Saltar al contenido principal

Documentation Index

Fetch the complete documentation index at: https://firecrawl-mog-monitoring-docs.mintlify.app/llms.txt

Use this file to discover all available pages before exploring further.

Firecrawl ofrece tres métodos para extraer datos estructurados de páginas web. Cada uno se adapta a distintos casos de uso, con diferentes niveles de automatización y control.

​
Comparación rápida

Función/agent/extract/scrape (modo JSON)
EstadoActivoUsa /agent en su lugarActivo
URL requeridaNo (opcional)Sí (se admiten comodines)Sí (URL única)
AlcanceDescubrimiento en toda la webVarias páginas/dominiosUna sola página
Descubrimiento de URLBúsqueda web autónomaRastrea desde las URL dadasNinguno
ProcesamientoAsíncronoAsíncronoSíncrono
Esquema requeridoNo (prompt o esquema)No (prompt o esquema)No (prompt o esquema)
PreciosDinámico (5 ejecuciones gratuitas al día)Basado en tokens (1 crédito = 15 tokens)1 crédito/página
Ideal paraInvestigación, descubrimiento, recopilación complejaExtracción multipágina (cuando ya conoces las URL)Extracción de una sola página conocida

​
1. Endpoint /agent

El endpoint /agent es la funcionalidad más avanzada de Firecrawl, el sucesor de /extract. Utiliza agentes de IA para buscar, navegar y recopilar datos de forma autónoma en toda la web.

​
Características clave

  • URLs opcionales: Solo tienes que describir lo que necesitas mediante el prompt; las URLs son completamente opcionales
  • Navegación autónoma: El agente busca y navega en profundidad por sitios web para encontrar tus datos
  • Búsqueda profunda en la web: Descubre información de forma autónoma en múltiples dominios y páginas
  • Procesamiento en paralelo: Procesa múltiples fuentes simultáneamente para obtener resultados más rápidos
  • Modelos disponibles: spark-1-mini (predeterminado, 60% más económico) y spark-1-pro (mayor precisión)

​
Ejemplo

from firecrawl import Firecrawl
from pydantic import BaseModel, Field
from typing import List, Optional

app = Firecrawl(api_key="fc-YOUR_API_KEY")

class Founder(BaseModel):
    name: str = Field(description="Full name of the founder")
    role: Optional[str] = Field(None, description="Role or position")
    background: Optional[str] = Field(None, description="Professional background")

class FoundersSchema(BaseModel):
    founders: List[Founder] = Field(description="Lista de fundadores")

result = app.agent(
    prompt="Find the founders of Firecrawl",
    schema=FoundersSchema,
    model="spark-1-mini",
    max_credits=100
)

print(result.data)

​
Caso de uso ideal: investigación y descubrimiento autónomos

Escenario: Necesitas encontrar información sobre startups de IA que hayan obtenido una ronda de financiación Serie A, incluyendo sus fundadores y los montos financiados. Por qué /agent: No sabes qué sitios web contienen esta información. El agente buscará de forma autónoma en la web, navegará a fuentes relevantes (Crunchbase, sitios de noticias, páginas de empresas) y recopilará los datos estructurados por ti. Para más información, consulta la documentación del agente.

​
2. Endpoint /extract

Usa /agent en su lugar: Recomendamos migrar a /agent: es más rápido, más fiable, no requiere URL y cubre todos los casos de uso de /extract y más.
El endpoint /extract recopila datos estructurados a partir de URL específicas o dominios completos usando extracción basada en LLM.

​
Características clave

  • URLs normalmente requeridas: Proporciona al menos una URL (admite comodines como example.com/*)
  • Rastreo de dominio: Puede rastrear y analizar todas las URLs descubiertas en un dominio
  • Mejora de la búsqueda web: enableWebSearch opcional para seguir enlaces fuera de los dominios especificados
  • Esquema opcional: Admite un esquema JSON estricto O prompts en lenguaje natural
  • Procesamiento asíncrono: Devuelve un ID de tarea para comprobar el estado

​
La limitación de las URL

El desafío fundamental con /extract es que normalmente necesitas conocer las URL de antemano:
  1. Brecha de descubrimiento: Para tareas como “find YC W24 companies”, no sabes qué URL contienen los datos. Necesitarías un paso de búsqueda por separado antes de llamar a /extract.
  2. Búsqueda web poco práctica: Aunque existe enableWebSearch, está limitado a comenzar desde las URL que proporcionas, lo que resulta en un flujo de trabajo poco práctico para tareas de descubrimiento.
  3. Por qué se creó /agent: /extract es bueno para extraer desde ubicaciones conocidas, pero es menos efectivo para descubrir dónde están los datos.

​
Ejemplo

from firecrawl import Firecrawl

firecrawl = Firecrawl(api_key="fc-YOUR-API-KEY")

schema = {
    "type": "object",
    "properties": {"description": {"type": "string"}},
    "required": ["description"],
}

res = firecrawl.extract(
    urls=["https://docs.firecrawl.dev"],
    prompt="Extrae la descripción de la página",
    schema=schema,
)

print(res.data["description"])

​
Mejor caso de uso: extracción específica de múltiples páginas

Escenario: Tienes la URL de la documentación de tu competidor y quieres extraer todos los endpoints de su API de docs.competitor.com/*. Por qué /extract funcionó aquí: Conocías el dominio exacto. Pero incluso así, hoy en día /agent con URLs proporcionadas normalmente ofrece mejores resultados. Para más detalles, consulta la documentación de Extract.

