Complemento de búsqueda Genkit

// Definición del complemento de búsqueda Genkit (TypeScript) importar {defineTool} desde '@genkit-ai/ai'; importar {z} desde 'zod'; const webSearch = definirHerramienta( { nombre: 'webSearch', descripción: 'Buscar en la web a través de Scavio', inputSchema: z.object({ consulta: z.string(), plataforma: z.string().default('google') }), outputSchema: z.any() }, asíncrono (entrada) => { const res = esperar a buscar('https://api.Scavio.dev/api/v1/search', { método: 'POST', encabezados: { 'x-api-key': proceso.env.Scavio_KEY!, 'Tipo de contenido': 'aplicación/json' }, cuerpo: JSON.stringify (entrada), }); devolver res.json(); } );

Complemento de búsqueda Genkit es relevante para Google, Amazon, YouTube. Scavio proporciona una API unificada para acceder a datos de todas estas plataformas.

Google Genkit es un marco de código abierto para crear aplicaciones impulsadas por IA, estrechamente integrado con Firebase. Proporciona una arquitectura basada en flujo para encadenar llamadas, herramientas y recuperación de datos de LLM. Los complementos de búsqueda amplían Genkit con capacidades de búsqueda web a las que los agentes pueden llamar durante la ejecución del flujo. Arquitectura de complementos: los complementos de Genkit exportan definiciones de herramientas que registra el marco. Un complemento de búsqueda define una herramienta 'webSearch' con un esquema de entrada (consulta, plataforma, num_results) y una función de ejecución que llama a la API de búsqueda. Durante la ejecución del flujo, el LLM puede invocar esta herramienta cuando necesite datos web. Implementación con Scavio: el complemento envuelve la API REST de Scavio como una herramienta Genkit. La configuración requiere la clave API y los parámetros predeterminados. La herramienta acepta una cadena de consulta y un parámetro de plataforma opcional, llama a api.Scavio.dev/api/v1/search y devuelve resultados estructurados. Costo: $0.005/consulta, igual que el uso directo de API. La ventaja de Genkit sobre las llamadas API sin procesar: (1) Observabilidad: la interfaz de usuario del desarrollador de Genkit muestra seguimientos de llamadas a herramientas, incluidas consultas de búsqueda, tiempos de respuesta y recuentos de resultados. (2) Pruebas: los flujos de Genkit se pueden probar con respuestas de herramientas simuladas sin realizar llamadas API reales. (3) Implementación: los flujos de Genkit se implementan en Firebase Cloud Functions y se escalan automáticamente. (4) Almacenamiento en caché: el sistema de flujo de Genkit puede almacenar en caché los resultados de la herramienta para evitar consultas duplicadas. Genkit vs LangChain para la integración de búsqueda: Genkit es más simple (menos abstracciones) y nativo de Firebase. LangChain tiene más integraciones prediseñadas pero más complejidad. Para los equipos de Firebase/GCP, Genkit es la elección natural.