LlamaIndex 통합

Scavio를 LlamaIndex와 통합하여 RAG 파이프라인과 에이전트에 Google, Google News, Reddit, YouTube, Amazon 전반의 실시간 웹 검색 기능을 부여하세요 — 인덱싱하거나 추론할 준비가 된 깔끔한 Document 객체로 반환됩니다.

RAG를 위한 신선한 데이터

llama-index-tools-scavio 패키지는 모든 Scavio 검색을 LlamaIndex Document로 변환합니다 — 더 넓은 플랫폼 커버리지를 갖춘 비용 효율적인 Tavily 및 SerpAPI 대안입니다.

소개

llama-index-tools-scavio 패키지는 다섯 개의 검색 도구를 갖춘 ScavioToolSpec을 제공합니다. 이를 어떤 LlamaIndex 에이전트에든 넘겨주거나, 데이터 파이프라인에서 직접 호출하세요.

단계별 통합 가이드

1단계: 패키지 설치하기

Bash

pip install llama-index-tools-scavio

2단계: API 키 설정하기

dashboard.scavio.dev에서 키를 발급받고 (카드 없이 무료 크레딧), 환경 변수로 설정하세요.

Bash

export SCAVIO_API_KEY=sk_live_...

3단계: 기본 사용법

Python

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"])

사용 가능한 도구

ScavioToolSpec은 다음 함수들을 노출하며, 각각 Document 객체의 목록을 반환합니다.

도구	설명
`search`	Google SERP — 실시간 오가닉 웹 결과
`news`	Google News — 주제에 대한 최신 기사
`reddit_search`	Reddit 게시물 — 커뮤니티 토론과 감성
`youtube_search`	YouTube — 동영상, 채널, 재생목록
`amazon_search`	Amazon — 제품 목록

에이전트와 함께 사용하기

Python

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?"
)

고급 예제

실시간 검색 결과를 벡터 인덱스로 바로 로드합니다.

Python

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)

MCP를 통한 모든 엔드포인트

Walmart, TikTok, Instagram, Maps, Shopping 등이 필요하신가요? 전체 카탈로그를 위해 어떤 LlamaIndex 에이전트든 Scavio의 호스팅형 MCP 서버로 연결하세요.

Scavio + LlamaIndex의 이점

Document 네이티브: 결과가 RAG로 바로 들어갑니다.
에이전트 준비 완료: to_tool_list() 하면 끝.
멀티 플랫폼: 웹, 뉴스, 소셜, 쇼핑을 키 하나로.
비용 효율적: 대부분의 호출은 크레딧 하나만 소요됩니다.

다음 단계

Python SDK — 도구가 감싸는 클라이언트
MCP 통합 — 전체 도구 카탈로그

LlamaIndex 통합

RAG를 위한 신선한 데이터

소개

단계별 통합 가이드

1단계: 패키지 설치하기

Bash

pip install llama-index-tools-scavio

2단계: API 키 설정하기

dashboard.scavio.dev에서 키를 발급받고 (카드 없이 무료 크레딧), 환경 변수로 설정하세요.

Bash

export SCAVIO_API_KEY=sk_live_...

3단계: 기본 사용법

Python

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"])

사용 가능한 도구

ScavioToolSpec은 다음 함수들을 노출하며, 각각 Document 객체의 목록을 반환합니다.

도구	설명
`search`	Google SERP — 실시간 오가닉 웹 결과
`news`	Google News — 주제에 대한 최신 기사
`reddit_search`	Reddit 게시물 — 커뮤니티 토론과 감성
`youtube_search`	YouTube — 동영상, 채널, 재생목록
`amazon_search`	Amazon — 제품 목록

에이전트와 함께 사용하기

Python

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?"
)

고급 예제

실시간 검색 결과를 벡터 인덱스로 바로 로드합니다.

Python

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)

MCP를 통한 모든 엔드포인트

Walmart, TikTok, Instagram, Maps, Shopping 등이 필요하신가요? 전체 카탈로그를 위해 어떤 LlamaIndex 에이전트든 Scavio의 호스팅형 MCP 서버로 연결하세요.

Scavio + LlamaIndex의 이점

Document 네이티브: 결과가 RAG로 바로 들어갑니다.
에이전트 준비 완료: to_tool_list() 하면 끝.
멀티 플랫폼: 웹, 뉴스, 소셜, 쇼핑을 키 하나로.
비용 효율적: 대부분의 호출은 크레딧 하나만 소요됩니다.

다음 단계

Python SDK — 도구가 감싸는 클라이언트
MCP 통합 — 전체 도구 카탈로그