LlamaIndex 集成

将 Scavio 与 LlamaIndex 集成，为你的 RAG 管道和 Agent 提供跨 Google、Google News、Reddit、YouTube 和 Amazon 的实时网络搜索—以干净的 Document 对象返回，随时可索引或推理。

为 RAG 提供最新数据

llama-index-tools-scavio 包将每一次 Scavio 搜索都转换为 LlamaIndex Document—是覆盖更广的、经济高效的 Tavily 与 SerpAPI 替代方案。

简介

llama-index-tools-scavio 包提供了带有五个搜索工具的 ScavioToolSpec。将它们交给任意 LlamaIndex Agent，或在数据管道中直接调用它们。

分步集成指南

步骤 1：安装该包

Bash

pip install llama-index-tools-scavio

步骤 2：设置你的 API 密钥

在 dashboard.scavio.dev 获取密钥（免费积分，无需信用卡），然后将其设置为环境变量：

Bash

export SCAVIO_API_KEY=sk_live_...

步骤 3：基本用法

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"])

可用工具

ScavioToolSpec 暴露以下函数，每个函数返回一个 Document 对象列表：

工具	描述
`search`	Google SERP—实时自然网络结果
`news`	Google News—关于某话题的最新文章
`reddit_search`	Reddit 帖子—社区讨论与情绪
`youtube_search`	YouTube—视频、频道、播放列表
`amazon_search`	Amazon—商品列表

与 Agent 一起使用

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?"
)

高级示例

将实时搜索结果直接加载到向量索引中：

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)

通过 MCP 使用所有端点

需要 Walmart、TikTok、Instagram、Maps、Shopping 等更多能力？让任意 LlamaIndex Agent 指向 Scavio 托管的 MCP 服务器，即可获得完整目录。

Scavio + LlamaIndex 的优势

Document 原生：结果直接进入 RAG。
Agent 就绪：to_tool_list() 即可上手。
多平台：一个密钥涵盖网络、新闻、社交、购物。
经济高效：大多数调用仅需一个积分。

后续步骤

Python SDK—这些工具所封装的客户端
MCP 集成—完整工具目录

LlamaIndex 集成

为 RAG 提供最新数据

llama-index-tools-scavio 包将每一次 Scavio 搜索都转换为 LlamaIndex Document—是覆盖更广的、经济高效的 Tavily 与 SerpAPI 替代方案。

简介

llama-index-tools-scavio 包提供了带有五个搜索工具的 ScavioToolSpec。将它们交给任意 LlamaIndex Agent，或在数据管道中直接调用它们。

分步集成指南

步骤 1：安装该包

Bash

pip install llama-index-tools-scavio

步骤 2：设置你的 API 密钥

在 dashboard.scavio.dev 获取密钥（免费积分，无需信用卡），然后将其设置为环境变量：

Bash

export SCAVIO_API_KEY=sk_live_...

步骤 3：基本用法

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"])

可用工具

ScavioToolSpec 暴露以下函数，每个函数返回一个 Document 对象列表：

工具	描述
`search`	Google SERP—实时自然网络结果
`news`	Google News—关于某话题的最新文章
`reddit_search`	Reddit 帖子—社区讨论与情绪
`youtube_search`	YouTube—视频、频道、播放列表
`amazon_search`	Amazon—商品列表

与 Agent 一起使用

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?"
)

高级示例

将实时搜索结果直接加载到向量索引中：

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)

通过 MCP 使用所有端点

需要 Walmart、TikTok、Instagram、Maps、Shopping 等更多能力？让任意 LlamaIndex Agent 指向 Scavio 托管的 MCP 服务器，即可获得完整目录。

Scavio + LlamaIndex 的优势

Document 原生：结果直接进入 RAG。
Agent 就绪：to_tool_list() 即可上手。
多平台：一个密钥涵盖网络、新闻、社交、购物。
经济高效：大多数调用仅需一个积分。

后续步骤

Python SDK—这些工具所封装的客户端
MCP 集成—完整工具目录