Firecrawl
Firecrawl (Mendable AI) · Programación · Otro
Firecrawl es una API de datos web que convierte páginas en Markdown limpio o JSON estructurado, para que los agentes de IA busquen, rastreen y lean la web en vivo.
Acerca de Firecrawl
About
Qué es Firecrawl
Firecrawl recibe una URL y devuelve solo la parte útil de la página. La petición pasa por un navegador, se quitan menús, anuncios y avisos de cookies, y la respuesta llega en Markdown, HTML o JSON que un modelo de lenguaje puede leer sin limpieza previa. Es una API de scraping web para quien necesita convertir una web a Markdown sin escribir su propio analizador.
La mayoría de los equipos la usa para alimentar sistemas de recuperación, agentes y herramientas de investigación con contenido actualizado. Montar scraping web con IA por cuenta propia exige un renderizador, proxies y un limpiador de HTML; aquí todo eso viene detrás de una misma API para rastrear sitios web. La cuenta cubre búsqueda, extracción de una página, rastreo completo, descubrimiento de URLs, lectura de documentos, acciones de navegador y monitorización programada.
El proyecto es de código abierto con licencia AGPL-3.0 y tiene un servicio gestionado para quien prefiere no mantener navegadores ni proxies. Los créditos se comparten entre endpoints y un rastreo consume más que una extracción suelta, así que conviene revisar el presupuesto antes de apuntar a un sitio grande.
Primeros pasos
- Crea una cuenta en firecrawl.dev o lanza una petición de prueba sin clave. La vía sin clave tiene límite de peticiones, pero sirve para comprobar el servicio.
- Copia la clave desde el panel y guárdala como FIRECRAWL_API_KEY.
- Envía un POST a /v2/scrape con la URL y los formatos que quieras, por ejemplo markdown y json.
- Instala un SDK (pip install firecrawl-py o npm install firecrawl) o conecta el servidor MCP a Claude, Cursor o VS Code.
- Añade llamadas a crawl, map o monitor cuando necesites un sitio entero, una lista de URLs o avisos de cambios.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Firecrawl.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de IA que construyen sistemas de recuperación o agentes
- Desarrolladores que trabajan en Claude Code, Cursor o VS Code
- Equipos de análisis e investigación
Tareas
- Convertir la documentación de un producto en base de conocimiento para un chatbot
- Sacar precios o listados de tiendas con mucho JavaScript
- Obtener registros con tipos definidos
- Seguir páginas de la competencia
Casos de uso
- Un prototipo de RAG que necesita páginas reales esta misma semana
- Un bot de soporte que relee el centro de ayuda después de cada versión
- Un agente interno que entra en un portal de proveedores
Funciones clave
Extraer páginas en Markdown o JSON estructurado
El endpoint de scrape devuelve el contenido principal sin menús ni anuncios, en Markdown, HTML, enlaces, capturas o JSON ajustado a tu esquema. La extracción de datos estructurados sale de la misma llamada, así que los resultados caen en campos que puedes guardar. Los PDF y archivos DOCX pasan por la misma ruta, de modo que una mezcla de URLs y documentos acaba en un solo conjunto. La salida se guarda en caché y eso reduce el gasto en páginas que apenas cambian.
Buscar con el contenido completo de cada página
Search lanza una consulta a la web en vivo y devuelve el texto entero de cada resultado, no solo el título y el resumen. Puedes filtrar por dominio, fecha o país y pedir fragmentos destacados o un resumen. Una sola llamada da al agente contexto suficiente para responder sin una segunda ronda de extracción.
Rastrear un sitio completo
Crawl arranca en una URL y sigue enlaces según las reglas que fijes: profundidad, patrones de ruta, límite de páginas y uso del sitemap. Los trabajos corren en segundo plano e informan del progreso, así que un sitio de 5.000 páginas no bloquea tu aplicación. Recibes un registro en Markdown o JSON por página.
Descubrir la estructura antes de rastrear
Map devuelve la estructura de URLs de un dominio en segundos, algo útil cuando no sabes cómo está organizado el sitio. Filtra la lista después de la llamada y envía al rastreo solo las páginas que necesitas. Sale más barato que recorrer todo para averiguar qué existe.
Interactuar con páginas mediante un navegador gestionado
Interact abre una sesión de navegador real y ejecuta acciones como pulsar, escribir, desplazar o iniciar sesión. Eso cubre páginas que solo cargan contenido tras un clic o un acceso. Las sesiones están pensadas para tareas cortas, no para mantener un navegador abierto todo el día.
Vigilar cambios en las páginas
Monitor revisa una página, un rastreo o una búsqueda con la periodicidad que marques. Cuando el contenido cambia o aparece un resultado nuevo, Firecrawl envía un webhook, un correo o un mensaje de Slack. Sustituye una pila de tareas cron y scripts de diferencias para precios, páginas legales y notas de versión.
Ventajas y desventajas
Ventajas
- Siete endpoints con una sola clave: search, scrape, crawl, map, parse, interact y monitor.
- Markdown limpio desde el primer momento, sin menús ni plantillas antes de llegar al modelo.
- Código abierto con AGPL-3.0, así que puedes alojarlo por tu cuenta o leer el código antes de decidir.
- SDK oficiales para Python, Node.js, Go y Rust, además de CLI y servidor MCP.
- Plan gratuito con 1.000 créditos al mes y una primera petición sin clave para probar.
Desventajas
- El coste en créditos cambia según el endpoint y las opciones, y un rastreo grande puede agotar un plan antes de lo previsto.
- El plan gratuito permite 2 peticiones simultáneas y 10 al minuto en scrape, poco para trabajo por lotes.
- Interact no está hecho para sesiones persistentes, así que un agente que pasa horas con la sesión abierta necesita otra herramienta.
- El autoalojamiento implica mantener navegadores y proxies, y la licencia AGPL se aplica si modificas y distribuyes el código.
Preguntas frecuentes
Firecrawl da a las aplicaciones de IA una forma de leer la web. Convierte páginas, PDF y documentos en Markdown o JSON, y suma búsqueda, rastreo y vigilancia de cambios a esa tarea básica de extracción.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Firecrawl.
Alternativas a Firecrawl
Base Code
Base44 (Wix) · Programación · ProductividadBase Code es un entorno de desarrollo en la nube compartido de Base44. El equipo describe cambios sobre un repositorio de GitHub en el chat, los ve en una vista previa y los envía como pull requests.
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
GitGlow
GitGlow · Programación · ProductividadGitGlow es un cliente Git de escritorio que reúne tu código y los cambios de tus agentes de IA en una sola revisión, para que sepas qué va a salir de tu máquina antes de publicarlo.