ScavioScavio
ProduitTarifsDocumentation
ConnexionCommencer
  1. Accueil
  2. Tutoriels
  3. Comment configurer votre premier outil de recherche pour agent d'IA
Tutoriel

Comment configurer votre premier outil de recherche pour agent d'IA

Configurez votre premier agent d'IA avec une capacité de recherche web en moins de 10 minutes. Exemples en Python et JavaScript avec un niveau API gratuit.

Obtenez une clé API gratuiteDocumentation API

Les agents d'IA sans accès à la recherche hallucinent des informations obsolètes. Ajouter un outil de recherche prend moins de 10 minutes et offre à votre agent un accès web en temps réel. Ce tutoriel pour débutants vous guide pour obtenir une clé API, effectuer votre première recherche et intégrer la recherche dans une boucle d'agent basique. Scavio propose 250 recherches gratuites par mois, vous pouvez donc construire et tester sans rien dépenser.

Prérequis

  • Python 3.9+ ou Node.js 18+ installé
  • Une clé API Scavio gratuite depuis scavio.dev
  • 10 minutes de temps

Parcours

Étape 1: Obtenez votre clé API et effectuez votre première recherche

Inscrivez-vous sur scavio.dev pour obtenir une clé API gratuite (250 recherches/mois incluses). Ensuite, effectuez votre première recherche.

Python
import requests, os

# Set your API key as an environment variable:
# export SCAVIO_API_KEY=your-key-here

API_KEY = os.environ['SCAVIO_API_KEY']

# Your first search
resp = requests.post('https://api.scavio.dev/api/v1/search',
    headers={
        'x-api-key': API_KEY,
        'Content-Type': 'application/json'
    },
    json={
        'query': 'what is an AI agent',
        'country_code': 'us',
        'num_results': 5
    })

results = resp.json().get('organic_results', [])
print(f'Search returned {len(results)} results:\n')
for r in results:
    print(f'  {r["title"]}')
    print(f'  {r["link"]}')
    print(f'  {r.get("snippet", "")[:100]}...')
    print()

Étape 2: Enveloppez-la dans une fonction de recherche réutilisable

Créez une fonction de recherche propre que vous pourrez utiliser dans tout votre projet. C'est la fonction que votre agent appellera.

Python
def search(query: str, count: int = 5) -> list:
    """Search the web and return structured results."""
    resp = requests.post('https://api.scavio.dev/api/v1/search',
        headers={'x-api-key': API_KEY, 'Content-Type': 'application/json'},
        json={'query': query, 'country_code': 'us', 'num_results': count})
    if resp.status_code != 200:
        print(f'Search error: {resp.status_code}')
        return []
    results = resp.json().get('organic_results', [])
    return [{
        'title': r['title'],
        'url': r['link'],
        'snippet': r.get('snippet', '')
    } for r in results]

# Test it
results = search('best python libraries 2026')
for r in results:
    print(f'{r["title"]}: {r["url"]}')

print(f'\nCost: $0.005 per search, {250} free/month')

Étape 3: Construisez une boucle d'agent simple avec recherche

Créez un agent basique qui décide quand chercher et utilise les résultats pour répondre aux questions. C'est la base de tout agent augmenté par la recherche.

Python
def simple_agent(question: str) -> str:
    """A basic agent that searches before answering."""
    print(f'Question: {question}')
    # Step 1: Search for relevant information
    results = search(question, count=3)
    if not results:
        return 'I could not find any search results for that question.'
    # Step 2: Build context from search results
    context = '\n'.join(
        f'- {r["title"]}: {r["snippet"][:150]}'
        for r in results
    )
    # Step 3: Format the answer (in a real agent, send to LLM)
    answer = f'Based on {len(results)} search results:\n\n{context}'
    answer += f'\n\nSources:\n'
    for r in results:
        answer += f'  - {r["url"]}\n'
    return answer

# Ask the agent a question
answer = simple_agent('What are the best Python web frameworks in 2026?')
print(answer)
print(f'\nTotal cost: $0.005 (1 search query)')

