跳转到主要内容
一个基于模型上下文协议（MCP）的服务器实现，集成了 Firecrawl，提供网页抓取能力。我们的 MCP 服务器开源，代码托管在 GitHub。

​
功能

  • 网站抓取、爬行与发现
  • 搜索与内容提取
  • 深度研究与批量抓取
  • 支持云端与自托管
  • 支持 HTTP 流式传输

​
安装

你可以使用我们的托管远程 URL，或在本地运行服务器。请前往 https://firecrawl.dev/app/api-keys 获取你的 API 密钥。

​
远程托管 URL

https://mcp.firecrawl.dev/{FIRECRAWL_API_KEY}/v2/mcp

​
使用 npx 运行

env FIRECRAWL_API_KEY=fc-YOUR_API_KEY npx -y firecrawl-mcp

​
手动安装

npm install -g firecrawl-mcp

​
在 Cursor 中运行

将 Firecrawl MCP 服务器添加到 Cursor

​
手动安装

配置 Cursor 🖥️ 注意：需要 Cursor 版本 0.45.6 及以上 如需获取最新配置说明，请参阅 Cursor 官方关于配置 模型上下文协议（MCP）服务器的文档： Cursor MCP 服务器配置指南 在 Cursor v0.48.6 中配置 Firecrawl MCP
  1. 打开 Cursor 设置
  2. 前往 Features > MCP Servers
  3. 点击 “+ Add new global MCP server”
  4. 输入以下代码： 
    {
  "mcpServers": {
    "firecrawl-mcp": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "YOUR-API-KEY"
      }
    }
  }
}
在 Cursor v0.45.6 中配置 Firecrawl MCP
  1. 打开 Cursor 设置
  2. 前往 Features > MCP Servers
  3. 点击 “+ Add New MCP Server”
  4. 输入以下内容：
    • Name: “firecrawl-mcp”（或你偏好的名称）
    • Type: “command”
    • Command: env FIRECRAWL_API_KEY=your-api-key npx -y firecrawl-mcp
如果你使用的是 Windows 并遇到问题，尝试：cmd /c "set FIRECRAWL_API_KEY=your-api-key && npx -y firecrawl-mcp"
将 your-api-key 替换为你的 Firecrawl API 密钥。如果你还没有，可以创建账号并从 https://www.firecrawl.dev/app/api-keys 获取。 添加后，刷新 MCP 服务器列表以查看新工具。Composer 代理会在合适的情况下自动使用 Firecrawl MCP，但你也可以通过描述你的网页抓取需求来显式请求。通过 Command+L（Mac）打开 Composer，在提交按钮旁选择 “Agent”，然后输入你的查询。

​
在 Windsurf 上运行

将以下内容添加到你的 ./codeium/windsurf/model_config.json： 
{
  "mcpServers": {
    "mcp-server-firecrawl": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "你的 API 密钥"
      }
    }
  }
}

​
以可流式 HTTP 模式运行

要在本地使用可流式 HTTP 传输运行服务器，而不是默认的 stdio 传输： 
env HTTP_STREAMABLE_SERVER=true FIRECRAWL_API_KEY=fc-YOUR_API_KEY npx -y firecrawl-mcp
使用以下 URL：http://localhost:3000/v2/mcp 或 https://mcp.firecrawl.dev/{FIRECRAWL_API_KEY}/v2/mcp

​
通过 Smithery 安装（旧版）

要通过 Smithery 为 Claude Desktop 自动安装 Firecrawl： 
npx -y @smithery/cli install @mendableai/mcp-server-firecrawl --client claude

​
在 VS Code 中运行

要一键安装，请点击下方任一安装按钮… 在 VS Code 中使用 NPX 安装 在 VS Code Insiders 中使用 NPX 安装 如需手动安装，请将以下 JSON 代码块添加到 VS Code 的用户设置（JSON）文件中。你可以按 Ctrl + Shift + P，然后输入 Preferences: Open User Settings (JSON)。 
{
  "mcp": {
    "inputs": [
      {
        "type": "promptString",
        "id": "apiKey",
        "description": "Firecrawl API 密钥",
        "password": true
      }
    ],
    "servers": {
      "firecrawl": {
        "command": "npx",
        "args": ["-y", "firecrawl-mcp"],
        "env": {
          "FIRECRAWL_API_KEY": "${input:apiKey}"
        }
      }
    }
  }
}
你也可以选择将其添加到工作区中的 .vscode/mcp.json 文件中。这样你就可以将该配置与他人共享： 
{
  "inputs": [
    {
      "type": "promptString",
      "id": "apiKey",
      "description": "Firecrawl API 密钥",
      "password": true
    }
  ],
  "servers": {
    "firecrawl": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "${input:apiKey}"
      }
    }
  }
}
注意： 一些用户在将 MCP 服务器添加到 VS Code 时遇到问题，原因是 VS Code 使用过时的模式（schema）格式来验证 JSON（microsoft/vscode#155379）。这会影响多个 MCP 工具，包括 Firecrawl。 临时解决方案： 在 VS Code 中禁用 JSON 验证，以便正确加载 MCP 服务器。
参考：directus/directus#25906（评论）。 通过其他扩展调用时，MCP 服务器仍可正常工作；但当直接将其注册到 MCP 服务器列表时会出现该问题。我们计划在 VS Code 更新其 schema 验证后提供相关指导。

