Le problème
Les agents IA qui utilisent uniquement leurs données d'entraînement ou une seule source de recherche donnent des réponses obsolètes et incomplètes. Un utilisateur qui se renseigne sur un produit obtient des prix dépassés. Un utilisateur qui s'interroge sur un sujet manque les discussions Reddit, les tutoriels YouTube et les tendances TikTok. Les agents à source unique ont des angles morts que les utilisateurs remarquent immédiatement.
La solution Scavio
Construisez une fonction de récupération multiplateforme qui interroge Google, Amazon, YouTube, Walmart, Reddit et TikTok via l'API unifiée de Scavio. Acheminez chaque requête utilisateur vers les 2 à 3 plateformes les plus pertinentes en fonction de la détection d'intention. Fusionnez les résultats en un seul bloc de contexte pour le LLM. Une clé API, un point de terminaison, six plateformes de données fraîches.
Avant
L'agent interroge uniquement Google. Il manque les prix Amazon, les avis Reddit, les tutoriels YouTube, les tendances TikTok. L'utilisateur demande les 'meilleurs casques pas chers' et obtient des articles de blog de 2024. Pas de données de prix, pas d'avis utilisateurs, pas de comparaisons vidéo.
Après
L'agent interroge Google (articles), Amazon (prix actuels), Reddit (avis d'utilisateurs) et YouTube (critiques) en parallèle. L'utilisateur obtient une réponse fondée avec les prix du jour, des retours réels d'utilisateurs et des liens vers des critiques vidéo. Quatre appels API = 0,02 $.
À qui cela s'adresse
Les développeurs d'agents IA qui souhaitent que leurs agents répondent aux questions avec des données fraîches et multi-sources au lieu de se fier à des connaissances d'entraînement obsolètes.
Avantages clés
- Six plateformes de données fraîches via une seule clé API
- Le routage basé sur l'intention envoie les requêtes aux plateformes les plus pertinentes
- Les requêtes parallèles maintiennent la latence sous les 3 secondes
- Une requête sur quatre plateformes coûte 0,02 $ au total
- Les réponses de l'agent sont vérifiables avec des sources citées provenant de chaque plateforme
Exemple Python
import requests, os
from concurrent.futures import ThreadPoolExecutor
API_KEY = os.environ["SCAVIO_API_KEY"]
H = {"x-api-key": API_KEY, "Content-Type": "application/json"}
PLATFORM_MAP = {
"price": ["amazon", "walmart"],
"review": ["google", "youtube", "reddit"],
"trend": ["tiktok", "youtube", "google"],
"general": ["google", "reddit"],
}
def search_platform(query: str, platform: str) -> dict:
resp = requests.post(
"https://api.scavio.dev/api/v1/search",
headers=H,
json={"query": query, "platform": platform, "country_code": "us"},
timeout=10,
)
return {"platform": platform, "results": resp.json()}
def multi_platform_search(query: str, intent: str = "general") -> list[dict]:
platforms = PLATFORM_MAP.get(intent, PLATFORM_MAP["general"])
with ThreadPoolExecutor(max_workers=4) as pool:
futures = [pool.submit(search_platform, query, p) for p in platforms]
return [f.result() for f in futures]
# Agent retrieval: fresh data from multiple platforms
results = multi_platform_search("best budget headphones 2026", intent="review")
for r in results:
print(f"--- {r['platform']} ---")
for item in r["results"].get("organic_results", [])[:3]:
print(f" {item['title']}")Exemple JavaScript
const API_KEY = process.env.SCAVIO_API_KEY;
const H = {"x-api-key": API_KEY, "Content-Type": "application/json"};
const PLATFORM_MAP = {
price: ["amazon", "walmart"],
review: ["google", "youtube", "reddit"],
trend: ["tiktok", "youtube", "google"],
general: ["google", "reddit"],
};
async function searchPlatform(query, platform) {
const res = await fetch("https://api.scavio.dev/api/v1/search", {
method: "POST",
headers: H,
body: JSON.stringify({ query, platform, country_code: "us" }),
});
return { platform, results: await res.json() };
}
async function multiPlatformSearch(query, intent = "general") {
const platforms = PLATFORM_MAP[intent] || PLATFORM_MAP.general;
return Promise.all(platforms.map(p => searchPlatform(query, p)));
}
const results = await multiPlatformSearch("best budget headphones 2026", "review");
for (const r of results) {
console.log(`--- ${r.platform} ---`);
for (const item of (r.results.organic_results || []).slice(0, 3)) {
console.log(` ${item.title}`);
}
}Plateformes utilisées
Recherche web avec graphe de connaissances, PAA et aperçus IA
Amazon
Recherche de produits avec prix, notes et avis
YouTube
Recherche de vidéos avec transcriptions et métadonnées
Walmart
Recherche de produits avec données de prix et d'exécution
Communauté, publications et commentaires imbriqués de n'importe quel subreddit
TikTok
Découverte de vidéos tendance, créateurs et produits