跳转到主要内容
选择合适的工具。 当你不知道 URL,或需要在网页上进行自主导航时,代理就是正确的选择。 Firecrawl /agent 是一个魔法般的 API,它可以在最广泛的网站范围内进行搜索、导航并收集数据,在难以触及的角落中找到数据,并以其他任何 API 都无法做到的方式发掘信息。它可以在几分钟内完成原本需要人类耗费数小时的工作——从端到端的数据采集,全程无需脚本或人工操作。 无论你只需要一个数据点,还是需要大规模的完整数据集,Firecrawl /agent 都能为你获取这些数据。 /agent 想象成:无论数据藏在哪里,它都能替你做深度调研!
Research Preview:代理目前处于早期访问阶段。可能会有不完善之处,但它会随着时间显著变好。分享反馈 →
代理构建于 /extract 的全部优势之上,并在此基础上更进一步:
  • 无需提供 URL:只需通过 prompt 参数描述你的需求,URL 是可选的。
  • 深度网页搜索:自主搜索并深入浏览站点以找到所需数据
  • 可靠且准确:适用于多种类型的查询和使用场景
  • 更快:并行处理多个数据源以更快返回结果

在 Playground 中体验

在交互式 Playground 中测试该 Agent,无需编写代码。

使用 /agent

唯一必需的参数是 prompt。只需描述你想要提取的数据。要获得结构化输出,请提供一个 JSON schema。SDK 支持使用 Pydantic (Python) 和 Zod (Node) 来定义类型安全的 schema:

响应

JSON

提供 URL (可选)

你可以选择提供 URL,让 agent 专注于特定页面:

任务状态与完成

Agent 任务以异步方式运行。提交任务后,你会收到一个 Job ID,用于检查任务状态:
  • 默认方式agent() 会阻塞等待,并返回最终结果
  • 先启动再轮询:使用 start_agent (Python) 或 startAgent (Node) 立即获取 Job ID,然后通过 get_agent_status / getAgentStatus 进行轮询
任务结果在完成后可通过 API 获取,保留 24 小时。在此之后,你仍然可以在 activity logs 中查看你的 Agent 历史记录和结果。

可能的状态

取消是协作式的。 当你调用取消端点时,请求会立即登记,但任何已经在进行中的步骤 (如 LLM 推理步骤、工具调用或浏览器操作) 都会先运行到可安全停止的节点,然后任务才会转为 cancelled。在这段短暂时间内,额度仍可能继续累积,因此最终的 creditsUsed 可能高于你点击取消时显示的数值。

等待中示例

JSON

已完成示例

JSON

分享代理运行记录

你可以直接在 Agent playground 中分享代理运行记录。共享链接是公开的,任何拥有链接的人都可以查看运行输出和活动;你也可以随时撤销访问权限以停用该链接。共享页面不会被搜索引擎收录。

模型选择

Firecrawl Agent 提供两种模型。Spark 1 Mini 成本低 60%,并且是默认选项——适用于大多数使用场景。当你在复杂任务上需要最高准确率时,再升级到 Spark 1 Pro。
从 Spark 1 Mini 开始使用 (默认) ——在成本降低 60% 的前提下,它就能很好地完成大部分抽取任务。仅在进行复杂的多领域调研或对准确性要求极高时,再切换到 Pro。

Spark 1 Mini (默认)

spark-1-mini 是我们的高效模型,非常适合简单直接的数据提取任务。 在以下情况下使用 Mini:
  • 提取简单数据点 (联系方式、价格信息等)
  • 处理结构清晰的网站
  • 需要优先考虑成本效率
  • 运行大批量提取任务时

Spark 1 Pro

spark-1-pro 是我们的旗舰模型,专为在复杂数据提取任务中实现最高准确率而设计。 在以下场景使用 Pro:
  • 进行复杂的竞品分析
  • 提取需要深入推理的数据
  • 你的用例对准确性要求极高
  • 处理模糊或难以获取的数据

指定模型

通过传入 model 参数来选择要使用的模型:

