Enrutamiento MCP con respaldo de búsqueda

El problema

Los agentes de IA conectados a varios servidores MCP deben tomar decisiones en tiempo de ejecución sobre qué herramienta utilizar para una consulta determinada. La selección de herramientas de codificación significa que el agente no puede adaptarse cuando un servidor no funciona, una plataforma es más relevante que la predeterminada o el tipo de consulta cambia en medio de una conversación. Los desarrolladores terminan escribiendo una lógica de enrutamiento frágil que se rompe cuando los servidores MCP agregan o eliminan herramientas.

La solucion de Scavio

Deje que el agente descubra las herramientas disponibles a través del protocolo de lista/herramientas de MCP y seleccione la mejor según el contexto de la consulta. El servidor MCP de Scavio expone 11 herramientas que cubren diferentes plataformas de búsqueda, por lo que el agente puede enrutar consultas de productos a amazon_search, consultas de videos a youtube_search y consultas generales a google_search, todas descubiertas dinámicamente. Si una herramienta devuelve resultados vacíos, el agente puede recurrir a otra herramienta del mismo servidor sin ningún cambio de código. El protocolo MCP maneja el descubrimiento; el LLM maneja las decisiones de enrutamiento.

Para quien es

Desarrolladores de agentes de IA que crean sistemas de producción que necesitan enrutamiento dinámico de herramientas a través de múltiples plataformas de búsqueda sin una lógica codificada frágil.

Beneficios clave

• El descubrimiento dinámico de herramientas elimina el enrutamiento codificado
• El agente selecciona la plataforma óptima por contexto de consulta
• Reserva transparente cuando una herramienta devuelve resultados vacíos
• Cero cambios de código cuando se agregan nuevas herramientas al servidor MCP
• El servidor MCP único cubre 5 plataformas

Ejemplo en Python

# Claude Desktop / Cursor MCP config (mcp_config.json)
# {
#   "mcpServers": {
#     "scavio": {
#       "url": "https://mcp.scavio.dev/mcp",
#       "headers": { "x-api-key": "your_scavio_api_key" }
#     }
#   }
# }
#
# The agent automatically discovers 11 tools:
# google_search, reddit_search, youtube_search,
# amazon_search, walmart_search, google_news,
# google_maps, google_jobs, google_shopping,
# google_finance, google_scholar
#
# Routing happens at the LLM level:
# - User asks about product prices -> agent picks amazon_search
# - User asks about tutorials -> agent picks youtube_search
# - User asks about community opinion -> agent picks reddit_search

Ejemplo en JavaScript

// For programmatic MCP client setup:
import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import { StreamableHTTPClientTransport } from '@modelcontextprotocol/sdk/client/streamableHttp.js';

const transport = new StreamableHTTPClientTransport(
  new URL('https://mcp.scavio.dev/mcp'),
  { requestInit: { headers: { 'x-api-key': process.env.SCAVIO_API_KEY } } }
);
const client = new Client({ name: 'my-agent', version: '1.0.0' });
await client.connect(transport);

// Discover all available tools
const { tools } = await client.listTools();
console.log(`Discovered ${tools.length} tools`);

// Call a specific tool
const result = await client.callTool({ name: 'google_search', arguments: { query: 'best crm 2026' } });

Plataformas utilizadas