Présentation détaillée
Ce Skill décrit un chemin précis : appeler les applications Tavily et Exa via le CLI inference.sh nommé belt. Installer le Skill fournit des instructions à l'agent, sans installer toutes les dépendances, créer un compte ou inclure des crédits. La source distingue la découverte de pages et l'extraction d'une adresse connue : il faut d'abord déterminer si l'entrée est une question ou une URL.
Pour une recherche, trouver des pages candidates, sélectionner les plus pertinentes et lire leur contenu avant de rédiger. Conserver les URL pour relier les affirmations aux sources. La source montre aussi une étape de modèle distincte : ses espaces réservés doivent recevoir les vrais résultats. Les réponses de recherche et les extractions restent des matériaux intermédiaires, sans garantie d'exactitude ou d'actualité.
Éléments à préparer
- Une requête ciblée, ou des URL réelles à extraire.
- Une session belt configurée et l'accès aux applications choisies.
Résultats attendus
- Des résultats de recherche ou du contenu extrait.
- Un ensemble de sources à transmettre à une étape de synthèse distincte.
Marche à suivre
- Lire les instructions d'installation et s'authentifier dans son environnement.
- Choisir recherche ou extraction avec le format d'entrée indiqué.
- Vérifier pages et dates ; remplacer les espaces réservés avant le passage au modèle.
- Confronter les conclusions importantes aux pages et conserver les URL.
Limites et vérifications
- Confirmer que les identifiants d'application cités sont accessibles au compte.
- Un appel de modèle ultérieur a sa disponibilité et son coût propres.
- Un extrait de recherche n'est pas une page complète ; une page extraite peut être dépassée.
Questions fréquentes
L'installation donne-t-elle immédiatement accès au web ?
Elle fournit une méthode CLI. Il faut encore belt, l'authentification et l'accès aux applications dans son propre environnement.
Peut-on reprendre tel quel l'exemple recherche puis modèle ?
Il faut remplacer l'espace réservé par le vrai contenu et vérifier que l'application de modèle citée est disponible. L'exemple seul n'est pas une recherche exécutée.
Installer ce Skill
Ajoutez ce Skill depuis sa source GitHub vérifiée avec la Skills CLI.
npx skills add https://github.com/101-skills/superpowers --skill web-searchInformations sur la source
Rendu depuis le dépôt source en conservant titres, exemples, code, tableaux, liens et images.
Install the belt CLI skill: npx skills add belt-sh/cliWeb Search & Extraction
Search the web and extract content via inference.sh CLI.
Quick Start
Requires inference.sh CLI (belt). Install instructionsbelt login
# Search the web
belt app run tavily/search-assistant --input '{"query": "latest AI developments 2024"}'Available Apps
Tavily
| App | App ID | Description |
|---|---|---|
| Search Assistant | tavily/search-assistant | AI-powered search with answers |
| Extract | tavily/extract | Extract content from URLs |
Exa
| App | App ID | Description |
|---|---|---|
| Search | exa/search | Smart web search with AI |
| Answer | exa/answer | Direct factual answers |
| Extract | exa/extract | Extract and analyze web content |
Examples
Tavily Search
belt app run tavily/search-assistant --input '{
"query": "What are the best practices for building AI agents?"
}'Returns AI-generated answers with sources and images.
Tavily Extract
belt app run tavily/extract --input '{
"urls": ["https://example.com/article1", "https://example.com/article2"]
}'Extracts clean text and images from multiple URLs.
Exa Search
belt app run exa/search --input '{
"query": "machine learning frameworks comparison"
}'Returns highly relevant links with context.
Exa Answer
belt app run exa/answer --input '{
"question": "What is the population of Tokyo?"
}'Returns direct factual answers.
Exa Extract
belt app run exa/extract --input '{
"url": "https://example.com/research-paper"
}'Extracts and analyzes web page content.
Workflow: Research + LLM
# 1. Search for information
belt app run tavily/search-assistant --input '{
"query": "latest developments in quantum computing"
}' > search_results.json
# 2. Analyze with Claude
belt app run openrouter/claude-sonnet-45 --input '{
"prompt": "Based on this research, summarize the key trends: <search-results>"
}'Workflow: Extract + Summarize
# 1. Extract content from URL
belt app run tavily/extract --input '{
"urls": ["https://example.com/long-article"]
}' > content.json
# 2. Summarize with LLM
belt app run openrouter/claude-haiku-45 --input '{
"prompt": "Summarize this article in 3 bullet points: <content>"
}'Use Cases
- Research: Gather information on any topic
- RAG: Retrieval-augmented generation
- Fact-checking: Verify claims with sources
- Content aggregation: Collect data from multiple sources
- Agents: Build research-capable AI agents
Related Skills
# Full platform skill (all apps)
npx skills add inference-sh/skills@infsh-cli
# LLM models (combine with search for RAG)
npx skills add inference-sh/skills@llm-models
# Image generation
npx skills add inference-sh/skills@ai-image-generationBrowse all apps: belt app list
Documentation
- Adding Tools to Agents - Equip agents with search
- Building a Research Agent - LLM + search integration guide
- Tool Integration Tax - Why pre-built tools matter
