El problema
Los agentes de investigación que se ejecutan en la terminal son difíciles de compartir con partes interesadas no técnicas. Los gerentes de producto, analistas y ejecutivos quieren generar consultas de investigación y ver los resultados en un navegador, no en una ventana de terminal. Crear una aplicación web completa para una herramienta de investigación interna es excesivo. El equipo necesita algo entre un script de terminal y una aplicación web de producción.
La solucion de Scavio
Cree una aplicación Streamlit que incluya la funcionalidad de búsqueda de su agente de investigación con una interfaz web. Los usuarios ingresan una pregunta de investigación, la aplicación consulta a Scavio en múltiples plataformas, muestra resultados estructurados con secciones expandibles y ofrece exportación CSV. Streamlit maneja la interfaz de usuario. Scavio maneja los datos. Toda la aplicación tiene menos de 100 líneas de Python.
Antes
Antes de la interfaz de usuario Streamlit, el agente de investigación se ejecutaba en una terminal. Sólo el desarrollador que lo construyó podría utilizarlo. Las solicitudes de investigación atravesaron un cuello de botella: alguien preguntó al desarrollador, el desarrollador ejecutó el script y luego compartió capturas de pantalla del resultado.
Después
Después de implementar la aplicación Streamlit, cualquier miembro del equipo puede ejecutar consultas de investigación directamente. El cuello de botella desapareció. El uso pasó de 5 consultas/semana (mediada por el desarrollador) a 30 consultas/semana (autoservicio). Las partes interesadas exportan los resultados como CSV para su propio análisis.
Para quien es
Desarrolladores que necesitan compartir la funcionalidad del agente de investigación con compañeros de equipo no técnicos. Equipos que crean herramientas de investigación internas que necesitan una interfaz de usuario web rápida sin crear una aplicación completa.
Beneficios clave
- Interfaz de usuario completa del agente de investigación en menos de 100 líneas de código Streamlit
- Investigación de autoservicio para partes interesadas no técnicas
- Exportación CSV para análisis posteriores en hojas de cálculo
- Búsqueda multiplataforma (Google, Reddit, Amazon) en una sola interfaz
- Implementable en Streamlit Cloud para acceso de todo el equipo
Ejemplo en Python
import requests
import json
API_KEY = "your_scavio_api_key"
def research_query(query: str, platforms: list[str] = None) -> dict:
"""Multi-platform research query for Streamlit UI."""
if platforms is None:
platforms = ["google", "reddit"]
all_results = {}
for platform in platforms:
res = requests.post(
"https://api.scavio.dev/api/v1/search",
headers={"x-api-key": API_KEY},
json={"platform": platform, "query": query, "ai_overview": True if platform == "google" else False},
timeout=15,
)
res.raise_for_status()
data = res.json()
all_results[platform] = {
"organic": [{"title": r.get("title", ""), "link": r.get("link", ""), "snippet": r.get("snippet", "")} for r in data.get("organic", [])[:5]],
"ai_overview": data.get("ai_overview", {}).get("text", "") if platform == "google" else "",
}
return {"query": query, "platforms": all_results}
# Streamlit usage:
# import streamlit as st
# query = st.text_input("Research question")
# if query:
# results = research_query(query, ["google", "reddit"])
# for platform, data in results["platforms"].items():
# st.subheader(platform)
# for r in data["organic"]:
# st.write(f"**{r["title"]}**: {r["snippet"]}")
results = research_query("best search api for research agents 2026")
for platform, data in results["platforms"].items():
print(f"\n{platform.upper()}:")
for r in data["organic"]:
print(f" {r["title"]}: {r["snippet"][:80]}")Ejemplo en JavaScript
const API_KEY = "your_scavio_api_key";
async function researchQuery(query, platforms = ["google", "reddit"]) {
const results = {};
for (const p of platforms) {
const res = 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: p, query, ai_overview: p === "google" }),
});
const data = await res.json();
results[p] = { organic: (data.organic ?? []).slice(0, 5).map((r) => ({ title: r.title ?? "", link: r.link ?? "", snippet: r.snippet ?? "" })), aiOverview: data.ai_overview?.text ?? "" };
}
return results;
}
const results = await researchQuery("best search api for research agents 2026");
for (const [p, data] of Object.entries(results)) {
console.log(`\n${p.toUpperCase()}:`);
data.organic.forEach((r) => console.log(` ${r.title}: ${r.snippet.slice(0, 80)}`));
}Plataformas utilizadas
Búsqueda web con grafo de conocimiento, PAA y resúmenes de IA
Comunidad, publicaciones y comentarios en hilos de cualquier subreddit
Amazon
Búsqueda de productos con precios, calificaciones y reseñas