Spicrawl は、OpenAI Agents SDK、LangChain、Codex、Claude Code などに対応しました。連携を見る
コンテンツへスキップ

Gemini CLI でのウェブスクレイピング

Gemini CLI に Spicrawl MCP サーバーを追加します。Gemini CLI はウェブページをクリーンな Markdown として読めるようになります。

セットアップする

spicrawl init は Gemini CLI をサポートしていないため、次の手順に従ってください。

  1. キーを設定してから、二つ目の名前にコピーします:

    bash
    export SPICRAWL_API_KEY=spicrawl_live_...   # add to your shell profile
    export SPICRAWL_MCP_BEARER="$SPICRAWL_API_KEY"

    Gemini CLI は、ヘッダーを埋める前に、名前に KEY、TOKEN、AUTH などの語を含む変数を削除します。そのため $SPICRAWL_API_KEY は空になり、サーバーは 401 を返します。

  2. サーバーを ~/.gemini/settings.json(1 つのプロジェクトだけなら .gemini/settings.json)に追加します。url ではなく httpUrl を使います:

    ~/.gemini/settings.json
    {
      "mcpServers": {
        "spicrawl": {
          "httpUrl": "https://mcp.spicrawl.com/mcp",
          "headers": { "Authorization": "Bearer $SPICRAWL_MCP_BEARER" }
        }
      }
    }

    またはコマンドラインから同じエントリを追加します。シングルクォートにより、変数の参照がファイルにそのまま残ります:

    bash
    gemini mcp add --scope user --transport http \
      --header 'Authorization: Bearer $SPICRAWL_MCP_BEARER' \
      spicrawl https://mcp.spicrawl.com/mcp
  3. スキルをインストールし、実行中のセッションで /skills reload を実行します:

    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
  4. このセクションをプロジェクトルートの GEMINI.md に貼り付け、/memory reload を実行します:

    GEMINI.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. gemini を起動して /mcp を実行します。spicrawl が、spicrawl_* ツール 25 個で接続されているはずです。

最初に試すタスク

プロジェクトで gemini を起動し、次のように尋ねます:

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.

エージェントは format: "markdown" を指定して spicrawl_scrape を呼び出します。サーバーに "trust": true がない限り、Gemini CLI はツール呼び出しのたびに確認を求めます。

できること

このサーバーは、エージェントに spicrawl_* ツールを 25 個提供します。各呼び出しはお客様の API キーのもとで実行され、API の直接呼び出しと同じ制限とクレジットが適用されます。

  • ページを一つ読み取る: spicrawl_scrape は Markdown(デフォルト)、テキスト、HTML、JSON、PDF を返します。
  • 多数のページを読み取る: spicrawl_batch_submit は最大 10,000 件の URL をキューに入れます。続けて spicrawl_batch_status と spicrawl_batch_results を使います。
  • ログインが必要なページ: spicrawl_session_create は、呼び出しをまたいで Cookie とストレージを保持します。
  • 失敗をデバッグする: spicrawl_requests_list と spicrawl_request_get。
  • 使用量を確認: spicrawl_usage_summary とその他の使用量ツール。これらには read スコープを持つキーが必要です。
  • 調べる: spicrawl_docs_search と spicrawl_docs_read で Spicrawl のドキュメントを検索して読めます。

ツール spicrawl_browser_connect_url は一覧にありますが、近日公開です。spicrawl_scrape では、レンダリングの引数は API の js_render ではなく render です。

知っておくべきこと

  • クロールはありません。 Spicrawl はリンクをたどったり、ページを探したりしません。エージェントに URL を渡してください。
  • リクエストごとのクレジット。 通常のフェッチは 1 クレジット、JavaScript レンダリングは 3、フルブラウザレンダリングは 8 です。
  • 失敗は無料です。 失敗したリクエストは 0 クレジットです。
  • キャッシュで節約できるのは時間であり、クレジットではありません。 キャッシュヒットの料金は、それを保存したフェッチと同じです。
  • 呼び出しごとに上限を設けてください。 max_cost を設定すると、より高くなる可能性のあるリクエストは実行前に拒否されます。
  • 近日公開: マネージドプロキシ、ステルスモード、リモートブラウザ、自然な言葉で書いたプロンプトからの AI 抽出。現時点では、ご自身のプロキシを使えます。

よくある質問

ヘッダーで SPICRAWL_API_KEY を使わないのはなぜですか?

Gemini CLI は、ヘッダーを展開する前に、名前に KEY、TOKEN、AUTH などの語を含む変数を削除します。$SPICRAWL_API_KEY は空になり、サーバーは 401 を返します。SPICRAWL_MCP_BEARER を使ってください。

spicrawl init は Gemini CLI に対応していますか?

いいえ。このページの手動の手順に従ってください。

url と httpUrl のどちらを使うべきですか?

httpUrl を使ってください。Gemini CLI では、url は SSE を意味し、Spicrawl のサーバーは Streamable HTTP を使います。

Gemini CLI 用の Spicrawl 拡張機能はありますか?

いいえ。Spicrawl の拡張機能は公開されていないため、settings のエントリを使ってください。

1 ページの料金はいくらですか?

通常のフェッチは 1 クレジット、JavaScript レンダリングは 3、フルブラウザレンダリングは 8 です。失敗したリクエストは 0 クレジットです。キャッシュヒットは、それを保存したフェッチと同じ料金です。エージェントに各リクエストで max_cost を設定するよう指示すれば、想定以上の出費を防げます。