extract by Firecrawl

extract funciona de dos maneras. Puedes escribir un prompt en lenguaje natural que describa los datos que quieres, y el modelo elige una forma razonable. O puedes entregar un esquema JSON, para que cada registro vuelva con los campos y tipos exactos que definiste. Los equipos que necesitan una forma estable para una base de datos optan por el esquema; los que exploran un sitio desconocido empiezan con un prompt y lo ajustan después.

Puedes apuntar extract a una sola página, a una lista corta o a un sitio entero. Una URL con comodín, como example.com/*, le dice a Firecrawl que rastree el dominio y lea cada página que encuentre antes de extraer los campos. Así, una búsqueda por todo un sitio se resuelve en una llamada, sin que tengas que armar tú la lista de URLs. El modo de dominio completo está marcado como experimental, así que conviene revisar los resultados.

Activar la opción de búsqueda web deja que la extracción vaya más allá de las URLs que le diste. Firecrawl sigue páginas relacionadas para rellenar contexto que falta, útil cuando una sola página no trae todo lo que necesitas. Un ejemplo documentado saca precios, funciones y reseñas de dash cams partiendo de una ficha de producto y dejando que la búsqueda amplíe la red.

extract corre como una tarea, no como una llamada que bloquea. Envías la petición y recibes un ID de tarea, y luego consultas el endpoint de estado hasta que informe "completed". Los estados son completed, processing, failed y cancelled, así que puedes engancharlo a una cola o a un worker en segundo plano. Los resultados de la tarea siguen accesibles por la API durante 24 horas tras terminar.

Firecrawl publica SDK para Python y Node, así que no escribes las llamadas HTTP a mano. El cliente de Python acepta un modelo Pydantic como esquema, y el de Node toma un objeto Zod, lo que te da una salida tipada y validada. Ambos incluyen un método de inicio que devuelve un ID de tarea al momento, y un método de estado para pedir los resultados cuando la tarea termina.

Extract ahora factura en créditos, la misma moneda que los demás endpoints. Un crédito equivale a 15 tokens en extract, mientras que un scrape básico cuesta 1 crédito por página. Los créditos se comparten entre todos los endpoints, así que los resultados de búsqueda y las páginas rastreadas salen del mismo saldo. Eso hace más fácil prever el gasto cuando una tarea mezcla extracción y rastreo.

Firecrawl marca extract como la herramienta antigua y dirige el trabajo nuevo a /agent, su sucesor. Agent mantiene las opciones de prompt y esquema, pero elimina el requisito de URL, por lo que puede buscar y navegar solo. Si tu caso es "encuentra estos datos en algún lugar de la web", Agent es el camino; si ya conoces las URLs, extract sigue haciendo el trabajo.