​
在 Claude Desktop 上运行

将以下内容添加到 Claude 的配置文件中： 
{
  "mcpServers": {
    "firecrawl": {
      "url": "https://mcp.firecrawl.dev/v2/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

​
在 Claude Code 上运行

使用 Claude Code CLI 添加 Firecrawl 模型上下文协议（MCP）服务器： 
claude mcp add firecrawl -e FIRECRAWL_API_KEY=your-api-key -- npx -y firecrawl-mcp

​
在 n8n 上运行

要在 n8n 中连接 Firecrawl MCP 服务器：
  1. 前往 https://firecrawl.dev/app/api-keys 获取你的 Firecrawl API 密钥
  2. 在 n8n 工作流中添加一个 AI Agent 节点
  3. 在 AI Agent 的配置中添加一个新的 Tool
  4. 将工具类型选择为 MCP Client Tool
  5. 输入 MCP 服务器的 Endpoint（将 {YOUR_FIRECRAWL_API_KEY} 替换为你的实际 API 密钥）：
  https://mcp.firecrawl.dev/{YOUR_FIRECRAWL_API_KEY}/v2/mcp
  1. 将 Server Transport 设置为 HTTP Streamable
  2. 将 Authentication 设置为 None
  3. 在 Tools to include 中，你可以选择 All、Selected 或 All Except——这将暴露 Firecrawl 工具（scrape、crawl、map、search、extract 等）
对于自托管部署，使用 npx 运行 MCP 服务器，并启用 HTTP 传输模式： 
env HTTP_STREAMABLE_SERVER=true \
    FIRECRAWL_API_KEY=fc-YOUR_API_KEY \
    FIRECRAWL_API_URL=YOUR_FIRECRAWL_INSTANCE \
    npx -y firecrawl-mcp
这会在 http://localhost:3000/v2/mcp 启动服务器，你可以在 n8n 工作流中将其用作端点。由于 n8n 需要使用 HTTP 传输，因此必须设置环境变量 HTTP_STREAMABLE_SERVER=true。

​
配置

​
环境变量

​
云端 API 必需

  • FIRECRAWL_API_KEY：你的 Firecrawl API 密钥
    • 使用云端 API（默认）时必需
    • 在使用并配置了 FIRECRAWL_API_URL 的自托管实例时可选
  • FIRECRAWL_API_URL（可选）：自托管实例的自定义 API 端点
    • 示例：https://firecrawl.your-domain.com
    • 如未提供，将使用云端 API（需要提供 API 密钥）

​
可选配置

重试配置
  • FIRECRAWL_RETRY_MAX_ATTEMPTS: 最大重试次数（默认：3）
  • FIRECRAWL_RETRY_INITIAL_DELAY: 首次重试前的初始延迟（单位：毫秒，默认：1000）
  • FIRECRAWL_RETRY_MAX_DELAY: 各次重试之间的最大延迟（单位：毫秒，默认：10000）
  • FIRECRAWL_RETRY_BACKOFF_FACTOR: 指数退避系数（默认：2）
额度使用监控
  • FIRECRAWL_CREDIT_WARNING_THRESHOLD: 额度使用警告阈值（默认值：1000）
  • FIRECRAWL_CREDIT_CRITICAL_THRESHOLD: 额度使用临界阈值（默认值：100）

​
配置示例

用于云端 API 的自定义重试与额度监控： 
# 云端 API 必需
export FIRECRAWL_API_KEY=your-api-key

# 可选的重试配置
export FIRECRAWL_RETRY_MAX_ATTEMPTS=5        # 提高最大重试次数
export FIRECRAWL_RETRY_INITIAL_DELAY=2000    # 初始延迟 2 秒
export FIRECRAWL_RETRY_MAX_DELAY=30000       # 最长延迟 30 秒
export FIRECRAWL_RETRY_BACKOFF_FACTOR=3      # 更激进的退避策略

