Extracción web

Extrae páginas renderizadas con JavaScript a markdown limpio, lista las URLs de un sitio o rastrea un sitio de documentación completo. Impulsado por un navegador headless.

Lee páginas web que un fetch normal no puede manejar. Todas las herramientas devuelven markdown limpio — sin parsear HTML en tu Skill.

Qué puedes hacer

Extraer una página — SPAs renderizadas con JavaScript, páginas con protección anti-bot, extracción del contenido principal.
Mapear un sitio — listar todas las URLs indexadas de un dominio, con filtro opcional por palabra clave.
Rastrear una sección — extraer recursivamente un sitio de documentación o una sección, página por página.

Límites (lee esto primero)

Prefiere el fetch web integrado para páginas simples. Las páginas estáticas, artículos y documentación pública funcionan bien con el fetch integrado y gratuito del agente. Usa estas herramientas solo cuando la página se renderiza con JavaScript, bloquea fetches normales o necesitas rastreo masivo.
El limit de un rastreo es el tope de facturación. Un rastreo se mide por su límite de páginas al enviarlo — ajústalo a lo que necesita la tarea (10 por defecto, máximo 50), no lo maximices por costumbre.
Las páginas largas se truncan. Una extracción devuelve hasta ~50k caracteres; un rastreo completado muestra las primeras 3 páginas (~10k caracteres cada una) y lista el resto por URL. Para leer una página listada completa, extráela individualmente — se sirve desde caché, rápido, y cuesta como una página.

Herramientas

Herramienta	Entrada	Devuelve
`firecrawl_scrape`	`url`, `only_main_content?`	Título, URL de origen, código de estado, cuerpo en markdown
`firecrawl_map`	`url`, `search?`, `limit?`	Lista de URLs del sitio (100 por defecto, máx. 500)
`firecrawl_start_crawl`	`url`, `limit?`, `include_paths?`, `exclude_paths?`	Un `crawl_id` inmediato — el rastreo corre en segundo plano
`firecrawl_get_crawl_status`	`crawl_id`	Progreso durante el rastreo; índice de páginas + primeras páginas al completarse

firecrawl_start_crawl: limit es 1–50 (10 por defecto) y es también el tope de facturación; include_paths / exclude_paths aceptan patrones como ["/guide/*"].

El rastreo es asíncrono, en dos pasos

Como la generación de video: envía el trabajo (recibe un crawl_id) y consulta firecrawl_get_crawl_status cada pocos segundos hasta completed. Un rastreo de 10 páginas suele terminar en menos de un minuto.

Cómo usarlo en una Skill

Investigar un sitio de docs: firecrawl_map con una palabra clave en search para encontrar las páginas relevantes → firecrawl_scrape las dos o tres que importan.
Leer una sección en bloque: firecrawl_start_crawl con include_paths: ["/guide/*"] y un limit ajustado → consultar el estado → leer el índice y el contenido inline → extraer individualmente lo que necesites completo.
Una página que el fetch integrado no puede leer: firecrawl_scrape con la URL — el navegador headless renderiza JavaScript y extrae el contenido principal.