Spicrawl działa teraz z OpenAI Agents SDK, LangChain, Codex, Claude Code i nie tylko.Zobacz integracje
Przejdź do treści

Web scraping w VS Code z Copilot

Dodaj serwer MCP Spicrawl do VS Code. Copilot w trybie agenta będzie mógł wtedy czytać strony jako czysty Markdown.

Skonfiguruj

Trzy kroki dają Copilot narzędzia, wiedzę do pisania kodu Spicrawl i reguły ich używania. spicrawl init --client vscode robi za Ciebie pierwsze dwa.

  1. Utwórz .vscode/mcp.json w projekcie. VS Code używa klucza servers, nie mcpServers. Pole z hasłem sprawia, że VS Code raz zapyta o Twój klucz i go zapisze, więc plik można bezpiecznie commitować:

    .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. Uruchom MCP: List Servers z palety poleceń i wystartuj spicrawl. Gdy zostaniesz poproszony, wpisz swój klucz.

  3. Zainstaluj skill i zacommituj go:

    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. Zapisz to jako .github/copilot-instructions.md lub dodaj do pliku, który już masz:

    .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. Otwórz widok Chat, przełącz się na tryb Agent i otwórz selektor narzędzi. spicrawl wymienia 25 narzędzi spicrawl_*.

Copilot CLI i agent chmurowy Copilot czytają własne konfiguracje MCP. strona dokumentacji obejmuje oba.

Pierwsze zadanie na próbę

Otwórz Copilot Chat w trybie Agent i zapytaj:

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.

Agent powinien wywołać spicrawl_scrape z format: "markdown". Powinien dodać render: true tylko wtedy, gdy pierwszy wynik jest pusty.

Co potrafi

Serwer daje agentowi 25 narzędzi spicrawl_*. Każde wywołanie działa na Twoim kluczu API, z tymi samymi limitami i kredytami co bezpośrednie wywołanie API.

  • Przeczytaj jedną stronę: spicrawl_scrape zwraca Markdown (domyślnie), tekst, HTML, JSON lub PDF.
  • Czytaj wiele stron: spicrawl_batch_submit kolejkuje do 10,000 adresów URL. Potem użyj spicrawl_batch_status i spicrawl_batch_results.
  • Strony za logowaniem: spicrawl_session_create zachowuje ciasteczka i storage między wywołaniami.
  • Zdiagnozuj błąd: spicrawl_requests_list i spicrawl_request_get.
  • Sprawdź użycie: spicrawl_usage_summary i pozostałe narzędzia użycia. Wymagają klucza z uprawnieniem read.
  • Wyszukuj informacje: spicrawl_docs_search i spicrawl_docs_read przeszukują i czytają dokumentację Spicrawl.

Jedno narzędzie, spicrawl_browser_connect_url, jest na liście, ale wkrótce. W spicrawl_scrape argument renderowania to render, a nie js_render z API.

Warto wiedzieć

  • Bez crawlowania. Spicrawl nie podąża za linkami ani nie wyszukuje stron. Daj agentowi adresy URL.
  • Kredyty na żądanie. Zwykłe pobranie to 1 kredyt. Renderowanie JavaScriptu to 3. Renderowanie w pełnej przeglądarce to 8.
  • Błędy są darmowe. Nieudane żądanie kosztuje 0 kredytów.
  • Cache oszczędza czas, a nie kredyty. Trafienie w cache kosztuje tyle samo co pobranie, które je zapisało.
  • Ogranicz każde wywołanie. Ustaw max_cost, a żądanie, które mogłoby kosztować więcej, zostanie odrzucone, zanim się wykona.
  • Wkrótce: zarządzane proxy, tryb stealth, zdalna przeglądarka i ekstrakcja AI z promptu w zwykłym języku. Dziś możesz użyć własnego proxy.

Najczęściej zadawane pytania

Dlaczego VS Code używa „servers”, a nie „mcpServers”?

To własny format VS Code. Użyj klucza servers w .vscode/mcp.json, jak w przykładzie na tej stronie.

Gdzie jest przechowywany mój klucz?

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.

Czy działa z Copilot CLI i agentem w chmurze?

Tak, ale każdy czyta własną konfigurację MCP. Copilot CLI używa copilot mcp add. Agent w chmurze jest konfigurowany przez administratora repozytorium w Settings → Copilot → MCP servers. Strona dokumentacji obejmuje oba.

Co zapisuje spicrawl init --client vscode?

Zapisuje .vscode/mcp.json i skill w .github/skills/spicrawl/SKILL.md. Nie zapisuje pliku z instrukcjami ani konfiguracji Copilot CLI czy agenta w chmurze.

Ile kosztuje każda strona?

Zwykłe pobranie kosztuje 1 kredyt, renderowanie JavaScriptu 3, a renderowanie w pełnej przeglądarce 8. Nieudane żądania kosztują 0. Trafienie w cache kosztuje tyle samo, co pobranie, które je zapisało. Poproś agenta, aby ustawiał max_cost w każdym żądaniu, tak by nigdy nie wydał więcej, niż się spodziewasz.