Intégration LlamaIndex
Intégrez Scavio à LlamaIndex pour donner à vos pipelines RAG et à vos agents une recherche web en temps réel sur Google, Google News, Reddit, YouTube et Amazon -- renvoyée sous forme d'objets Document propres, prêts à être indexés ou exploités.
Des données fraîches pour le RAG
llama-index-tools-scavio transforme chaque recherche Scavio en Documents LlamaIndex -- une alternative économique à Tavily et SerpAPI avec une couverture de plateformes plus large.Introduction
Le package llama-index-tools-scavio fournit un ScavioToolSpec avec cinq outils de recherche. Confiez-les à n'importe quel agent LlamaIndex, ou appelez-les directement dans un pipeline de données.
Guide d'intégration étape par étape
Étape 1 : Installer le package
pip install llama-index-tools-scavioÉtape 2 : Définir votre clé API
Obtenez une clé sur dashboard.scavio.dev (crédits gratuits, sans carte), puis définissez-la comme variable d'environnement :
export SCAVIO_API_KEY=sk_live_...Étape 3 : Utilisation de base
from llama_index.tools.scavio import ScavioToolSpec
tool_spec = ScavioToolSpec() # reads SCAVIO_API_KEY
docs = tool_spec.search("best real-time search API for AI agents", max_results=5)
for doc in docs:
print(doc.text, doc.metadata["url"])Outils disponibles
ScavioToolSpec expose ces fonctions, chacune renvoyant une liste d'objets Document :
| Outil | Description |
|---|---|
search | SERP Google -- résultats web organiques en temps réel |
news | Google News -- articles récents sur un sujet |
reddit_search | Publications Reddit -- discussions et opinions de la communauté |
youtube_search | YouTube -- vidéos, chaînes, playlists |
amazon_search | Amazon -- fiches produits |
Utilisation avec un agent
from llama_index.core.agent.workflow import FunctionAgent
from llama_index.llms.openai import OpenAI
from llama_index.tools.scavio import ScavioToolSpec
agent = FunctionAgent(
tools=ScavioToolSpec().to_tool_list(),
llm=OpenAI(model="gpt-5.5"),
system_prompt="You are a research assistant. Use Scavio for fresh web data.",
)
response = await agent.run(
"What are people on Reddit saying about Tavily alternatives?"
)Exemple avancé
Chargez des résultats de recherche en direct directement dans un index vectoriel :
from llama_index.core import VectorStoreIndex
from llama_index.tools.scavio import ScavioToolSpec
docs = ScavioToolSpec().search("open-source agent frameworks 2026", max_results=10)
index = VectorStoreIndex.from_documents(docs)
answer = index.as_query_engine().query("Which framework is most popular and why?")
print(answer)Tous les points de terminaison via MCP
Besoin de Walmart, TikTok, Instagram, Maps, Shopping et plus encore ? Pointez n'importe quel agent LlamaIndex vers le serveur MCP hébergé de Scavio pour le catalogue complet.
Avantages de Scavio + LlamaIndex
- Natif Document : les résultats s'intègrent directement dans le RAG.
- Prêt pour les agents :
to_tool_list()et c'est parti. - Multiplateforme : web, actualités, social, shopping avec une seule clé.
- Économique : la plupart des appels coûtent un seul crédit.
Prochaines étapes
- SDK Python -- le client que les outils encapsulent
- Intégration MCP -- le catalogue d'outils complet