# 可选的额度监控
export FIRECRAWL_CREDIT_WARNING_THRESHOLD=2000    # 配额 2000 时预警
export FIRECRAWL_CREDIT_CRITICAL_THRESHOLD=500    # 配额 500 时严重警报
自托管实例： 
# 自托管必需
export FIRECRAWL_API_URL=https://firecrawl.your-domain.com

# 自托管的可选身份验证
export FIRECRAWL_API_KEY=your-api-key  # 如果你的实例需要身份验证

# 自定义重试配置
export FIRECRAWL_RETRY_MAX_ATTEMPTS=10
export FIRECRAWL_RETRY_INITIAL_DELAY=500     # 以更短的间隔开始重试

​
在 Claude Desktop 中进行自定义配置

将以下内容添加到你的 claude_desktop_config.json： 
{
  "mcpServers": {
    "mcp-server-firecrawl": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "在此填写你的 API Key",

        "FIRECRAWL_RETRY_MAX_ATTEMPTS": "5",
        "FIRECRAWL_RETRY_INITIAL_DELAY": "2000",
        "FIRECRAWL_RETRY_MAX_DELAY": "30000",
        "FIRECRAWL_RETRY_BACKOFF_FACTOR": "3",

        "FIRECRAWL_CREDIT_WARNING_THRESHOLD": "2000",
        "FIRECRAWL_CREDIT_CRITICAL_THRESHOLD": "500"
      }
    }
  }
}

​
系统配置

服务器包含多个可通过环境变量设置的参数。若未配置，默认值如下： 
const CONFIG = {
  retry: {
    maxAttempts: 3, // 针对因速率限制受限的请求的重试次数
    initialDelay: 1000, // 首次重试前的初始延迟（毫秒）
    maxDelay: 10000, // 各次重试之间的最大延迟（毫秒）
    backoffFactor: 2, // 指数退避的倍率
  },
  credit: {
    warningThreshold: 1000, // 当额度使用达到该阈值时发出警告
    criticalThreshold: 100, // 当额度使用达到该阈值时发出严重告警
  },
};
这些配置用于控制：
  1. 重试行为
    • 因触发速率限制而失败的请求将自动重试
    • 采用指数退避以避免压垮 API
    • 示例：在默认设置下，重试的时间为：
      • 第 1 次重试：延迟 1 秒
      • 第 2 次重试：延迟 2 秒
      • 第 3 次重试：延迟 4 秒（延迟上限为 maxDelay）
  2. 额度使用监控
    • 跟踪云端 API 的额度消耗
    • 在设定阈值处发出警告
    • 帮助避免意外的服务中断
    • 示例：在默认设置下：
      • 剩余 1000 额度时发出警告
      • 剩余 100 额度时发出严重警报

​
速率限制与批处理

服务器利用 Firecrawl 内置的速率限制与批处理能力：
  • 采用指数退避自动处理速率限制
  • 高效并行处理批量任务
  • 智能请求排队与限流
  • 对瞬时性错误自动重试

​
可用的工具

​
1. Scrape 工具（firecrawl_scrape）

使用高级选项从单个 URL 提取内容。 
{
  "name": "firecrawl_scrape",
  "arguments": {
    "url": "https://example.com",
    "formats": ["markdown"],
    "onlyMainContent": true,
    "waitFor": 1000,
    "timeout": 30000,
    "mobile": false,
    "includeTags": ["article", "main"],
    "excludeTags": ["nav", "footer"],
    "skipTlsVerification": false
  }
}

​
2. 批量抓取工具 (firecrawl_batch_scrape)

通过内置的速率限制与并行处理，高效抓取多个 URL。 
{
  "name": "firecrawl_batch_scrape",
  "arguments": {
    "urls": ["https://example1.com", "https://example2.com"],
    "options": {
      "formats": ["markdown"],
      "onlyMainContent": true
    }
  }
}
响应包含可用于状态检查的操作 ID： 
{
  "content": [
    {
      "type": "text",
      "text": "批量操作已排队，ID：batch_1。使用 firecrawl_check_batch_status 查看进度。"
    }
  ],
  "isError": false
}

​
3. 检查批次状态 (firecrawl_check_batch_status)

检查批次操作的状态。 
{
  "name": "firecrawl_check_batch_status",
  "arguments": {
    "id": "batch_1"
  }
}

​
4. 映射工具（firecrawl_map）

对整个网站进行映射，发现站点上所有已收录的 URL。 
{
  "name": "firecrawl_map",
  "arguments": {
    "url": "https://example.com",
    "search": "blog",
    "sitemap": "include",
    "includeSubdomains": false,
    "limit": 100,
    "ignoreQueryParameters": true
  }
}

