AutoGen

Integra Firecrawl, la API de contexto para agentes de IA, con Microsoft AutoGen para dotar a las conversaciones multiagente de herramientas de búsqueda web y extracción de datos web en tiempo real. Microsoft ha archivado AutoGen, así que te recomendamos iniciar los proyectos nuevos con Microsoft Agent Framework.

Microsoft ha archivado AutoGen y ya no le da mantenimiento. Para proyectos nuevos, Microsoft recomienda Microsoft Agent Framework; para los proyectos existentes, puedes seguir la guía de migración. Las funciones de Firecrawl que se muestran a continuación son Python estándar, así que puedes reutilizarlas como herramientas en ese framework.

Configuración

pip install -U "autogen-agentchat" "autogen-ext[openai]" firecrawl

Configura tus claves:

export FIRECRAWL_API_KEY=fc-YOUR-API-KEY
export OPENAI_API_KEY=sk-YOUR-OPENAI-KEY

Firecrawl como herramienta de AutoGen

Este ejemplo encapsula scrape y search de Firecrawl como herramientas de funciones de AutoGen y luego permite que un único AssistantAgent las use para responder a una pregunta.

import asyncio
from firecrawl import Firecrawl
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient

firecrawl = Firecrawl()


def scrape_url(url: str) -> str:
    """Scrape a URL and return clean markdown."""
    result = firecrawl.scrape(url, formats=["markdown"])
    return result.markdown or ""


def web_search(query: str, limit: int = 5) -> list[dict]:
    """Search the web and return the top results."""
    result = firecrawl.search(query, limit=limit)
    return [
        {"title": r.title, "url": r.url, "snippet": r.description}
        for r in result.web or []
    ]


async def main() -> None:
    model = OpenAIChatCompletionClient(model="gpt-4o-mini")

    researcher = AssistantAgent(
        name="researcher",
        model_client=model,
        tools=[scrape_url, web_search],
        system_message=(
            "You are a web researcher. Use web_search to find candidate sources, "
            "then scrape_url to read the most relevant ones. Cite URLs in your answer."
        ),
    )

    await Console(
        researcher.run_stream(
            task="What does Firecrawl's /agent endpoint do? Cite the docs."
        )
    )


if __name__ == "__main__":
    asyncio.run(main())

Ejecútalo:

python researcher.py

Multiagente: Investigador + Redactor

Pasa la salida de Firecrawl de un agente investigador a un agente redactor dentro de un equipo round-robin.

import asyncio
from firecrawl import Firecrawl
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.conditions import MaxMessageTermination
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient

firecrawl = Firecrawl()


def scrape_url(url: str) -> str:
    result = firecrawl.scrape(url, formats=["markdown"])
    return result.markdown or ""


def web_search(query: str, limit: int = 5) -> list[dict]:
    result = firecrawl.search(query, limit=limit)
    return [
        {"title": r.title, "url": r.url, "snippet": r.description}
        for r in result.web or []
    ]


async def main() -> None:
    model = OpenAIChatCompletionClient(model="gpt-4o-mini")

    researcher = AssistantAgent(
        name="researcher",
        model_client=model,
        tools=[scrape_url, web_search],
        system_message="Gather sources with web_search + scrape_url. Reply with bullet-point findings and URLs.",
    )

    writer = AssistantAgent(
        name="writer",
        model_client=model,
        system_message="Turn the researcher's findings into a 200-word briefing with inline citations.",
    )

    team = RoundRobinGroupChat(
        [researcher, writer],
        termination_condition=MaxMessageTermination(max_messages=6),
    )

    await Console(team.run_stream(task="Write a briefing on Firecrawl's crawl endpoint."))


if __name__ == "__main__":
    asyncio.run(main())

Notas

Estos ejemplos usan el cliente síncrono Firecrawl, que funciona sin problemas dentro del bucle de eventos de AutoGen en cargas de trabajo pequeñas. Para scraping concurrente intensivo, usa AsyncFirecrawl con herramientas async def o usa extracción por lotes.
Reemplaza OpenAIChatCompletionClient por cualquier cliente de modelo compatible con AutoGen (Azure OpenAI, Anthropic mediante autogen-ext, Ollama, etc.). Firecrawl es independiente del modelo.
Consulta la documentación de AutoGen para ver patrones de agentes más allá de round-robin (selector, swarm, equipos anidados).

Primeros pasos

Herramientas de IA

Entornos de agentes

Clientes y pasarelas de MCP

SDKs y frameworks de LLM

Depuración con agentes

Recetarios

Configuración

Firecrawl como herramienta de AutoGen

Multiagente: Investigador + Redactor

Notas

​Configuración

​Firecrawl como herramienta de AutoGen

​Multiagente: Investigador + Redactor

​Notas

Configuración

Firecrawl como herramienta de AutoGen

Multiagente: Investigador + Redactor

Notas