Firecrawl
定位：把网页变成模型能直接吃的输入
官方的定位是「用于大规模搜索、抓取并与网页交互的 Web 数据 API」，核心产出是干净的 Markdown、结构化 JSON 与截图等模型友好的形式。这条链路的实际价值在成本：把杂乱 HTML 直接塞进上下文既浪费 token 又干扰模型，先转换成正文级别的 Markdown 往往能显著降低单页开销。官方同时把「少花 token、做更好的 AI 应用」写进卖点，说明它瞄准的正是检索增强与智能体场景中的语料准备环节。
深度介绍
Firecrawl详细介绍
搜索端点：直接拿到结果页的完整内容
搜索端点不只是返回链接列表，而是把结果页的完整内容一并抓下来，官方示例的输出里每条结果都带标题、网址与 Markdown 正文。对做检索增强的团队，这省掉了「先搜索再逐条抓取」的两段式流程，也减少了自行拼接与去重的工作。需要注意的是搜索质量与覆盖范围由服务方决定，涉及时效性或垂直领域内容时，建议先用自有查询集验证召回与正文质量，再决定是否把它当作唯一入口。
抓取端点：一个网址得到多种格式
抓取端点把任意网址转换成 Markdown、HTML、截图或结构化 JSON，并支持只取正文等选项。官方强调「零配置处理难点」：轮换代理、编排、速率限制与被 JavaScript 阻塞的内容都由服务端处理。这些正是自建抓取最常见的坑——写出一次能跑的脚本不难，难的是在目标站点改版与封禁策略变化后仍然稳定。选型时应把稳定性指标（成功率与延迟）而不是功能列表作为主要评估项。
交互端点：先抓取，再用自然语言操作页面
交互端点允许先抓取一个页面，然后用自然语言提示或代码在其上继续操作，例如输入搜索词、点击结果；返回结果里还带有实时预览地址，便于人工查看当前页面状态。它补上了纯抓取的短板——很多数据在表单与多步导航之后才出现。工程上要注意交互流程的不确定性高于纯抓取：站点结构变化、弹窗与加载时序都会影响成功率，建议在流程中加断言与重试，并保留实时预览地址用于排查。
Agent 端点：描述需求即可，不必先知道网址
官方把 Agent 端点称为「最容易的网页取数方式」：只需描述需要什么，系统会自行搜索、导航并取回结果，无需预先提供 URL；它被定位为抽取端点的演进版本。该端点还支持用模式（schema）约束输出，官方示例用数据模型类声明字段以获得结构化结果并附上来源。对探索性任务，这降低了使用门槛；但自动化程度越高，可预测性越低，涉及金额、法务或对外发布的关键数据仍应人工复核来源。
批量与整站能力：Crawl、Map 与批量抓取
除单页能力外，官方提供三类批量接口：整站抓取用一个请求抓遍站点所有网址；地址发现用于即时列出站点上的全部链接；批量抓取则以异步方式处理成千上万个网址。对做语料构建、站点迁移或全站监控的团队，这三者覆盖了从「先看有哪些页面」到「把内容全部取回」的完整流程。实际使用时建议先做小规模试跑，确认目标站点的结构与反爬策略，再放大并发，避免因限流导致大面积失败。
接入方式：SDK、命令行、MCP 与技能包
官方提供 Python 与 Node.js SDK、cURL 与命令行工具，并单独维护 MCP 服务器，让兼容该协议的客户端用一段配置即可接入网页能力。它还为编码助手准备了技能包（一条命令安装，装完重启助手即可），并提供了「让智能体自行注册并领取密钥」的引导文件——官方文档里直接写「你是 AI 智能体？从这里开始」。这意味着它把「被智能体调用」当作一等使用方式，适合正在搭建代理工作流的团队。
许可、可靠性口径与版本节奏
需要区分开源与托管两层：源码以 AGPL-3.0 许可发布（网络提供服务时对源码开放有额外要求，商用集成前应逐条核对），官方同时提供托管服务，两者在可靠性与运维负担上不同。官方给出的可靠性口径是覆盖约 96% 的网页（含大量依赖 JavaScript 的页面）、跨数百万页面的 P95 延迟约 3.4 秒，并强调零配置处理轮换代理与限流。核验时仓库约有 18.3 万 star，发布节奏极快——2026 年 9 月 20 日一天内就有多个版本（v2.11.377 等）。
产品特点
核心功能与独有价值
三种输出形态与面向模型的干净正文
抓取端点可把任意网址转成 Markdown、HTML、截图或结构化 JSON，并支持只取正文；官方把「少花 token」作为核心卖点，契合检索增强与智能体场景。
搜索、抓取、交互、Agent 四类端点
搜索直接返回结果页完整内容；抓取负责单页转换；交互允许在抓取后用自然语言或代码继续操作页面并返回实时预览；Agent 端点只需描述需求、无需预先提供网址。
整站与批量接口齐全
整站抓取一个请求覆盖站点全部网址，地址发现用于即时枚举链接，批量抓取以异步方式处理成千上万个网址，覆盖从枚举到全量取回的流程。
把「被智能体调用」当一等用法