​
Map 工具选项：

  • url: 要映射的网站基础 URL
  • search: 可选搜索词，用于筛选 URL
  • sitemap: 站点地图使用方式——“include”、“skip” 或 “only”
  • includeSubdomains: 是否在映射中包含子域名
  • limit: 返回的 URL 最大数量
  • ignoreQueryParameters: 映射时是否忽略查询参数
最佳用途： 在决定抓取内容前发现站点上的 URL；定位站点的特定版块。 返回： 站点上发现的 URL 数组。 在网络上进行搜索，并可选地从搜索结果中提取内容。 
{
  "name": "firecrawl_search",
  "arguments": {
    "query": "您的搜索查询",
    "limit": 5,
    "lang": "en",
    "country": "us",
    "scrapeOptions": {
      "formats": ["markdown"],
      "onlyMainContent": true
    }
  }
}

​
6. Crawl 工具（firecrawl_crawl）

使用高级选项启动异步抓取。 
{
  "name": "firecrawl_crawl",
  "arguments": {
    "url": "https://example.com",
    "maxDepth": 2,
    "limit": 100,
    "allowExternalLinks": false,
    "deduplicateSimilarURLs": true
  }
}

​
7. 检查爬取状态（firecrawl_check_crawl_status）

查看爬取任务的状态。 
{
  "name": "firecrawl_check_crawl_status",
  "arguments": {
    "id": "550e8400-e29b-41d4-a716-446655440000"
  }
}
返回： 抓取任务的状态与进度，并在可用时包含结果。

​
8. 提取工具 (firecrawl_extract)

利用 LLM 从网页中提取结构化信息。支持云端 AI 与自托管 LLM 的提取。 
{
  "name": "firecrawl_extract",
  "arguments": {
    "urls": ["https://example.com/page1", "https://example.com/page2"],
    "prompt": "提取产品信息，包括名称、价格和描述",
    "systemPrompt": "你是一个专门提取产品信息的助手",
    "schema": {
      "type": "object",
      "properties": {
        "name": { "type": "string" },
        "price": { "type": "number" },
        "description": { "type": "string" }
      },
      "required": ["name", "price"]
    },
    "allowExternalLinks": false,
    "enableWebSearch": false,
    "includeSubdomains": false
  }
}
示例返回： 
{
  "content": [
    {
      "type": "text",
      "text": {
        "name": "示例产品",
        "price": 99.99,
        "description": "这是一个示例产品描述"
      }
    }
  ],
  "isError": false
}

​
提取工具选项：

  • urls: 需要提取信息的 URL 数组
  • prompt: 用于 LLM 提取的自定义提示
  • systemPrompt: 用于引导 LLM 的系统提示
  • schema: 用于结构化数据提取的 JSON 架构
  • allowExternalLinks: 允许从外部链接提取
  • enableWebSearch: 启用网页搜索以获取更多上下文
  • includeSubdomains: 在提取中包含子域名
使用自托管实例时，将使用你配置的 LLM 进行提取。对于云 API，则使用 Firecrawl 托管的 LLM 服务。

​
日志系统

服务器提供全面的日志记录：
  • 操作状态与进度
  • 性能指标
  • 额度使用监控
  • 速率限制跟踪
  • 错误情况
示例日志消息： 
[INFO] Firecrawl MCP 服务器初始化成功
[INFO] 开始抓取 URL：https://example.com
[INFO] 批处理已入队，ID：batch_1
[WARNING] 额度使用已达到警戒阈值
[ERROR] 超出速率限制，2 秒后重试…

​
错误处理

服务器提供完善的错误处理：
  • 对瞬时错误自动重试
  • 采用退避策略的速率限制处理
  • 详细的错误信息
  • 额度使用警告
  • 网络抗扰性
错误响应示例： 
{
  "content": [
    {
      "type": "text",
      "text": "错误：超过速率限制。2 秒后重试……"
    }
  ],
  "isError": true
}

​
开发

# 安装依赖
npm install

# 构建
npm run build

# 运行测试
npm test

​
参与贡献

  1. Fork 此仓库
  2. 创建功能分支
  3. 运行测试：npm test
  4. 提交 pull request

​
致谢贡献者

感谢 @vrknetha、@cawstudios 完成初始实现！ 感谢 MCP.so 和 Klavis AI 提供托管支持，亦感谢 @gstarwd、@xiangkaiz 与 @zihaolin96 集成我们的服务器。

​
许可

MIT 许可 — 详情请查看 LICENSE 文件