Agent Development Kit（ADK）

通过模型上下文协议 (MCP) 将 Google 的 Agent Development Kit (ADK) 连接到 Firecrawl，让你的智能体能够对网页进行搜索、抓取、爬取和映射，获取干净的上下文。

概览

Firecrawl 提供一个 MCP 服务器，可与 Google 的 ADK 无缝集成，使你的智能体能够高效地对任意网站进行抓取、爬取，并提取结构化数据。该集成同时支持云端与自托管的 Firecrawl 实例，并通过可流式传输的 HTTP 实现最佳性能。

功能

高效完成任意网站的网页抓取、爬取与内容发现
高级搜索与智能内容提取
借助 Firecrawl 智能体自主开展网页研究
浏览器交互、文件解析与变更监控
灵活部署 (云端或自托管)
针对现代 Web 环境优化，支持 Streamable HTTP

前置条件

从 firecrawl.dev 获取 Firecrawl 的 API 密钥
安装支持 MCP 的 Google ADK：pip install "google-adk[mcp]"

设置

import os

from google.adk.agents.llm_agent import Agent
from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPConnectionParams
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset

FIRECRAWL_API_KEY = os.environ["FIRECRAWL_API_KEY"]

root_agent = Agent(
    model="gemini-3.8-flash",
    name="firecrawl_agent",
    description='使用 Firecrawl 抓取网站的智能助手',
    instruction='帮助用户搜索网站内容',
    tools=[
        MCPToolset(
            connection_params=StreamableHTTPConnectionParams(
                url="https://mcp.firecrawl.dev/v2/mcp",
                headers={"Authorization": f"Bearer {FIRECRAWL_API_KEY}"},
            ),
        )
    ],
)

import os

from google.adk.agents.llm_agent import Agent
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset
from mcp import StdioServerParameters

root_agent = Agent(
    model='gemini-3.8-flash',
    name='firecrawl_agent',
    description='使用 Firecrawl 抓取网站的智能助手',
    instruction='帮助用户搜索网站内容',
    tools=[
        MCPToolset(
            connection_params=StdioConnectionParams(
                server_params = StdioServerParameters(
                    command='npx',
                    args=[
                        "-y",
                        "firecrawl-mcp@3.33.2",
                    ],
                    env={
                        "FIRECRAWL_API_KEY": os.environ["FIRECRAWL_API_KEY"],
                    }
                ),
                timeout=30,
            ),
        )
    ],
)

在启动 ADK 的环境中设置 FIRECRAWL_API_KEY。请勿将其值放入智能体 prompt、源代码控制或 MCP URL 中。本地 MCP 软件包需要 Node.js 22 或更高版本。

可用工具

工具	名称	描述
Scrape 工具	`firecrawl_scrape`	抓取单个 URL 的内容，或以 JSON 格式提取结构化数据
Map 工具	`firecrawl_map`	映射网站以发现站点上所有已索引的 URL
Search 工具	`firecrawl_search`	搜索全网，并可选地从搜索结果中提取内容
Crawl 工具	`firecrawl_crawl`	爬取整个站点或其中某个部分，并返回相应页面
爬取状态检查	`firecrawl_check_crawl_status`	查看爬取任务状态
解析工具	`firecrawl_parse`	从 PDF、文档、电子表格或 HTML 文件中提取内容
智能体工具	`firecrawl_agent`, `firecrawl_agent_status`	基于多个信息来源开展自主研究，并查看任务状态
交互工具	`firecrawl_interact`, `firecrawl_interact_stop`	在实时页面上点击、填写表单和导航，完成后释放会话
监控工具	`firecrawl_monitor_*`	创建并运行定期检查，支持 Webhook 或电子邮件通知

完整列表请参见 MCP 工具。

配置

身份验证

FIRECRAWL_API_KEY：你的 Firecrawl API 密钥

使用云端 API (默认) 时为可选：未提供密钥时，抓取和搜索会在免费额度内以免密钥方式运行；使用其他工具或获取更高额度则需要密钥
在配合 FIRECRAWL_API_URL 的自托管实例中为可选

可选配置

Firecrawl API URL (用于自托管实例) ：

FIRECRAWL_API_URL：自定义 API 端点
示例：https://firecrawl.your-domain.com
如未配置，将使用云端 API

示例：网页研究智能体

import asyncio
import os

from google.adk.agents.llm_agent import Agent
from google.adk.runners import InMemoryRunner
from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPConnectionParams
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset

FIRECRAWL_API_KEY = os.environ["FIRECRAWL_API_KEY"]

# 创建研究代理
research_agent = Agent(
    model="gemini-3.8-flash",
    name="research_agent",
    description='An AI agent that researches topics by scraping and analyzing web content',
    instruction='''You are a research assistant. When given a topic or question:
    1. Use the search tool to find relevant websites
    2. Scrape the most relevant pages for detailed information
    3. Extract structured data when needed
    4. Provide comprehensive, well-sourced answers''',
    tools=[
        MCPToolset(
            connection_params=StreamableHTTPConnectionParams(
                url="https://mcp.firecrawl.dev/v2/mcp",
                headers={"Authorization": f"Bearer {FIRECRAWL_API_KEY}"},
            ),
        )
    ],
)

# 运行代理并打印其回复
async def main():
    runner = InMemoryRunner(agent=research_agent)
    await runner.run_debug("What are the latest features in Python 3.13?")
    await runner.close()

asyncio.run(main())

最佳实践

为任务选择合适的工具：
- 当你需要先找到相关页面时，使用 firecrawl_search
- 抓取单个页面时，使用 firecrawl_scrape
- 需要发现并抓取整站时，使用 firecrawl_crawl
- 当你已经有一份简短的已知 URL 列表时，重复调用 firecrawl_scrape
监控使用情况：使用你的 Firecrawl Dashboard 和 API 响应来跟踪额度使用情况。
妥善处理错误：向用户显示 MCP/API 错误，并且仅在你的代理工作流能够安全执行时才进行重试。
优化性能：当代理需要发现相关 URL 时，在抓取前先使用 firecrawl_map。

使用 Google Agent Development Kit（ADK）与 Firecrawl 构建 AI 代理的完整指南

了解如何基于 Google 的 ADK 框架，结合 Firecrawl 的网页抓取能力，构建强大的多智能体 AI 系统。

MCP 服务器文档

进一步了解 Firecrawl 的模型上下文协议 (MCP) 服务器的集成方式与功能。

Google ADK 官方文档

查阅 Google Agent Development Kit 官方文档，获取完整指南与 API 参考。

快速上手

核心端点

更多

快速入门

开发者指南

Webhooks

使用场景

其他

参与贡献

Agent Development Kit（ADK）

概览

功能

前置条件

设置

可用工具

配置

身份验证

可选配置

示例：网页研究智能体

最佳实践

使用 Google Agent Development Kit（ADK）与 Firecrawl 构建 AI 代理的完整指南

MCP 服务器文档

Google ADK 官方文档

​概览

​功能

​前置条件

​设置

​可用工具

​配置

​身份验证

​可选配置

​示例：网页研究智能体

​最佳实践

​相关资源

使用 Google Agent Development Kit（ADK）与 Firecrawl 构建 AI 代理的完整指南

MCP 服务器文档

Google ADK 官方文档

概览

功能

前置条件

设置

可用工具

配置

身份验证

可选配置

示例：网页研究智能体

最佳实践

相关资源