Exemple Python

Python
import requests, os

API_KEY = os.environ['SCAVIO_API_KEY']

def search(query, count=5):
    resp = requests.post('https://api.scavio.dev/api/v1/search',
        headers={'x-api-key': API_KEY, 'Content-Type': 'application/json'},
        json={'query': query, 'country_code': 'us', 'num_results': count})
    return [{'title': r['title'], 'url': r['link'], 'snippet': r.get('snippet', '')}
            for r in resp.json().get('organic_results', [])]

results = search('what is an AI agent')
for r in results:
    print(f'{r["title"]}: {r["url"]}')
print(f'\nFree tier: 250 searches/month')

Exemple JavaScript

JavaScript
const API_KEY = process.env.SCAVIO_API_KEY;

async function search(query, count = 5) {
  const resp = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST',
    headers: { 'x-api-key': API_KEY, 'Content-Type': 'application/json' },
    body: JSON.stringify({ query, country_code: 'us', num_results: count })
  });
  const data = await resp.json();
  return (data.organic_results || []).map(r => ({
    title: r.title, url: r.link, snippet: r.snippet || ''
  }));
}

search('what is an AI agent').then(results => {
  results.forEach(r => console.log(`${r.title}: ${r.url}`));
  console.log(`\nFree tier: 250 searches/month`);
});

Sortie attendue

JSON
Search returned 5 results:

  What Is an AI Agent? - IBM
  https://www.ibm.com/topics/ai-agents
  An AI agent is a software program that can interact with its environment...

  AI Agents Explained - Microsoft
  https://learn.microsoft.com/en-us/ai/agents
  AI agents are autonomous systems that perceive, decide, and act...

Based on 3 search results:
- What Is an AI Agent? - IBM: An AI agent is a software program...
- AI Agents Explained - Microsoft: AI agents are autonomous systems...

Total cost: $0.005 (1 search query)
Free tier: 250 searches/month

Tutoriels associés

  • Comment ancrer un LLM local avec une API de recherche
  • Comment ajouter une recherche à un workflow n8n en cinq minutes
  • Comment construire un serveur MCP à partir d'une spécification Swagger

Questions fréquentes

La plupart des développeurs terminent ce tutoriel en 15 à 30 minutes. Vous aurez besoin d'une clé API Scavio (l'offre gratuite suffit) et d'un environnement Python ou JavaScript fonctionnel.

Python 3.9+ ou Node.js 18+ installé. Une clé API Scavio gratuite depuis scavio.dev. 10 minutes de temps. Une clé API Scavio vous donne 50 crédits gratuits à l'inscription.

Oui. L'offre gratuite comprend 50 crédits à l'inscription, ce qui est largement suffisant pour terminer ce tutoriel et prototyper une solution fonctionnelle.

Scavio dispose d'un package natif LangChain (langchain-scavio), d'un serveur MCP et d'une API REST simple qui fonctionne avec tout client HTTP. Ce tutoriel utilise the raw REST API, mais vous pouvez l'adapter à votre framework de prédilection.

Ressources connexes

Best Of

Meilleurs outils de recherche de secours pour agents en 2026

Read more
Best Of

Meilleures API pour l'ancrage de recherche mémoire agent (2026)

Read more
Use Case

Intégration de la recherche web pour Pi Coding Agent

Read more
Glossary

Paysage des fournisseurs d'API de recherche (2026)

Read more
Solution

Ajoutez une recherche unifiée aux systèmes multi-agents avec Scavio

Read more
Solution

Un outil de recherche pour tout framework d'agent IA

Read more

Commencer

Configurez votre premier agent d'IA avec une capacité de recherche web en moins de 10 minutes. Exemples en Python et JavaScript avec un niveau API gratuit.

Obtenez une clé API gratuiteLire la documentation
ScavioScavio

API de recherche en temps réel pour agents IA. Recherchez sur toutes les plateformes, pas seulement Google.

Produit

  • Fonctionnalités
  • Tarifs
  • Tableau de bord
  • Affiliés

Développeurs

  • Documentation
  • Référence API
  • Démarrage rapide
  • Intégration MCP
  • SDK Python

Alternatives

  • Alternative à Tavily
  • Alternative à SerpAPI
  • Alternative à Firecrawl
  • Alternative à Exa

Outils

  • Formateur JSON
  • cURL vers code
  • Compteur de jetons
  • Tous les outils

© 2026 Scavio. Tous droits réservés.

Featured on TAAFT
Conditions d'utilisationPolitique de confidentialité