​
3. Endpoint /scrape con modo JSON

El endpoint /scrape con modo JSON es el enfoque con mayor control: extrae datos estructurados de una única URL conocida usando un LLM para convertir el contenido de la página en el esquema que especifiques.

​
Características clave

  • Solo una URL: Diseñado para extraer datos de una única página específica a la vez
  • URL exacta requerida: Debes conocer la URL precisa que contiene los datos
  • Esquema opcional: Puedes usar un esquema JSON o solo un prompt (el LLM elige la estructura)
  • Síncrono: Devuelve los datos de inmediato (no hace falta hacer polling de jobs)
  • Formatos adicionales: Puede combinar la extracción en JSON con markdown, HTML y capturas de pantalla en una sola solicitud

​
Ejemplo

from firecrawl import Firecrawl
from pydantic import BaseModel

app = Firecrawl(api_key="fc-YOUR-API-KEY")

class CompanyInfo(BaseModel):
    company_mission: str
    supports_sso: bool
    is_open_source: bool
    is_in_yc: bool

result = app.scrape(
    'https://firecrawl.dev',
    formats=[{
      "type": "json",
      "schema": CompanyInfo.model_json_schema()
    }],
    only_main_content=False,
    timeout=120000
)

print(result)

​
Caso de uso ideal: extracción precisa de una sola página

Escenario: Estás creando una herramienta de monitoreo de precios y necesitas extraer el precio, la disponibilidad y los detalles del producto de una página de producto específica para la que ya tienes la URL. Por qué usar /scrape con modo JSON: Sabes exactamente qué página contiene los datos, necesitas una extracción precisa de una sola página y quieres resultados síncronos sin la sobrecarga de gestionar tareas. Para más detalles, consulta la documentación del modo JSON.

​
Guía de decisiones

¿Conoces las URL exactas que contienen tus datos?
  • NO → Usa /agent (descubrimiento web autónomo)
  • SÍ
    • ¿Una sola página? → Usa /scrape con modo JSON
    • ¿Múltiples páginas? → Usa /agent con URLs (o /scrape por lotes)

​
Recomendaciones por escenario

EscenarioEndpoint recomendado
”Encontrar todas las startups de IA y su financiación”/agent
”Extraer datos de esta página de producto específica”/scrape (modo JSON)
“Obtener todas las publicaciones de blog de competitor.com”/agent con URL
”Monitorizar precios en múltiples URLs conocidas”/scrape con procesamiento por lotes
”Investigar empresas en un sector específico”/agent
”Extraer información de contacto de 50 páginas de empresas conocidas”/scrape con procesamiento por lotes

​
Precios

EndpointCostoNotas
/scrape (modo JSON)1 crédito/páginaFijo, predecible
/extractBasado en tokens (1 crédito = 15 tokens)Variable según el contenido
/agentDinámico5 ejecuciones gratuitas al día; varía según la complejidad

​
Ejemplo: “Encuentra a los fundadores de Firecrawl”

EndpointCómo funcionaCréditos usados
/scrapeEncuentras la URL manualmente y luego haces scraping de 1 página~1 crédito
/extractProporcionas una o varias URL y extrae datos estructuradosVariable (basado en tokens)
/agentSolo tienes que enviar el prompt: el agente encuentra y extrae~100–500 créditos
Compensación: /scrape es el más barato pero requiere que conozcas la URL. /agent cuesta más pero se encarga del descubrimiento automáticamente. Para ver los precios detallados, consulta Precios de Firecrawl.

​
Migración: /extract → /agent

Si actualmente estás utilizando /extract, la migración es muy sencilla: Antes (extract): 
result = app.extract(
    urls=["https://example.com/*"],
    prompt="Extraer información del producto",
    schema=schema
)
Después (agente): 
result = app.agent(
    urls=["https://example.com"],  # Opcional - se puede omitir por completo
    prompt="Extract product information from example.com",
    schema=schema,
    model="spark-1-mini"  # or "spark-1-pro" for higher accuracy
)
La ventaja clave es que, con /agent, puedes prescindir por completo de las URL y simplemente describir lo que necesitas.

​
Puntos clave

  1. ¿Sabes la URL exacta? Usa /scrape con modo JSON: es la opción más barata (1 crédito/página), la más rápida (sincrónica) y la más predecible.
  2. ¿Necesitas investigación autónoma? Usa /agent: gestiona el descubrimiento automáticamente con 5 ejecuciones gratuitas al día y luego precios dinámicos según la complejidad.
  3. Migra de /extract a /agent para proyectos nuevos: /agent es el sucesor con mejores capacidades.
  4. Equilibrio entre costo y conveniencia: /scrape es lo más rentable cuando conoces tus URLs; /agent cuesta más, pero elimina el descubrimiento manual de URLs.

​
Lecturas adicionales