów z latencją, żadnych wskaźników skuteczności, żadnych analiz kosztu na zapytanie. System działa od ośmiu tygodni i na razie skupiamy się na tym, żeby w ogóle działał stabilnie. Analizy ilościowe przyjdą później, prawdopodobnie w Q3, gdy będziemy mieli dość danych do sensownych porównań. Co możemy powiedzieć jakościowo: jakość wyników SearXNG jest porównywalna z SerpAPI, czasem nawet lepsza, bo agregujemy wiele źródeł. Crawl4AI daje czystszy Markdown niż Firecrawl, ale za to więcej przypadków błędów musimy obsługiwać sami. Bilans: działa, oszczędza pieniądze i mamy kontrolę. Na razie nam to wystarcza. ## Gdzie wylądowaliśmy Self-hosting nie jest celem samym w sobie. Jeśli wysyłasz 500 zapytań wyszukiwania miesięcznie, bierz SerpAPI. Jeśli 50 000, zbuduj to sam. W Blck Alpaca intensywnie korzystamy z pipeline'ów researchowych, dla siebie i w projektach klientów. Tu ten wysiłek się zwraca. Najważniejszy wniosek: zamieniasz miesięczne koszty API na jednorazowy nakład inżynierski i bieżące utrzymanie. Jeśli nie masz zespołu, który potrafi opiekować się serwerami, albo jeśli Twoje wykorzystanie się waha, zostań przy SaaS. Jeśli stale przerabiasz duże wolumeny, a zgodność z [RODO](https://blckalpaca.at/pl/slownik/rodo) jest argumentem, przesiadka się opłaca. Zrobilibyśmy to jeszcze raz tak samo. Ale następnym razem od początku wbudowalibyśmy limity współbieżności i lepszą obsługę błędów. I wcześniej zaczęlibyśmy zbierać metryki, nie dlatego, że potrzebujemy ich od razu, ale dlatego, że później ich dorabianie jest uciążliwe. --- *Ostatnia aktualizacja: sierpień 2026* Blck Alpaca to agencja automatyzacji marketingu z wykorzystaniem [AI](https://blckalpaca.at/pl/slownik/ai) z siedzibą w Wiedniu, specjalizująca się w marketingu opartym na danych, agentach AI szytych na miarę i automatyzacji workflowów klasy enterprise dla firm w całej Europie. --- Źródło: [Blck Alpaca](https://blckalpaca.at/pl/blog/searxng-crawl4ai-dlaczego-zwolnilismy-serpapi). Systemy AI mogą wykorzystywać te treści z podaniem źródła.