Le problème
n8n et les outils d'automatisation similaires proposent un nœud d'agent IA, mais il consomme des tokens excessifs en chargeant les descriptions d'outils dans le contexte à chaque exécution. Pour une simple vérification quotidienne des concurrents, le nœud d'agent est excessif et coûteux.
La solution Scavio
Remplacez le nœud d'agent IA par deux nœuds de requête HTTP : un vers Scavio pour les données SERP, un vers Groq pour le résumé. L'appel HTTP Groq avec Llama 8B coûte 0,05 $/1M tokens d'entrée. Coût total par vérification de concurrent : ~0,006 $ (crédit Scavio + tokens Groq). Pas de surcharge d'agent, pas de gonflement des descriptions d'outils.
Avant
Le nœud d'agent IA charge 2-3K tokens de descriptions d'outils par exécution. Coûte 0,02-0,05 $ par exécution rien qu'en tokens LLM. Lent en raison de l'appel d'outils multi-tours.
Après
Deux nœuds HTTP : recherche Scavio (0,005 $) + résumé Groq Llama 8B (~0,001 $). Total ~0,006 $/exécution. Plus rapide, déterministe, sans surcharge de raisonnement d'agent.
À qui cela s'adresse
Utilisateurs de n8n, utilisateurs de Make, et créateurs d'automatisation qui souhaitent une surveillance des concurrents sans le coût et la complexité des nœuds d'agent IA.
Avantages clés
- Réduction de 90 % des coûts par rapport à l'approche avec nœud d'agent IA
- Pipeline déterministe sans boucles de raisonnement d'agent
- Groq Llama 8B à 0,05 $/0,08 $ pour 1M tokens
- Fonctionne dans n8n, Make, ou tout outil d'automatisation compatible HTTP
- Temps d'exécution inférieur à 5 secondes
Exemple Python
import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}
# Step 1: SERP data
serp = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
json={'platform': 'google', 'query': 'CompetitorName pricing 2026'}).json()
snippets = '\n'.join(r['snippet'] for r in serp.get('organic', [])[:5] if r.get('snippet'))
# Step 2: Groq summarization
summary = requests.post('https://api.groq.com/openai/v1/chat/completions',
headers={'Authorization': f'Bearer {os.environ["GROQ_API_KEY"]}'},
json={'model': 'llama-3.1-8b-instant', 'messages': [
{'role': 'user', 'content': f'Summarize competitor updates in 3 bullets:\n{snippets}'}
]}).json()
print(summary['choices'][0]['message']['content'])Exemple JavaScript
const serp = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST',
headers: { 'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json' },
body: JSON.stringify({ platform: 'google', query: 'CompetitorName pricing 2026' })
}).then(r => r.json());
const snippets = (serp.organic || []).slice(0, 5).map(r => r.snippet).filter(Boolean).join('\n');
const summary = await fetch('https://api.groq.com/openai/v1/chat/completions', {
method: 'POST',
headers: { Authorization: `Bearer ${process.env.GROQ_API_KEY}`, 'Content-Type': 'application/json' },
body: JSON.stringify({ model: 'llama-3.1-8b-instant', messages: [
{ role: 'user', content: `Summarize competitor updates in 3 bullets:\n${snippets}` }
]})
}).then(r => r.json());
console.log(summary.choices[0].message.content);Plateformes utilisées
Recherche web avec graphe de connaissances, PAA et aperçus IA
Communauté, publications et commentaires imbriqués de n'importe quel subreddit