跳转到主要内容
开发者可使用 Firecrawl 的 MCP 服务器，将网页抓取功能接入 Claude Desktop、Cursor 等 AI 编码助手。

​
从模板开始

MCP Server Firecrawl

官方 MCP 服务器——为 Claude Desktop 和 Cursor 增加网页抓取能力

Open Lovable

即刻从任意网站一键生成完整应用
几分钟内上手 MCP。 按照我们的安装指南将 Firecrawl 集成到 Claude Desktop 或 Cursor。

​
工作原理

通过模型上下文协议 (MCP) 将 Firecrawl 直接集成到你的 AI 编码工作流中。配置完成后，你的 AI 助手即可使用一组可代你调用的网页抓取工具：
ToolWhat it does
Scrape从单个 URL 提取内容或结构化数据
Batch Scrape并行从多个已知 URL 中提取内容
Map发现某个网站上所有已编入索引的 URL
Crawl遍历网站的某个部分，并从每个页面提取内容
Search搜索网页，并可选地从结果中提取内容
你的助手会自动选择合适的工具——让它“读取 Next.js 文档”，它会执行抓取；让它“查找 example.com 上的所有博客文章”，它会先执行 map，再执行 batch scrape。

​
开发者为何选择 Firecrawl MCP

​
构建更智能的 AI 助手

为你的 AI 提供对文档、API 和网页资源的实时访问。通过为助手提供最新数据，减少过时内容和幻觉。

​
无需任何基础设施

无需管理服务器，也无需维护爬虫。只需一次配置，你的 AI 助手即可通过模型上下文协议 (MCP) 即时访问网站。

​
客户案例

Botpress了解 Botpress 如何使用 Firecrawl 简化知识库构建，并提升开发者体验。

Answer HQ了解 Answer HQ 如何利用 Firecrawl 帮助企业导入网站数据，构建智能客服助手。

​
常见问题

目前，Claude Desktop 和 Cursor 原生支持 MCP。更多 AI 助手正陆续增添支持。你也可以使用 MCP SDK 构建自定义集成。
VS Code 和其他 IDE 可通过社区扩展或终端集成使用 MCP。原生支持因 IDE 而异。请查看我们的 GitHub 仓库获取各 IDE 的设置指南。
MCP 服务器会自动将响应缓存 15 分钟。你可以在 MCP 服务器设置中配置缓存时长，或实现自定义缓存逻辑。
MCP 请求遵循你所使用方案的 Firecrawl API 标准速率限制。建议将相关请求批量处理，并为常用文档启用缓存。
按照我们的设置指南配置 MCP。你需要将 Firecrawl API 密钥添加到 MCP 配置文件中。整个流程只需几分钟。