Agregue búsqueda web a cualquier cliente MCP

El problema

El protocolo de contexto modelo permite a los asistentes de IA en Claude Desktop, Cursor, Windsurf y otros clientes compatibles con MCP llamar a herramientas externas. Pero incorporar la búsqueda web a un cliente MCP generalmente significa ejecutar un servidor local, administrar la automatización del navegador, lidiar con la rotación de claves API para múltiples proveedores y escribir código adhesivo que se traduzca entre el esquema de la herramienta MCP y cualquier motor de búsqueda que elija. La configuración es frágil, no está documentada para la mayoría de los proveedores y se rompe cuando evoluciona la especificación MCP. La mayoría de los desarrolladores renuncian y utilizan su asistente de IA sin acceso a la web, lo que significa que cada respuesta se limita al límite de entrenamiento del modelo.

La solucion de Scavio

Scavio incluye un servidor MCP oficial que puede agregar a Claude Desktop, Cursor o Windsurf en minutos. El servidor expone la búsqueda web, la búsqueda de productos, la búsqueda de vídeos y la búsqueda de Reddit como herramientas MCP con esquemas escritos. Su asistente de IA puede buscar en Google, Amazon, YouTube, Walmart y Reddit en medio de una conversación y basar sus respuestas en datos en vivo. La configuración es una entrada única en su archivo de configuración de MCP que apunta al servidor Scavio, con su clave API como único parámetro requerido. Sin automatización del navegador, sin proxy local, sin código adhesivo.

Para quien es

Desarrolladores que utilizan Claude Desktop, Cursor o Windsurf y desean que su asistente de inteligencia artificial realice búsquedas en la web en vivo. Si intentó configurar la búsqueda web en un cliente MCP y se dio por vencido porque la configuración era demasiado compleja, esta es la ruta de tres minutos.

Beneficios clave

• Servidor MCP oficial con esquemas de herramientas mecanografiados
• Funciona con Claude Desktop, Cursor y Windsurf
• Cinco plataformas disponibles como herramientas MCP desde un servidor
• Configuración de tres líneas, sin infraestructura local
• Respuestas fundamentadas con datos web en vivo dentro del IDE

Ejemplo en Python

# mcp_config.json - Add to your MCP client configuration
# {
#   "mcpServers": {
#     "scavio": {
#       "command": "npx",
#       "args": ["-y", "@anthropic-ai/scavio-mcp-server"],
#       "env": { "SCAVIO_API_KEY": "your_scavio_api_key" }
#     }
#   }
# }

# Once configured, use Scavio in any Python agent with MCP support
import requests

API_KEY = "your_scavio_api_key"

def mcp_search(query: str, platform: str = "google"):
    r = requests.post(
        "https://api.scavio.dev/api/v1/search",
        headers={"x-api-key": API_KEY},
        json={"platform": platform, "query": query},
        timeout=10,
    )
    return r.json().get("organic", [])[:5]

print(mcp_search("MCP server setup guide 2026"))

Ejemplo en JavaScript

// mcp_config.json - Add to your MCP client configuration
// {
//   "mcpServers": {
//     "scavio": {
//       "command": "npx",
//       "args": ["-y", "@anthropic-ai/scavio-mcp-server"],
//       "env": { "SCAVIO_API_KEY": "your_scavio_api_key" }
//     }
//   }
// }

const API_KEY = "your_scavio_api_key";

async function mcpSearch(query, platform = "google") {
  const r = await fetch("https://api.scavio.dev/api/v1/search", {
    method: "POST",
    headers: {
      "x-api-key": API_KEY,
      "content-type": "application/json",
    },
    body: JSON.stringify({ platform, query }),
  });
  const data = await r.json();
  return (data.organic ?? []).slice(0, 5);
}

console.log(await mcpSearch("MCP server setup guide 2026"));

Plataformas utilizadas