官方维护 MCP 服务器并提供一条命令安装的编码助手技能包，还给出了让智能体自行注册领取密钥的引导文件，接入方式对代理工作流友好；源码以 AGPL-3.0 开源。
最近动态
重要更新
一天内多个版本（9 月 20 日）
发布记录显示 2026 年 9 月 20 日先后发布 v2.11.377、v2.11.375、v2.11.373 与 v2.11.371，此前一天为 v2.11.369。发布频率以天计，使用托管服务时通常无需自行升级，自托管部署则应固定版本并关注变更。
v2 API 的端点结构（核验时点）
截至核验时，官方文档与示例以 v2 接口为主，核心端点包括搜索、抓取与交互，另有 Agent、整站抓取、地址发现与批量抓取。接口版本与参数变化较快，接入前建议以官方文档当期说明为准。
面向智能体的接入方式（核验时点）
官方目前提供 MCP 服务器与编码助手技能包两种「一键接入」路径，并额外提供让 AI 智能体自行完成注册与领取密钥的引导文件。这类面向代理的接入方式仍在演进，具体命令与配置以官方文档为准。
可靠性与延迟口径（核验时点）
官方在仓库中给出的口径是覆盖约 96% 的网页（含 JavaScript 较重的页面）与跨数百万页面的 P95 延迟约 3.4 秒，并强调零配置处理轮换代理、编排与限流。这些数字来自官方基准，迁移到自有目标站点时应自行抽测。
产品总结
Firecrawl 是面向智能体与 AI 应用的 Web 数据 API，官方把它定义为「用于大规模搜索、抓取并与网页交互的 Web 数据 API」，核心产出是干净的 Markdown、结构化 JSON 与截图等模型友好格式，目标是让使用者少花 token、更快拿到可用数据。项目源码以 AGPL-3.0 许可开源并支持自托管，同时官方提供托管服务与在线试用场；核验时 GitHub 仓库约有 18.3 万 star，发布节奏以天计（2026 年 9 月 20 日一天内即有多个版本，最新记录为 v2.11.377）。 能力围绕几类端点展开。核心端点包括搜索（直接返回结果页的完整内容，而非仅链接列表）、抓取（把任意网址转成 Markdown、HTML、截图或结构化 JSON，支持只取正文）与交互（先抓取再用自然语言或代码操作页面，并返回实时预览地址）。此外还提供 Agent 端点（描述需求即可取数，无需预先知道网址，并支持用模式约束结构化输出）、整站抓取（一个请求覆盖站点全部网址）、地址发现（即时枚举站点链接）与批量抓取（异步处理成千上万个网址）。官方强调难点由服务端承担：轮换代理、编排、速率限制与被 JavaScript 阻塞的内容都零配置处理。 接入方式覆盖 Python 与 Node.js SDK、cURL 与命令行工具，并单独维护 MCP 服务器供兼容客户端一段配置接入；官方还为编码助手提供一条命令安装的技能包，并给出让 AI 智能体自行注册领取密钥的引导文件，把「被智能体调用」当作一等用法。官方给出的可靠性口径是覆盖约 96% 的网页（含大量依赖 JavaScript 的页面）与跨数百万页面的 P95 延迟约 3.4 秒。 使用前需要注意：源码是 AGPL-3.0 许可，若把修改版本作为网络服务对外提供，需按该许可开放相应源码，商用集成前应逐条核对；官方基准数字来自其自有测试集，迁移到具体目标站点时应自行抽测成功率与延迟；交互与 Agent 端点的自动化程度更高、可预测性更低，关键数据仍应人工复核来源；抓取行为需遵守目标站点的服务条款、robots 规则与当地法律。
- 产品类型
- Web 数据抓取与转换 API
- 支持平台
- REST API（api.firecrawl.d / Python SDK（firecrawl） / Node.js SDK（firecrawl） / 命令行工具 / MCP 服务器（接入各类 AI 客户端） / 面向编码 Agent 的技能包 / 开源自托管 / 官方托管服务与在线试用场
- 资费模式
- 源码以 AGPL-3.0 许可开源、可自托管；官方托管服务按用量计费，需在官网注册获取 API 密钥。
核验信息
参考文章与数据来源
本页事实来自 Firecrawl 官方渠道：GitHub 仓库 README（「大规模搜索、抓取并与网页交互的 Web 数据 API」定位、为何选择的六项说明（覆盖率与延迟口径、LLM 友好输出、零配置处理代理与限流、面向智能体的接入、媒体解析、页面动作）、核心与扩展端点表格、各端点的调用示例与输出样例、MCP 与技能包安装方式、智能体自助注册引导）与许可文件（AGPL-3.0）、发布页版本与日期，以及官方站点、官方文档与在线试用场。star 数、版本与接口结构核验于 2026 年 9 月 22 日，项目发布频繁，请以官方文档与发布说明为准。
用户体验调查
Firecrawl介绍页面对您是否有帮助？