Passer au contenu principal
Firecrawl Research est un index spécialement conçu pour les agents de recherche scientifique et d’ingénierie. Il propose un ensemble d’outils dédié à la recherche pour chercher des articles, examiner les métadonnées des articles, lire les passages pertinents du texte intégral, découvrir des articles connexes grâce à l’expansion structurelle et rechercher dans des dépôts GitHub liés à la recherche.
  • Trouvez des articles par sujet, méthode, benchmark, auteur ou catégorie
  • Examinez les métadonnées canoniques des articles et les identifiants de source
  • Lisez, dans un article, les passages qui répondent à une question précise
  • À partir d’articles de départ pertinents, élargissez vers des articles connexes, des articles citants ou des références
  • Recherchez dans l’historique GitHub et les README des notes d’implémentation, des bugs et des discussions de conception
Pour donner à votre agent accès à l’Index de recherche, nous vous recommandons vivement d’utiliser notre CLI ou MCP, associé à notre skill de recherche dédié, que vous pouvez installer avec :
Prime : récompense de 5 000 crédits pour des retours de qualité sur /search (GitHub)

Pour être éligible, répondez à un entretien riche en informations (cas d’utilisation réfléchis, concrets, etc.) avec notre assistant de feedback Firecrawl. Cela ne prend que quelques minutes, peut être interrompu à tout moment et convient aussi bien aux humains qu’aux agents (il suffit de coller le lien dans votre harness agentique !).

Démarrer l’entretien

Indiquez votre e-mail pour être éligible. Les entretiens sont examinés en fin de semaine pour en évaluer la qualité.

Points de terminaison

TâchePoint de terminaison
Rechercher des articles scientifiquesGET /search/research/papers
Consulter les métadonnées ou lire des passagesGET /search/research/papers/{id}
Trouver des articles connexesGET /search/research/papers/{id}/similar
Rechercher dans l’historique GitHubGET /search/research/github

Rechercher des articles scientifiques

Recherchez dans les résumés d’articles scientifiques à l’aide d’une requête en langage naturel. La réponse renvoie des articles classés, avec le paperId canonique, le primaryId privilégié, les identifiants de source, le titre, le résumé, le score et, éventuellement, des signaux de classement.
Filtres facultatifs :
  • authors : filtre sur une sous-chaîne du nom de l’auteur ; tous les filtres doivent correspondre
  • categories : filtre par catégorie d’article, par exemple cs.LG
  • from : borne inférieure inclusive de création/mise à jour, YYYY-MM-DD
  • to : borne supérieure inclusive de création/mise à jour, YYYY-MM-DD

Examiner un article

Utilisez un paperId canonique ou un primaryId propre à la source.

Lire des passages d’articles

Ajoutez query au même chemin d’article pour obtenir les passages les plus pertinents du texte intégral pour une question. C’est utile pour vérifier si un article candidat contient bien une méthode, un jeu de données, une contrainte ou un résultat avant de l’inclure.
À partir d’un ou de plusieurs articles de départ, effectuez une expansion sémantique et classez les candidats en fonction d’une intent en langage naturel.
Modes :
  • similar : voisinage de co-citation et de couplage bibliographique
  • citers : articles qui citent l’article de départ
  • references : articles cités par l’article de départ

Rechercher dans l’historique GitHub

Recherchez dans les issues, pull requests, discussions et README de dépôts GitHub des détails d’implémentation et des antécédents techniques.
Les résultats GitHub incluent le dépôt, l’URL, les métadonnées d’issue/PR lorsqu’elles sont disponibles, un extrait, ainsi que le contenu Markdown correspondant lorsqu’il est disponible.