Web scraping no Cursor
Adicione o servidor MCP do Spicrawl ao Cursor. O agente dele passa a ler páginas web como Markdown limpo.
Configure
Três passos dão ao agente do Cursor as ferramentas, o conhecimento para escrever código do Spicrawl e regras para usar os dois. Ou faça os três de uma vez com spicrawl init --client cursor.
Defina a sua chave de API no ambiente a partir do qual o Cursor inicia:
bashexport SPICRAWL_API_KEY=spicrawl_live_... # add to your shell profile, then restart CursorNo macOS, apps abertos pelo Dock não enxergam o perfil do seu shell. Abra o Cursor a partir de um terminal com
cursor ..Adicione o servidor a
.cursor/mcp.json(ou a~/.cursor/mcp.jsonpara todos os projetos). O Cursor preenche a chave, então o arquivo é seguro para commitar:.cursor/mcp.json{ "mcpServers": { "spicrawl": { "url": "https://mcp.spicrawl.com/mcp", "headers": { "Authorization": "Bearer ${env:SPICRAWL_API_KEY}" } } } }Instale a skill:
bashspicrawl skill install --client cursor # Without the CLI: mkdir -p .cursor/skills/spicrawl curl -fsSL https://app.spicrawl.com/skill.md -o .cursor/skills/spicrawl/SKILL.mdSalve esta regra como
.cursor/rules/spicrawl.mdc. O agente a lê quando uma tarefa envolve dados da web. DefinaalwaysApply: truepara incluí-la em todo chat..cursor/rules/spicrawl.mdc--- description: Fetching, scraping or extracting data from web pages with Spicrawl alwaysApply: false --- # 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.Abra Cursor Settings → MCP. Confira se
spicrawlestá ativado e lista 25 ferramentasspicrawl_*.
Uma primeira tarefa para testar
Abra o agente no modo Agent e pergunte:
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.O agente deve chamar spicrawl_scrape com format: "markdown". Ele deve adicionar render: true só se o primeiro resultado vier vazio.
Agentes na nuvem
Os agentes na nuvem do Cursor rodam em uma VM remota, então não enxergam a chave do seu shell. Adicione o servidor no painel do Cursor com a URL https://mcp.spicrawl.com/mcp e o cabeçalho Authorization: Bearer mais a sua chave. Não faça commit da chave. A skill e a regra vêm do repositório.
O que ele pode fazer
O servidor dá ao agente 25 ferramentas spicrawl_*. Cada chamada roda sob a sua chave de API, com os mesmos limites e créditos de uma chamada direta à API.
- Ler uma página:
spicrawl_scraperetorna Markdown (o padrão), texto, HTML, JSON ou PDF. - Ler várias páginas:
spicrawl_batch_submitenfileira até 10.000 URLs. Acompanhe comspicrawl_batch_statusespicrawl_batch_results. - Páginas atrás de um login:
spicrawl_session_createmantém cookies e armazenamento entre as chamadas. - Depure uma falha:
spicrawl_requests_listespicrawl_request_get. - Verifique o uso:
spicrawl_usage_summarye as outras ferramentas de uso. Elas exigem uma chave com o escoporead. - Pesquise coisas:
spicrawl_docs_searchespicrawl_docs_readpesquisam e leem a documentação do Spicrawl.
Uma ferramenta, spicrawl_browser_connect_url, está listada mas chega em breve. Em spicrawl_scrape, o argumento de renderização é render, não o js_render da API.
Bom saber
- Sem crawl. O Spicrawl não segue links nem encontra páginas. Dê as URLs ao agente.
- Créditos por requisição. Um fetch simples custa 1 crédito. A renderização JavaScript custa 3. A renderização em navegador completo custa 8.
- Falhas são grátis. Uma requisição que falha custa 0 crédito.
- O cache economiza tempo, não créditos. Um acerto de cache custa o mesmo que a busca que o guardou.
- Limite cada chamada. Defina
max_coste uma requisição que poderia custar mais é recusada antes de rodar. - Em breve: proxies gerenciados, modo stealth, um navegador remoto e extração com IA a partir de um prompt em linguagem natural. Hoje você pode usar seu próprio proxy.
Perguntas frequentes
É seguro fazer commit de .cursor/mcp.json?
Yes, if you use ${env:SPICRAWL_API_KEY} in the header. Cursor replaces it with the value from your environment, so the file holds no key.
Por que o servidor mostra um erro 401?
SPICRAWL_API_KEY não estava definida quando o Cursor iniciou. No macOS, apps iniciados pelo Dock não enxergam o perfil do seu shell. Inicie o Cursor por um terminal com cursor . em vez disso.
Funciona com os agentes na nuvem do Cursor?
Sim. Adicione o servidor no painel do Cursor com a URL e o seu cabeçalho Authorization. Não faça commit da chave. A skill e a regra são lidas do repositório.
O servidor aparece na lista, mas não tem ferramentas. E agora?
Desligue e ligue de novo em Cursor Settings → MCP e depois abra um novo chat.
Quanto custa cada página?
Um fetch simples custa 1 crédito, a renderização JavaScript 3 e a renderização em navegador completo 8. Requisições com falha custam 0. Um acerto de cache custa o mesmo que o fetch que o armazenou. Peça ao agente para definir max_cost em cada requisição, para que ele nunca gaste mais do que você espera.