参数

Agent 与 Extract:有哪些改进

示例用例

  • 调研: “找出前 5 家 AI 初创公司及其融资金额”
  • 竞品分析: “比较 Slack 和 Microsoft Teams 的定价方案”
  • 数据收集: “从公司网站中提取联系方式”
  • 内容摘要: “总结关于网页抓取的最新博客文章”

在 Agent Playground 中上传 CSV

Agent Playground 支持通过上传 CSV 进行批量处理。你的 CSV 可以包含一列或多列输入数据。例如:一列公司名称,或者多列数据,如公司名称、产品和网站 URL。每一行都代表一个需要由 Agent 处理的条目。 上传你的 CSV,然后使用表头中的 ”+” 按钮添加输出列。每一列都有自己的 prompt——点击列表头,描述 Agent 应为该字段查找什么内容 (例如,“CEO 或创始人姓名”、“融资总额”) 。点击 Run,Agent 会并行处理每一行并填充结果。

使用 Ask 排查问题

如果你的代理任务失败或返回了异常结果,请使用 Ask API 进行代理式调试。描述问题,即可获取经过验证的答案以及可直接应用的修复参数:
请参见 Ask 文档,了解完整详情和集成示例。

API 参考

请参阅 Agent API Reference 以了解更多详情。 有反馈或需要帮助?请发送邮件至 help@firecrawl.com

价格

Firecrawl Agent 使用 动态计费 模式,费用会随你的数据提取请求复杂度而变化。你根据 Agent 实际完成的工作量付费,无论是提取简单的数据点,还是从多个来源获取复杂的结构化信息,都能享受公平的定价。

Agent 计费方式

在 Research Preview 阶段,Agent 的计费是动态的、基于 credit 的
  • 简单抽取任务 (例如从单个页面提取联系方式) 通常消耗更少的 credits,成本更低
  • 复杂研究任务 (例如对多个域名进行竞品分析) 会消耗更多 credits,但更能体现整体投入的工作量
  • 用量透明会清楚展示每个请求具体消耗了多少 credits
  • Credit 换算会自动将 Agent 的 credit 使用量换算为 credits,便于计费
Credit 使用量会因 prompt 的复杂度、处理的数据量以及期望输出的结构而有所不同。大致来说,大多数 Agent 运行会消耗数百个 credits,更简单的单页任务可能会用得更少,而复杂的多域名研究可能会用得更多。

并行 Agent 计费

如果你使用 Spark-1 Fast 并行运行多个 agent,费用会更加可预测:每个 cell 消耗 10 个积分。

入门

所有用户每天都会获得5 次免费运行,可以通过 playground 或 API 使用,用于在无需付费的情况下体验 Agent 的功能。 额外用量会根据 credit 消耗计费,并换算为 credits。

成本管理

代理可能会比较昂贵,但有一些方法可以降低成本:
  • 从免费运行开始:利用你每天 5 次免费请求来了解定价
  • 设置 maxCredits 参数:通过设置你愿意花费的最大额度数来限制支出。Dashboard 将此上限设为 2,500 额度;若要设置更高的上限,请直接通过 API 使用 maxCredits 参数 (注意:高于 2,500 的值始终按付费请求计费)
  • 优化 prompt:更具体的 prompt 通常会消耗更少的额度
  • 将大型任务拆分为更小的运行:单次代理运行的输出上限取决于底层模型的生成能力 (约 150-200 行结构化数据) 。对于大型提取任务,可按类别、地区或 URL 批次 (每次运行 3-5 个 URL) 进行拆分,再合并结果。这也能让每次运行都保持在 maxCredits 限制之下。
  • 监控用量:通过 Dashboard 追踪你的使用情况
  • 设定预期:跨多个站点/领域的复杂研究会比简单的单页提取消耗更多额度
现在访问 firecrawl.dev/app/agent 试用代理,看看在你的具体用例下额度的使用如何随规模变化。
随着我们从 Research Preview 过渡到正式开放,定价可能会发生变化。现有用户将在任何价格更新前提前收到通知。
你是需要 Firecrawl API 密钥的 AI 代理吗?请参阅 firecrawl.dev/agent-onboarding/SKILL.md 了解自动化引导说明。