Spicrawl fonctionne désormais avec OpenAI Agents SDK, LangChain, Codex, Claude Code et plus encore.Voir les intégrations
Aller au contenu

Web scraping dans VS Code avec Copilot

Ajoutez le serveur MCP Spicrawl à VS Code. Copilot en mode agent peut alors lire des pages web en Markdown propre.

Configurez-le

Trois étapes donnent à Copilot les outils, le savoir-faire pour écrire du code Spicrawl et des règles pour utiliser les deux. spicrawl init --client vscode fait les deux premières pour vous.

  1. Créez .vscode/mcp.json dans le projet. VS Code utilise la clé servers, et non mcpServers. Le champ de mot de passe fait demander votre clé une seule fois à VS Code, qui la stocke ; le fichier peut donc être commité sans risque :

    .vscode/mcp.json
    {
      "inputs": [
        {
          "type": "promptString",
          "id": "spicrawl-api-key",
          "description": "Spicrawl API key",
          "password": true
        }
      ],
      "servers": {
        "spicrawl": {
          "type": "http",
          "url": "https://mcp.spicrawl.com/mcp",
          "headers": { "Authorization": "Bearer ${input:spicrawl-api-key}" }
        }
      }
    }
  2. Exécutez MCP: List Servers depuis la palette de commandes et démarrez spicrawl. Saisissez votre clé lorsqu’on vous la demande.

  3. Installez la skill et commitez-la :

    bash
    spicrawl skill install --client vscode
    
    # Without the CLI:
    mkdir -p .github/skills/spicrawl
    curl -fsSL https://app.spicrawl.com/skill.md -o .github/skills/spicrawl/SKILL.md
  4. Enregistrez ceci sous .github/copilot-instructions.md, ou ajoutez-le au fichier que vous avez déjà :

    .github/copilot-instructions.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. Ouvrez la vue Chat, passez en mode Agent et ouvrez le sélecteur d’outils. spicrawl liste 25 outils spicrawl_*.

La CLI Copilot et l’agent cloud Copilot lisent chacun leur propre configuration MCP. La page de documentation couvre les deux.

Une première tâche à essayer

Ouvrez Copilot Chat en mode Agent et demandez :

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.

L’agent doit appeler spicrawl_scrape avec format: "markdown". Il ne doit ajouter render: true que si le premier résultat est vide.

Ce qu’il peut faire

Le serveur donne à l’agent 25 outils spicrawl_*. Chaque appel s’exécute sous votre clé API, avec les mêmes limites et les mêmes crédits qu’un appel direct à l’API.

  • Lire une page : spicrawl_scrape renvoie du Markdown (par défaut), du texte, du HTML, du JSON ou un PDF.
  • Lire plusieurs pages : spicrawl_batch_submit met en file jusqu’à 10 000 URL. Suivez-le avec spicrawl_batch_status et spicrawl_batch_results.
  • Pages derrière une connexion : spicrawl_session_create conserve les cookies et le stockage d’un appel à l’autre.
  • Déboguer un échec : spicrawl_requests_list et spicrawl_request_get.
  • Vérifier l’usage : spicrawl_usage_summary et les autres outils d’utilisation. Ils nécessitent une clé avec le scope read.
  • Rechercher des informations : spicrawl_docs_search et spicrawl_docs_read cherchent et lisent la documentation de Spicrawl.

Un outil, spicrawl_browser_connect_url, est listé mais arrive bientôt. Sur spicrawl_scrape, l’argument de rendu est render, et non le js_render de l’API.

Bon à savoir

  • Pas de crawl. Spicrawl ne suit pas les liens et ne trouve pas de pages. Donnez les URL à l’agent.
  • Crédits par requête. Une récupération simple coûte 1 crédit. Le rendu JavaScript coûte 3. Le rendu navigateur complet coûte 8.
  • Les échecs sont gratuits. Une requête échouée coûte 0 crédit.
  • Le cache fait gagner du temps, pas des crédits. Un résultat en cache coûte autant que la récupération qui l’a stocké.
  • Plafonnez chaque appel. Définissez max_cost, et une requête qui pourrait coûter plus cher est refusée avant d’être exécutée.
  • Bientôt disponible : proxys gérés, mode furtif, navigateur distant et extraction par IA à partir d’un prompt en langage naturel. Aujourd’hui, vous pouvez apporter votre propre proxy.

Questions fréquentes

Pourquoi VS Code utilise-t-il « servers » et non « mcpServers » ?

C’est le format propre à VS Code. Utilisez la clé servers dans .vscode/mcp.json, comme dans l’exemple de cette page.

Où ma clé est-elle stockée ?

The inputs entry with password: true makes VS Code ask for the key once and store it. The file only holds ${input:spicrawl-api-key}, so you can commit it.

Cela fonctionne-t-il avec la Copilot CLI et l’agent cloud ?

Oui, mais chacun lit sa propre config MCP. La Copilot CLI utilise copilot mcp add. L’agent cloud est configuré par un administrateur du dépôt sous Settings → Copilot → MCP servers. La page de documentation couvre les deux.

Qu’écrit spicrawl init --client vscode ?

Il écrit .vscode/mcp.json et la skill dans .github/skills/spicrawl/SKILL.md. Il n’écrit pas le fichier d’instructions ni la config de la Copilot CLI ou de l’agent cloud.

Combien coûte chaque page ?

Une récupération simple coûte 1 crédit, le rendu JavaScript 3 et le rendu navigateur complet 8. Les requêtes échouées coûtent 0. Un résultat en cache coûte autant que la récupération qui l’a stocké. Demandez à l’agent de définir max_cost sur chaque requête pour qu’il ne dépense jamais plus que prévu.