Integração LlamaIndex

Integre a Scavio ao LlamaIndex para dar aos seus pipelines RAG e agentes busca na web em tempo real no Google, Google News, Reddit, YouTube e Amazon -- retornada como objetos Document limpos, prontos para indexar ou analisar.

Dados atualizados para RAG

O pacote llama-index-tools-scavio transforma cada busca da Scavio em Documents do LlamaIndex -- uma alternativa econômica ao Tavily e ao SerpAPI, com cobertura de plataformas mais ampla.

Introdução

O pacote llama-index-tools-scavio fornece um ScavioToolSpec com cinco ferramentas de busca. Entregue-as a qualquer agente do LlamaIndex ou chame-as diretamente em um pipeline de dados.

Guia de integração passo a passo

Passo 1: Instale o pacote

Bash

pip install llama-index-tools-scavio

Passo 2: Defina sua chave de API

Obtenha uma chave em dashboard.scavio.dev (créditos gratuitos, sem cartão) e defina-a como uma variável de ambiente:

Bash

export SCAVIO_API_KEY=sk_live_...

Passo 3: Uso básico

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"])

Ferramentas disponíveis

O ScavioToolSpec expõe estas funções, cada uma retornando uma lista de objetos Document:

Ferramenta	Descrição
`search`	Google SERP -- resultados orgânicos da web em tempo real
`news`	Google News -- artigos recentes sobre um tópico
`reddit_search`	Posts do Reddit -- discussão e sentimento da comunidade
`youtube_search`	YouTube -- vídeos, canais, playlists
`amazon_search`	Amazon -- listagens de produtos

Uso com um agente

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?"
)

Exemplo avançado

Carregue resultados de busca ao vivo direto em um índice vetorial:

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)

Todos os endpoints via MCP

Precisa de Walmart, TikTok, Instagram, Maps, Shopping e mais? Aponte qualquer agente do LlamaIndex para o servidor MCP hospedado da Scavio para o catálogo completo.

Benefícios do Scavio + LlamaIndex

Nativo de documentos: os resultados entram direto no RAG.
Pronto para agentes: to_tool_list() e pronto.
Multiplataforma: web, notícias, redes sociais e compras em uma chave.
Econômico: a maioria das chamadas custa um único crédito.

Próximos passos

SDK Python -- o cliente que as ferramentas envolvem
Integração MCP -- o catálogo completo de ferramentas

Integração LlamaIndex

Dados atualizados para RAG

O pacote llama-index-tools-scavio transforma cada busca da Scavio em Documents do LlamaIndex -- uma alternativa econômica ao Tavily e ao SerpAPI, com cobertura de plataformas mais ampla.

Introdução

O pacote llama-index-tools-scavio fornece um ScavioToolSpec com cinco ferramentas de busca. Entregue-as a qualquer agente do LlamaIndex ou chame-as diretamente em um pipeline de dados.

Guia de integração passo a passo

Passo 1: Instale o pacote

Bash

pip install llama-index-tools-scavio

Passo 2: Defina sua chave de API

Obtenha uma chave em dashboard.scavio.dev (créditos gratuitos, sem cartão) e defina-a como uma variável de ambiente:

Bash

export SCAVIO_API_KEY=sk_live_...

Passo 3: Uso básico

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"])

Ferramentas disponíveis

O ScavioToolSpec expõe estas funções, cada uma retornando uma lista de objetos Document:

Ferramenta	Descrição
`search`	Google SERP -- resultados orgânicos da web em tempo real
`news`	Google News -- artigos recentes sobre um tópico
`reddit_search`	Posts do Reddit -- discussão e sentimento da comunidade
`youtube_search`	YouTube -- vídeos, canais, playlists
`amazon_search`	Amazon -- listagens de produtos

Uso com um agente

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?"
)

Exemplo avançado

Carregue resultados de busca ao vivo direto em um índice vetorial:

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)

Todos os endpoints via MCP

Precisa de Walmart, TikTok, Instagram, Maps, Shopping e mais? Aponte qualquer agente do LlamaIndex para o servidor MCP hospedado da Scavio para o catálogo completo.

Benefícios do Scavio + LlamaIndex

Nativo de documentos: os resultados entram direto no RAG.
Pronto para agentes: to_tool_list() e pronto.
Multiplataforma: web, notícias, redes sociais e compras em uma chave.
Econômico: a maioria das chamadas custa um único crédito.

Próximos passos

SDK Python -- o cliente que as ferramentas envolvem
Integração MCP -- o catálogo completo de ferramentas