firecrawl/firecrawl-mcp-server · 上手攻略

仓库：firecrawl/firecrawl-mcp-server
链接：https://github.com/firecrawl/firecrawl-mcp-server
分类：skill
作者：Tom
更新：2026-07-11

这是什么

Firecrawl 官方 MCP Server，将 Firecrawl 网页抓取和搜索能力接入所有兼容 MCP 的 AI Agent。支持 AI 通过自然语言搜索网页、提取内容、发现站点结构、自动重试和限流，还有云端和自托管两种部署方式。对于需要让 AI 实时获取网页信息的场景，这是目前最完整的开源方案之一。

解决什么问题

AI 无法访问实时网页：大多数 LLM 知识有截止日期，MCP Server 让 Agent 实时抓取任意网页
网页结构化提取：从任意 URL 按 JSON Schema 提取目标数据，而非灌入整页噪声
网站发现与整站抓取：用 map 发现站点结构，用 crawl 按限制抓取多页
深度研究：调用 agent 让 AI 自主跨多源综合研究，无需人工干预

快速安装

方式一：远程服务器（最简，零配置）

支持无 Key 免密访问（限速），或带 API Key 解锁全部功能：

https://mcp.firecrawl.dev/v2/mcp                        # 无 Key（限速）
https://mcp.firecrawl.dev/{FIRECRAWL_API_KEY}/v2/mcp    # 带 Key（完整功能）

在 Cursor/Windsurf 等支持远程 MCP 的 IDE 中，填入上述 URL 即可，无需本地安装。

方式二：npm 全局安装

npm install -g firecrawl-mcp

方式三：npx 免安装（临时使用）

FIRECRAWL_API_KEY=fc-YOUR_API_KEY npx -y firecrawl-mcp

方式四：Claude Desktop 配置

在 ~/Library/Application Support/Claude/claude_desktop_config.json 添加：

{
  "mcpServers": {
    "mcp-server-firecrawl": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "YOUR_API_KEY_HERE"
      }
    }
  }
}

API Key 在 firecrawl.dev/app/api-keys 免费注册获取。

方式五：Cursor（需 0.45.6+，推荐）

在 Settings → Features → MCP Servers，点击添加：

{
  "mcpServers": {
    "firecrawl-mcp": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

方式六：Windsurf（model_config.json）

{
  "mcpServers": {
    "mcp-server-firecrawl": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

核心用法

工具选择指南

工具	适用场景	返回格式
`scrape`	已知精确 URL，单页内容提取	JSON（推荐）/ Markdown
`search`	不知道哪个网站有答案，开放性搜索	results[]
`map`	发现某站点有哪些 URL	URL[]
`crawl`	提取整个网站/版块（有限制）	crawl status/data
`interact`	需要点击、输入、导航的动态交互	execution result
`extract`	结构化抽取（如产品名、价格、日期）	JSON
`parse`	处理文件（PDF/CSV 等上传引用）	markdown/JSON
`agent`	复杂多源研究任务	JSON
`monitor`	周期性监控页面变化	check metadata + diffs
`research`	论文和 GitHub 仓库研究	research results
`search_feedback`	反馈搜索质量（每个 search id 首条返还 1 credit）	—

scrape 用法详解

JSON 格式（推荐）：按 Schema 精确提取，只取需要的数据，避免 context overflow：

{
  "name": "firecrawl_scrape",
  "arguments": {
    "url": "https://example.com/product",
    "formats": [{
      "type": "json",
      "prompt": "Extract product name, price, description",
      "schema": {
        "type": "object",
        "properties": {
          "name": { "type": "string" },
          "price": { "type": "number" },
          "description": { "type": "string" }
        },
        "required": ["name", "price"]
      }
    }]
  }
}

Markdown 格式（慎用）：仅在需要分析完整页面结构时使用，会占用大量 context：

{
  "name": "firecrawl_scrape",
  "arguments": {
    "url": "https://example.com/article",
    "formats": ["markdown"],
    "onlyMainContent": true
  }
}

常见错误：不要把多个 URL 数组传给一次 scrape 调用，应逐个调用；如需批量操作直接调用 Firecrawl API 的 batch 端点。

search 反馈机制

每次搜索消耗 2 credits。如结果有用，调用 search_feedback 并在 missingContent 字段注明未找到的内容（每条 missingContent 返还 1 credit，次日 UTC 重置限额 100 条）。这对持续改进搜索质量至关重要。

自托管配置

export FIRECRAWL_API_URL=https://firecrawl.your-domain.com
export FIRECRAWL_API_KEY=your-key   # 自托管如需认证
export FIRECRAWL_OAUTH_TOKEN=fco_xxx  # OAuth 令牌（生产推荐）

典型适用场景

场景一：竞品价格监控

每天早上抓取 Amazon 上 iPhone 15 的价格页面，提取当前售价和折扣信息，汇总成一条简短报告。

场景二：新闻舆情追踪

搜索最近一周关于「OpenAI GPT-5」的中文新闻，提取每条的标题、来源和发布时间。

场景三：房产/招聘批量研究

帮我抓取 LinkedIn 上北京地区最近一周发布的「Senior Data Engineer」职位，提取公司名、职位名、薪资范围（如果公开的话）和职位链接。

场景四：站点结构发现

用 map 工具发现某技术博客的所有文章页面 URL，然后从中提取所有标题和发布日期。

场景五：AI 深度研究代理

用 agent 工具研究「2026年AI Agent 领域的主要技术进展」，综合 5 个以上不同来源，给出结构化报告。

坑与注意

免费层限速：无 API Key 时 scrape、search、interact 可用但受严格限速；crawl、map、agent、extract 等高级工具必须有 Key。
批量 URL 错误：不要在一次 scrape 调用中传 URL 数组，改为循环调用或走 Firecrawl API batch 端点。
Markdown vs JSON：默认用 JSON schema 提取；Markdown 会把整页内容灌进 context，极其浪费 token。
search_feedback 每日限额：每个团队每天最多返还 100 credits，但提交反馈本身不受限制，没用完也可以继续调用。
crawl 需要设置限制：整站爬取务必设置合理的 page limit，否则可能产生大量不必要请求和费用。
OAuth vs API Key：生产环境推荐 OAuth（fco_ 开头），而非 refresh token（fcr_ 开头）；refresh token 只能用于换令牌，不能直接调 API。
interact 与 scrape 的关系：两者都能处理动态页面；interact 适合需要滚动、点击、填表等操作的场景；已知页面内容时 scrape 更高效。
自托管证书：使用自托管版本时，确保 FIRECRAWL_API_URL 正确且 HTTPS 配置有效。

与同类对比

方案	免费层	结构化提取	Agent 研究	自托管
Firecrawl MCP	限速可用	JSON Schema 原生	agent/research 工具	支持
LangChain WebSearch/Tools	部分	弱	无	不支持
ScrapingBee	无	弱	无	不支持
Browserbase	无	需额外集成	无	不支持

Firecrawl 的核心优势：专为 AI Agent 设计，extract + agent 组合让 AI 研究能力上一个台阶；JSON Schema 提取避免全量灌入 context；云端零部署即可用。

一句话推荐结论

Firecrawl MCP Server 是让 AI Agent 真正连接互联网的关键工具——搜索、精确提取、整站发现、深度研究一体化，云端零配置即用；免费层足以尝鲜，带 Key 解锁完整能力，适合所有需要 AI 实时获取网页数据的场景。