Firecrawl 是一个开源的网页数据 API，用 TypeScript 编写，提供搜索、抓取、爬取、映射、批量抓取与 Agent 自主采集等能力，可将网页内容转换为 Markdown、结构化 JSON 或截图，同时提供 Python、Node.js、Go 等 SDK 以及托管服务。
项目做什么
项目目标是解决 AI 应用与智能体获取网页数据时的工程难题。README 说明它把搜索、抓取、爬取、网站 URL 映射、批量抓取整合为统一 API，并输出便于大模型消费的 Markdown、JSON、截图等格式；同时通过 Agent 端点支持用户用自然语言描述需求，由 AI 自动搜索、导航并返回结构化结果，也可作为 Skill 或 MCP 服务接入任意智能体客户端。
与同类方案相比
README 称其覆盖约 96% 的网页并处理 JavaScript 较重的页面，宣称在数百万页面上 P95 延迟为 3.4 秒，输出为适合大模型的 Markdown、结构化 JSON 和截图，并内置轮换代理、编排、限流与 JS 拦截内容处理，无需手动配置。此外提供 Python、Node.js、Go 等 SDK，异步任务由 SDK 自动轮询；MCP 与 Skill 一条命令即可接入。上述指标与对比多来自官方博客，缺少独立验证，实际表现可能随目标网站而异。
设计与创新
README 中较具特色的设计包括 Interact 端点：先抓取页面获得 scrape_id，再用自然语言提示或代码在同一页面上执行点击、滚动、输入、等待与按键等操作，返回输出与实时视图链接；Agent 端点以 spark-2 模型配合 low、medium、high 三档 effort 控制推理预算，并兼容旧版 spark-1-mini、spark-1-pro 模型选择；此外提供 agent-onboarding SKILL.md，让 AI 代理可自行注册账号并获取 API 密钥。这些功能是否属行业首创，README 未给出依据，尚无法验证。
适用场景
适合需要把实时网页数据输入 AI 应用的场景。例如为智能体或 MCP 客户端补充搜索结果与页面正文；将单个 URL 转为 Markdown 或结构化 JSON 用于检索增强生成；用 Crawl 批量获取文档站或官网全部页面；用 Map 快速发现站点链接；用 Batch Scrape 异步处理成千上万个 URL；用 Agent 以自然语言完成跨站比价、企业信息或创始人查找；用 Interact 在抓取后执行搜索、点击等页面操作。涉及登录或复杂交互的站点支持程度 README 未详细说明。
谁会受益
对需要构建 AI 代理、知识库或数据管道的团队来说，Firecrawl 把分散的抓取、渲染、代理管理与格式转换工作封装成统一 API，减少了自行维护爬虫与反爬策略的成本。开源与托管服务并行的方式，让团队既可以自托管又可以选择托管版本；已提供 Python、Node.js、Go SDK 与 MCP、CLI、Skill 集成，便于快速接入现有智能体框架。其输出的 Markdown 与 JSON 也能直接进入大模型上下文，降低二次清洗成本。
使用前需要注意
README 未提供许可证名称与完整条款，开源协议细节尚无法从现有材料确认。其 96% 网页覆盖与 3.4 秒 P95 延迟等指标来自官方博客的自述，缺少可复现的第三方基准；spark 系列模型的具体参数、训练数据与成本细节也未公开。托管服务需要 API 密钥，存在额度与计费约束，README 未列出免费额度与配额上限。自托管部署所需的依赖、资源与运维复杂度未说明；对需登录、验证码或强反爬站点的实际成功率无法仅凭 README 判断。
本文基于抓取时的项目 README 和仓库简介整理；功能、限制与文档可能随项目更新而变化。