Añade búsqueda web a un agente LLM local con MCP

import os, requests

HEADERS = {
    "Authorization": f"Bearer {os.environ['SCAVIO_API_KEY']}",
    "Content-Type": "application/json",
}

def web_search(query: str, rich: bool = False) -> dict:
    """Tool the agent can call. rich=True also returns
    knowledge_graph + people_also_ask (2 credits vs 1)."""
    r = requests.post(
        "https://api.scavio.dev/api/v1/google",
        headers=HEADERS,
        json={"query": query, "light_request": not rich},
        timeout=30,
    )
    r.raise_for_status()
    data = r.json()
    # Feed only the useful text to the LLM, no HTML cleanup needed
    return {
        "organic": [
            {"title": o["title"], "link": o["link"], "snippet": o.get("snippet", "")}
            for o in data.get("organic", [])[:8]
        ],
        "answer_box": data.get("knowledge_graph") if rich else None,
    }

if __name__ == "__main__":
    print(web_search("self-hosted vector database comparison", rich=True))

const HEADERS = {
  Authorization: `Bearer ${process.env.SCAVIO_API_KEY}`,
  "Content-Type": "application/json",
};

async function webSearch(query, rich = false) {
  const res = await fetch("https://api.scavio.dev/api/v1/google", {
    method: "POST",
    headers: HEADERS,
    body: JSON.stringify({ query, light_request: !rich }),
  });
  if (!res.ok) throw new Error(`Scavio ${res.status}`);
  const data = await res.json();
  return {
    organic: (data.organic || []).slice(0, 8).map((o) => ({
      title: o.title,
      link: o.link,
      snippet: o.snippet ?? "",
    })),
    answerBox: rich ? data.knowledge_graph ?? null : null,
  };
}

webSearch("self-hosted vector database comparison", true).then(console.log);

Un objeto JSON que tu agente puede meter directo en su ventana de contexto: un array `organic` de hasta 8 resultados, cada uno con `title`, `link` y `snippet`, más un `answer_box` opcional poblado desde el knowledge graph cuando pasas rich=True. Sin HTML, sin quitar boilerplate, sin página de CAPTCHA. Una llamada básica a Google cuesta 1 crédito (0,005 $ en pago por uso); la llamada rica con knowledge graph y people-also-ask cuesta 2 créditos. Los 50 créditos gratis del registro bastan para dejar esto montado y correr unas 25 búsquedas ricas antes de decidir si conservas SearXNG para los casos totalmente locales.