Spicrawl werkt nu met OpenAI Agents SDK, LangChain, Codex, Claude Code en meer.Bekijk integraties
Naar inhoud springen

Web scraping in Windsurf

Windsurf heet nu Devin Desktop. Voeg de Spicrawl MCP-server toe en de agent kan webpagina's als schone Markdown lezen.

Stel het in

Devin Desktop heeft twee agents. Devin Local is de standaard voor nieuwe tabbladen. Cascade is de legacy-agent. Ze lezen MCP-servers uit verschillende bestanden, dus stel degene in die je gebruikt.

  1. Stel je API-sleutel in in de omgeving waaruit Devin Desktop start:

    bash
    export SPICRAWL_API_KEY=spicrawl_live_...   # add to your shell profile, then restart Devin Desktop
  2. Devin Local: voeg de server toe in lokale scope. Die wordt opgeslagen in .devin/mcp_config.local.json, dat Devin in gitignore zet. Controleer het met devin mcp list.

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

    Gebruik -s project niet. Het schrijft naar het gedeelde, gecommitte bestand met je sleutel erin.

  3. Cascade: open het Cascade-paneel, klik op het menu ... en open het MCP-configuratiebestand. Voeg de server toe. Cascade vult de sleutel in, dus het bestand bevat geen sleutel:

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

    Cascade staat 100 tools toe over alle servers heen. Spicrawl gebruikt er 25 van.

  4. Installeer de 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. Sla deze rule op als .devin/rules/spicrawl.md (.windsurf/rules/ werkt nog steeds). De agent leest hem wanneer een taak webdata betreft.

    .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.

Een eerste taak om te proberen

Open een nieuw agent-tabblad en vraag:

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.

De agent moet spicrawl_scrape aanroepen met format: "markdown". Hij moet render: true alleen toevoegen als het eerste resultaat leeg is.

Wat het kan

De server geeft de agent 25 spicrawl_*-tools. Elke aanroep draait onder je API-sleutel, met dezelfde limieten en credits als een directe API-aanroep.

  • Lees één pagina: spicrawl_scrape geeft Markdown (de standaard), tekst, HTML, JSON of PDF terug.
  • Lees veel pagina's: spicrawl_batch_submit zet tot 10.000 URL's in de wachtrij. Volg het met spicrawl_batch_status en spicrawl_batch_results.
  • Pagina's achter een login: spicrawl_session_create bewaart cookies en opslag tussen aanroepen.
  • Een fout debuggen: spicrawl_requests_list en spicrawl_request_get.
  • Controleer het gebruik: spicrawl_usage_summary en de andere usage-tools. Die hebben een sleutel met de scope read nodig.
  • Dingen opzoeken: spicrawl_docs_search en spicrawl_docs_read doorzoeken en lezen de Spicrawl-docs.

Eén tool, spicrawl_browser_connect_url, staat in de lijst maar komt binnenkort. Bij spicrawl_scrape is het renderargument render, niet de js_render van de API.

Goed om te weten

  • Geen crawling. Spicrawl volgt geen links en zoekt geen pagina's. Geef de agent de URL's.
  • Credits per verzoek. Een gewone fetch is 1 credit. JavaScript-rendering is 3. Full-browser-rendering is 8.
  • Mislukkingen zijn gratis. Een mislukt verzoek kost 0 credits.
  • De cache bespaart tijd, geen credits. De cache bespaart tijd, geen credits.
  • Begrens elke aanroep. Stel max_cost in, en een verzoek dat meer zou kunnen kosten wordt geweigerd voordat het wordt uitgevoerd.
  • Binnenkort: beheerde proxy's, stealth-modus, een remote browser en AI-extractie op basis van een prompt in gewone taal. Nu kun je je eigen proxy meenemen.

Veelgestelde vragen

Is Windsurf hetzelfde als Devin Desktop?

Ja. Windsurf is op 2026-06-02 hernoemd naar Devin Desktop. Het is dezelfde editor en deze stappen werken voor beide namen.

Welke agent moet ik instellen, Devin Local of Cascade?

Devin Local is de standaardagent voor nieuwe tabbladen. Cascade is de oudere agent. Ze lezen MCP-servers uit verschillende bestanden, dus stel de agent in die je gebruikt.

Telt Spicrawl mee voor de toollimiet van Cascade?

Ja. Cascade staat 100 tools toe over alle servers heen en Spicrawl gebruikt er 25. Schakel andere servers uit als je dicht bij de limiet zit.

Mijn team blokkeert de server. Wat moet ik doen?

Er is een team-allowlist actief. Vraag de beheerder om de Server ID spicrawl op de allowlist te zetten (hoofdlettergevoelig).

Wat kost elke pagina?

Een gewone fetch kost 1 credit, JavaScript-rendering 3 en volledige browserrendering 8. Mislukte verzoeken kosten 0. Een cachehit kost evenveel als de fetch die hem heeft opgeslagen. Vraag de agent om max_cost bij elk verzoek in te stellen zodat hij nooit meer uitgeeft dan je verwacht.