Firecrawl MCP 服务器

一个模型上下文协议（MCP）服务器实现，集成了用于网页抓取的 Firecrawl 能力。我们的 MCP 服务器是开源的，代码托管在 GitHub。

功能

网站抓取、爬取与发现
搜索与内容抽取
深度研究与批量抓取
支持云端与自部署
支持 SSE（服务器发送事件）

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/sse

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 MCP.so 的 Playground 上体验我们的 MCP 服务器，或在 Klavis AI 上试用。

在 Cursor 中运行

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

打开 Cursor 设置
前往 Features > MCP Servers
点击 “+ Add new global MCP server”

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

打开 Cursor 设置
前往 Features > MCP Servers
点击 “+ Add New MCP Server”
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"
      }
    }
  }
}

使用 SSE 模式运行

要在本地使用服务器发送事件（SSE）运行服务器，而非默认的 stdio 传输方式：

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

使用以下 URL：http://localhost:3000/v2/sse 或 https://mcp.firecrawl.dev/{FIRECRAWL_API_KEY}/v2/sse

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

如需一键安装，点击下方任一安装按钮…

如需手动安装，请将以下 JSON 块添加到 VS Code 的用户设置（JSON）文件中。你可以按下 Ctrl + Shift + P，输入 Preferences: Open User Settings (JSON) 即可。

{
  "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，这样就能与他人共享该配置：

{
  "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}"
      }
    }
  }
}

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/{YOUR_API_KEY}/v2/sse"
    }
  }
}

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

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：

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）
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. 搜索工具（`firecrawl_search`）

在网络上搜索，并可选地从搜索结果中提取内容。

{
  "name": "firecrawl_search",
  "arguments": {
    "query": "你的搜索关键词",
    "limit": 5,
    "lang": "en",
    "country": "us",
    "scrapeOptions": {
      "formats": ["markdown"],
      "onlyMainContent": true
    }
  }
}

5. 爬取工具（`firecrawl_crawl`）

使用高级选项启动异步爬取。

{
  "name": "firecrawl_crawl",
  "arguments": {
    "url": "https://example.com",
    "maxDepth": 2,
    "limit": 100,
    "allowExternalLinks": false,
    "deduplicateSimilarURLs": true
  }
}

6. 提取工具（`firecrawl_extract`）

利用 LLM 从网页提取结构化信息。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": "提取包含名称、价格和描述的商品信息",
    "systemPrompt": "你是一名高效的助手，负责提取商品信息",
    "schema": {
      "type": "object",
      "properties": {
        "name": { "type": "string" },
        "price": { "type": "number" },
        "description": { "type": "string" }
      },
      "required": ["name", "price"]
    },
    "allowExternalLinks": false,
    "enableWebSearch": false,
    "includeSubdomains": false
  }
}

示例响应：

{
  "content": [
    {
      "type": "text",
      "text": {
        "name": "示例商品",
        "price": 99.99,
        "description": "这是该商品的示例描述"
      }
    }
  ],
  "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。

7. 深度研究工具（firecrawl_deep_research）

针对查询，借助智能爬取、搜索与 LLM 分析开展深度网页研究。

{
  "name": "firecrawl_deep_research",
  "arguments": {
    "query": "碳捕集技术如何运作？",
    "maxDepth": 3,
    "timeLimit": 120,
    "maxUrls": 50
  }
}

Arguments:

query (string, required): 研究要探索的问题或主题。
maxDepth (number, optional): 抓取/搜索的最大递归深度（默认：3）。
timeLimit (number, optional): 本次研究会话的时间上限（单位：秒，默认：120）。
maxUrls (number, optional): 待分析的 URL 最大数量（默认：50）。

Returns:

基于研究由 LLM 生成的最终分析。（data.finalAnalysis）
还可能包含研究过程中使用的结构化操作和来源。

8. 生成 LLMs.txt 工具（firecrawl_generate_llmstxt）

为指定域名生成标准化的 llms.txt（可选生成 llms-full.txt）文件。该文件定义大型语言模型应如何与网站交互。

{
  "name": "firecrawl_generate_llmstxt",
  "arguments": {
    "url": "https://example.com",
    "maxUrls": 20,
    "showFullText": true
  }
}

参数：

url（string，必填）：要分析的网站基础 URL。
maxUrls（number，可选）：要包含的最大 URL 数量（默认：10）。
showFullText（boolean，可选）：是否在响应中包含 llms-full.txt 的内容。

生成的 llms.txt 文件内容，以及可选的 llms-full.txt（data.llmstxt 和/或 data.llmsfulltxt）

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

Fork 此仓库
创建功能分支
运行测试：npm test
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

快速开始

标准功能

代理特性

Webhook

使用场景

贡献

​功能

​安装

​远程托管 URL

​使用 npx 运行

​手动安装

​在 Cursor 中运行

​手动安装

​在 Windsurf 上运行

​使用 SSE 模式运行

​通过 Smithery 安装（旧版）

​在 VS Code 中运行

​在 Claude Desktop 上运行

​在 Claude Code 上运行

​配置

​环境变量

​云端 API 必需

​可选配置

重试配置

额度使用监控

​配置示例

​在 Claude Desktop 中进行自定义配置

​系统配置

​速率限制与批处理

​可用的工具

​1. Scrape 工具（firecrawl_scrape）

​2. 批量抓取工具 (firecrawl_batch_scrape)

​3. 检查批次状态 (firecrawl_check_batch_status)

​4. 搜索工具（firecrawl_search）

​5. 爬取工具（firecrawl_crawl）

​6. 提取工具（firecrawl_extract）

​提取工具选项：

​7. 深度研究工具（firecrawl_deep_research）

​8. 生成 LLMs.txt 工具（firecrawl_generate_llmstxt）

​日志系统

​错误处理

​开发

​参与贡献

​致谢贡献者

​许可

功能

安装

远程托管 URL

使用 npx 运行

手动安装

在 Cursor 中运行

手动安装

在 Windsurf 上运行

使用 SSE 模式运行

通过 Smithery 安装（旧版）

在 VS Code 中运行

在 Claude Desktop 上运行

在 Claude Code 上运行

配置

环境变量

云端 API 必需

可选配置

配置示例

在 Claude Desktop 中进行自定义配置

系统配置

速率限制与批处理

可用的工具

1. Scrape 工具（`firecrawl_scrape`）

2. 批量抓取工具 (`firecrawl_batch_scrape`)

3. 检查批次状态 (`firecrawl_check_batch_status`)

4. 搜索工具（`firecrawl_search`）

5. 爬取工具（`firecrawl_crawl`）

6. 提取工具（`firecrawl_extract`）

提取工具选项：

7. 深度研究工具（firecrawl_deep_research）

8. 生成 LLMs.txt 工具（firecrawl_generate_llmstxt）

日志系统

错误处理

开发

参与贡献

致谢贡献者

许可