Spicrawl kini bekerja dengan OpenAI Agents SDK, LangChain, Codex, Claude Code, dan lainnya.Lihat integrasi
Lewati ke konten

Web scraping di Windsurf

Windsurf kini bernama Devin Desktop. Tambahkan server MCP Spicrawl dan agennya dapat membaca halaman web sebagai Markdown bersih.

Siapkan

Devin Desktop punya dua agen. Devin Local adalah default untuk tab baru. Cascade adalah agen lama. Keduanya membaca server MCP dari file yang berbeda, jadi siapkan yang Anda pakai.

  1. Atur API key Anda di lingkungan tempat Devin Desktop dijalankan:

    bash
    export SPICRAWL_API_KEY=spicrawl_live_...   # add to your shell profile, then restart Devin Desktop
  2. Devin Local: tambahkan server di scope lokal. Disimpan ke .devin/mcp_config.local.json, yang diabaikan oleh gitignore Devin. Periksa dengan devin mcp list.

    bash
    devin mcp add spicrawl https://mcp.spicrawl.com/mcp -H "Authorization: Bearer $SPICRAWL_API_KEY"

    Jangan gunakan -s project. Itu menulis file bersama yang di-commit dengan key Anda di dalamnya.

  3. Cascade: buka panel Cascade, klik menu ..., lalu buka file konfigurasi MCP. Tambahkan server. Cascade mengisi key, jadi file tidak berisi key:

    ~/.config/devin/mcp_config.json
    {
      "mcpServers": {
        "spicrawl": {
          "serverUrl": "https://mcp.spicrawl.com/mcp",
          "headers": { "Authorization": "Bearer ${env:SPICRAWL_API_KEY}" }
        }
      }
    }

    Cascade mengizinkan 100 tool di semua server. Spicrawl memakai 25 di antaranya.

  4. Instal skill:

    bash
    spicrawl skill install --client codex
    
    # Without the CLI:
    mkdir -p .agents/skills/spicrawl
    curl -fsSL https://app.spicrawl.com/skill.md -o .agents/skills/spicrawl/SKILL.md
  5. Simpan rule ini sebagai .devin/rules/spicrawl.md (.windsurf/rules/ masih berfungsi). Agen membacanya saat tugas melibatkan data web.

    .devin/rules/spicrawl.md
    ---
    trigger: model_decision
    description: Fetching, scraping or extracting data from web pages with Spicrawl
    ---
    
    # 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.

Tugas pertama untuk dicoba

Buka tab agen baru dan tanyakan:

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.

Agen sebaiknya memanggil spicrawl_scrape dengan format: "markdown". Ia sebaiknya menambahkan render: true hanya jika hasil pertama kosong.

Apa yang dapat dilakukannya

Server memberi agen 25 tool spicrawl_*. Setiap panggilan berjalan dengan API key Anda, dengan batas dan kredit yang sama seperti panggilan API langsung.

  • Baca satu halaman: spicrawl_scrape mengembalikan Markdown (default), teks, HTML, JSON, atau PDF.
  • Baca banyak halaman: spicrawl_batch_submit mengantrekan hingga 10,000 URL. Lanjutkan dengan spicrawl_batch_status dan spicrawl_batch_results.
  • Halaman di balik login: spicrawl_session_create menyimpan cookie dan storage di seluruh panggilan.
  • Debug kegagalan: spicrawl_requests_list dan spicrawl_request_get.
  • Periksa penggunaan: spicrawl_usage_summary dan tool penggunaan lainnya. Tool ini membutuhkan key dengan scope read.
  • Cari informasi: spicrawl_docs_search dan spicrawl_docs_read mencari dan membaca dokumentasi Spicrawl.

Satu tool, spicrawl_browser_connect_url, tercantum tetapi segera hadir. Pada spicrawl_scrape, argumen rendering-nya adalah render, bukan js_render milik API.

Perlu diketahui

  • Tidak ada crawl. Spicrawl tidak mengikuti tautan atau menemukan halaman. Berikan URL ke agen.
  • Kredit per permintaan. Fetch biasa 1 kredit. Rendering JavaScript 3. Rendering browser penuh 8.
  • Kegagalan gratis. Permintaan yang gagal berbiaya 0 kredit.
  • Cache menghemat waktu, bukan kredit. Cache hit berbiaya sama dengan fetch yang menyimpannya.
  • Batasi setiap panggilan. Atur max_cost, dan permintaan yang bisa berbiaya lebih besar ditolak sebelum dijalankan.
  • Segera hadir: proxy terkelola, mode stealth, browser jarak jauh, dan ekstraksi AI dari prompt bahasa biasa. Saat ini Anda dapat membawa proxy sendiri.

Pertanyaan yang sering diajukan

Apakah Windsurf sama dengan Devin Desktop?

Ya. Windsurf diganti namanya menjadi Devin Desktop pada 2026-06-02. Editornya sama, dan langkah-langkah ini berlaku untuk kedua nama.

Agen mana yang sebaiknya saya siapkan, Devin Local atau Cascade?

Devin Local adalah agen default untuk tab baru. Cascade adalah agen lama. Keduanya membaca server MCP dari file yang berbeda, jadi siapkan yang Anda pakai.

Apakah Spicrawl dihitung dalam batas tool Cascade?

Ya. Cascade mengizinkan 100 tool di semua server, dan Spicrawl memakai 25. Nonaktifkan server lain jika Anda mendekati batas.

Tim saya memblokir server. Apa yang harus saya lakukan?

Allowlist tim sedang aktif. Minta admin untuk memasukkan Server ID spicrawl ke allowlist (peka huruf besar/kecil).

Berapa biaya setiap halaman?

Fetch biasa berbiaya 1 kredit, rendering JavaScript 3, dan rendering browser penuh 8. Permintaan gagal berbiaya 0. Cache hit berbiaya sama dengan fetch yang menyimpannya. Minta agen mengatur max_cost pada setiap permintaan agar tidak pernah menghabiskan lebih dari yang Anda duga.