Spicrawl ahora funciona con OpenAI Agents SDK, LangChain, Codex, Claude Code y más.Ver integraciones
Saltar al contenido

Web scraping en Claude Code

Añade el servidor MCP de Spicrawl a Claude Code. Así Claude puede leer páginas web como Markdown limpio.

Configúralo

Tres pasos dan a Claude Code las herramientas, el conocimiento para escribir código de Spicrawl y las reglas para usar ambos. O haz los tres con spicrawl init --client claude.

  1. Configura tu clave de API:

    bash
    export SPICRAWL_API_KEY=spicrawl_live_...   # add to your shell profile
  2. Añade el servidor MCP. Tu shell rellena la clave y Claude Code la guarda en ~/.claude.json, fuera del repositorio. Añade --scope user para usarlo en todos los proyectos.

    bash
    claude mcp add --transport http spicrawl https://mcp.spicrawl.com/mcp \
      --header "Authorization: Bearer $SPICRAWL_API_KEY"

    Para un equipo, confirma .mcp.json en la raíz del proyecto. Claude Code lee la clave de cada persona desde su propio entorno:

    .mcp.json
    {
      "mcpServers": {
        "spicrawl": {
          "type": "http",
          "url": "https://mcp.spicrawl.com/mcp",
          "headers": { "Authorization": "Bearer ${SPICRAWL_API_KEY}" }
        }
      }
    }
  3. Instala la skill. Claude la carga cuando una tarea implica datos web, o cuando escribes /spicrawl:

    bash
    mkdir -p .claude/skills/spicrawl
    curl -fsSL https://app.spicrawl.com/skill.md -o .claude/skills/spicrawl/SKILL.md
  4. Pega esta sección en CLAUDE.md en la raíz del proyecto:

    CLAUDE.md
    ## Web data (Spicrawl)
    
    Use Spicrawl to read web pages: the spicrawl_* MCP tools in chat, or
    POST https://api.spicrawl.com/v1/scrape with `Authorization: Bearer $SPICRAWL_API_KEY` in code.
    Docs: https://docs.spicrawl.com/llms.txt (append .md to any page URL for Markdown).
    
    - Ask for markdown: `response_format: "markdown"` (API default is html); on spicrawl_scrape, `format: "markdown"`.
    - Check the site's status, not only the HTTP status: `X-Target-Status` header, or `status`
      in the JSON envelope (spicrawl_scrape with `format: "json"`). 200 is the page; 404/410
      mean it does not exist; 403/429/503 mean the site refused, so escalate.
    - On an error, switch on `code`. Retry only when `retryable` is true, after
      `retry_after_seconds`. Read `diagnostics.hint` and change what it names first.
      Never retry ERR::REQUEST::*, ERR::AUTH::* or ERR::LIMIT::QUOTA_EXCEEDED.
    - Escalate one step at a time and stop at the first that works:
      plain fetch (1 credit) -> `js_render: true` (3) -> add the user's own `proxy`
      if they have one. Empty or skeleton content means render; ERR::UPSTREAM::CHALLENGE
      or a 403 target status means retry once, then the user's own proxy.
    - Set `max_cost` on every request to the price of the step you intend.
    - Keep the cache on (default). Set `cache: false` only for prices, stock or other live data.
    - Trim tokens with `main_content_only` (on by default for markdown), `include_tags`, `exclude_tags`.
    - For more than 20 URLs, use a batch job (spicrawl_batch_submit / POST /v1/batch).
      Batch items return html, markdown or text (spicrawl_batch_submit defaults to markdown,
      POST /v1/batch to html). Extraction, screenshots, actions and sessions are refused
      with a 400 before anything is charged: scrape those URLs one by one.
    - Never print or commit SPICRAWL_API_KEY. Log `X-Request-Id` for failures.
  5. Compruébalo con claude mcp list, o con /mcp en una sesión. Deberías ver 25 herramientas de spicrawl_*.

