Routage MCP avec repli de recherche

Le problème

Les agents IA connectés à plusieurs serveurs MCP doivent prendre des décisions en temps réel sur l'outil à utiliser pour une requête donnée. Coder en dur la sélection d'outil signifie que l'agent ne peut pas s'adapter lorsqu'un serveur est en panne, qu'une plateforme est plus pertinente que celle par défaut, ou que le type de requête change en cours de conversation. Les développeurs finissent par écrire une logique de routage fragile avec des if-else qui se casse lorsque les serveurs MCP ajoutent ou suppriment des outils.

La solution Scavio

Laissez l'agent découvrir les outils disponibles via le protocole tools/list de MCP et sélectionner le meilleur en fonction du contexte de la requête. Le serveur MCP de Scavio expose 11 outils couvrant différentes plateformes de recherche, de sorte que l'agent peut router les requêtes de produits vers amazon_search, les requêtes vidéo vers youtube_search et les requêtes générales vers google_search, toutes découvertes dynamiquement. Si un outil renvoie des résultats vides, l'agent peut tomber en repli sur un autre outil du même serveur sans aucune modification de code. Le protocole MCP gère la découverte ; le LLM gère les décisions de routage.

À qui cela s'adresse

Développeurs d'agents IA construisant des systèmes de production qui nécessitent un routage d'outils dynamique sur plusieurs plateformes de recherche sans logique fragile codée en dur.

Avantages clés

• La découverte dynamique d'outils élimine le routage codé en dur
• L'agent sélectionne la plateforme optimale selon le contexte de la requête
• Repli transparent lorsqu'un outil renvoie des résultats vides
• Aucune modification de code lors de l'ajout de nouveaux outils au serveur MCP
• Un seul serveur MCP couvre 5 plateformes

Exemple Python

# Claude Desktop / Cursor MCP config (mcp_config.json)
# {
#   "mcpServers": {
#     "scavio": {
#       "url": "https://mcp.scavio.dev/mcp",
#       "headers": { "x-api-key": "your_scavio_api_key" }
#     }
#   }
# }
#
# The agent automatically discovers 11 tools:
# google_search, reddit_search, youtube_search,
# amazon_search, walmart_search, google_news,
# google_maps, google_jobs, google_shopping,
# google_finance, google_scholar
#
# Routing happens at the LLM level:
# - User asks about product prices -> agent picks amazon_search
# - User asks about tutorials -> agent picks youtube_search
# - User asks about community opinion -> agent picks reddit_search

Exemple JavaScript

// For programmatic MCP client setup:
import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import { StreamableHTTPClientTransport } from '@modelcontextprotocol/sdk/client/streamableHttp.js';

const transport = new StreamableHTTPClientTransport(
  new URL('https://mcp.scavio.dev/mcp'),
  { requestInit: { headers: { 'x-api-key': process.env.SCAVIO_API_KEY } } }
);
const client = new Client({ name: 'my-agent', version: '1.0.0' });
await client.connect(transport);

// Discover all available tools
const { tools } = await client.listTools();
console.log(`Discovered ${tools.length} tools`);

// Call a specific tool
const result = await client.callTool({ name: 'google_search', arguments: { query: 'best crm 2026' } });

Plateformes utilisées