Integracion con LlamaIndex
Integra Scavio con LlamaIndex para dar a tus pipelines de RAG y agentes busqueda web en tiempo real en Google, Google News, Reddit, YouTube y Amazon, devuelta como objetos Document limpios listos para indexar o razonar.
Datos frescos para RAG
llama-index-tools-scavio convierte cada busqueda de Scavio en Documents de LlamaIndex, una alternativa rentable a Tavily y SerpAPI con mayor cobertura de plataformas.Introduccion
El paquete llama-index-tools-scavio proporciona un ScavioToolSpec con cinco herramientas de busqueda. Entregalas a cualquier agente de LlamaIndex o llamalas directamente en un pipeline de datos.
Guia de integracion paso a paso
Paso 1: Instala el paquete
pip install llama-index-tools-scavioPaso 2: Configura tu clave API
Consigue una clave en dashboard.scavio.dev (creditos gratis, sin tarjeta), luego establecela como variable de entorno:
export SCAVIO_API_KEY=sk_live_...Paso 3: Uso basico
from llama_index.tools.scavio import ScavioToolSpec
tool_spec = ScavioToolSpec() # reads SCAVIO_API_KEY
docs = tool_spec.search("best real-time search API for AI agents", max_results=5)
for doc in docs:
print(doc.text, doc.metadata["url"])Herramientas disponibles
ScavioToolSpec expone estas funciones, cada una devuelve una lista de objetos Document:
| Herramienta | Descripcion |
|---|---|
search | Google SERP -- resultados web organicos en tiempo real |
news | Google News -- articulos recientes sobre un tema |
reddit_search | Publicaciones de Reddit -- discusion y sentimiento de la comunidad |
youtube_search | YouTube -- videos, canales, listas de reproduccion |
amazon_search | Amazon -- listados de productos |
Uso con un agente
from llama_index.core.agent.workflow import FunctionAgent
from llama_index.llms.openai import OpenAI
from llama_index.tools.scavio import ScavioToolSpec
agent = FunctionAgent(
tools=ScavioToolSpec().to_tool_list(),
llm=OpenAI(model="gpt-5.5"),
system_prompt="You are a research assistant. Use Scavio for fresh web data.",
)
response = await agent.run(
"What are people on Reddit saying about Tavily alternatives?"
)Ejemplo avanzado
Carga resultados de busqueda en vivo directamente en un indice vectorial:
from llama_index.core import VectorStoreIndex
from llama_index.tools.scavio import ScavioToolSpec
docs = ScavioToolSpec().search("open-source agent frameworks 2026", max_results=10)
index = VectorStoreIndex.from_documents(docs)
answer = index.as_query_engine().query("Which framework is most popular and why?")
print(answer)Cada endpoint via MCP
Necesitas Walmart, TikTok, Instagram, Maps, Shopping y mas? Apunta cualquier agente de LlamaIndex al servidor MCP alojado de Scavio para el catalogo completo.
Ventajas de Scavio + LlamaIndex
- Nativo de Document: los resultados entran directamente en RAG.
- Listo para agentes:
to_tool_list()y a funcionar. - Multiplataforma: web, noticias, redes sociales y compras con una clave.
- Rentable: la mayoria de las llamadas cuestan un solo credito.
Siguientes pasos
- Python SDK -- el cliente que envuelven las herramientas
- Integracion con MCP -- el catalogo completo de herramientas