¿Prefieres un plugin? Incluye el servidor MCP y la skill, así que puedes saltarte los pasos 2 y 3. Claude Code te pide la clave cuando lo activas:

bash
claude plugin marketplace add OfficialSpicrawl/agent-plugins
claude plugin install spicrawl@spicrawl-plugins

Una primera tarea para probar

Inicia claude en el proyecto y pregunta:

prompt
Use Spicrawl to read https://example.com/pricing as markdown. List each plan with its monthly price.
If the page comes back empty, retry with rendering. Tell me how many credits it cost.

Claude llama a spicrawl_scrape. Para informar del coste necesita format: "json", porque ese sobre contiene credits. Hay un recorrido completo en cómo hacer scraping de un sitio web con Claude Code.

Qué puede hacer

El servidor ofrece al agente 25 herramientas de spicrawl_*. Cada llamada se ejecuta con tu clave de API, con los mismos límites y créditos que una llamada directa a la API.

  • Lee una página: spicrawl_scrape devuelve Markdown (predeterminado), texto, HTML, JSON o PDF.
  • Lee muchas páginas: spicrawl_batch_submit pone en cola hasta 10.000 URL. Continúa con spicrawl_batch_status y spicrawl_batch_results.
  • Páginas con login: spicrawl_session_create conserva las cookies y el almacenamiento entre llamadas.
  • Depura un fallo: spicrawl_requests_list y spicrawl_request_get.
  • Revisa el uso: spicrawl_usage_summary y las demás herramientas de uso. Requieren una clave con el alcance read.
  • Busca cosas: spicrawl_docs_search y spicrawl_docs_read buscan y leen la documentación de Spicrawl.

Una herramienta, spicrawl_browser_connect_url, aparece en la lista pero llegará pronto. En spicrawl_scrape, el argumento de renderizado es render, no el js_render de la API.

Conviene saber

  • No rastrea. Spicrawl no sigue enlaces ni encuentra páginas. Dale las URL al agente.
  • Créditos por solicitud. Una obtención simple cuesta 1 crédito. El renderizado de JavaScript, 3. El renderizado con navegador completo, 8.
  • Los fallos son gratis. Una solicitud fallida cuesta 0 créditos.
  • La caché ahorra tiempo, no créditos. Un acierto de caché cuesta lo mismo que la obtención que lo guardó.
  • Limita cada llamada. Configura max_cost y una solicitud que podría costar más se rechaza antes de ejecutarse.
  • Próximamente: proxies gestionados, modo sigiloso, un navegador remoto y extracción con IA a partir de un prompt en lenguaje natural. Hoy puedes usar tu propio proxy.

Preguntas frecuentes

¿Cómo añado Spicrawl a Claude Code?

Exporta SPICRAWL_API_KEY y luego ejecuta claude mcp add --transport http spicrawl https://mcp.spicrawl.com/mcp --header "Authorization: Bearer $SPICRAWL_API_KEY". Compruébalo con claude mcp list.

¿Cómo comparto la configuración con mi equipo?

Commit .mcp.json at the project root with the header "Bearer ${SPICRAWL_API_KEY}". Claude Code fills in each person’s own key from their environment when it starts.

¿Hay un plugin para Claude Code?

Sí. Ejecuta claude plugin marketplace add OfficialSpicrawl/agent-plugins y luego claude plugin install spicrawl@spicrawl-plugins. Incluye el servidor MCP y la skill, y te pide la clave cuando lo activas.

¿Por qué Claude recibe un error de "unknown argument" para js_render?

En la herramienta spicrawl_scrape el argumento se llama render. js_render es el nombre en la API HTTP.

¿Cuánto cuesta cada página?

Una solicitud simple cuesta 1 crédito, el renderizado con JavaScript 3 y el renderizado con navegador completo 8. Las solicitudes fallidas cuestan 0. Un acierto de caché cuesta lo mismo que la solicitud que lo guardó. Pide al agente que configure max_cost en cada solicitud para que nunca gaste más de lo que esperas.