Spicrawl теперь работает с OpenAI Agents SDK, LangChain, Codex, Claude Code и другими.Смотреть интеграции
Перейти к содержимому

Веб-скрейпинг в Cursor

Добавьте MCP-сервер Spicrawl в Cursor. Тогда его агент сможет читать веб-страницы как чистый Markdown.

Настройте

Три шага дают агенту Cursor инструменты, знания для написания кода Spicrawl и правила их использования. Или выполните все три командой spicrawl init --client cursor.

  1. Задайте свой API-ключ в окружении, из которого запускается Cursor:

    bash
    export SPICRAWL_API_KEY=spicrawl_live_...   # add to your shell profile, then restart Cursor

    В macOS приложения, запущенные из Dock, не видят профиль вашей оболочки. Запустите Cursor из терминала командой cursor ..

  2. Добавьте сервер в .cursor/mcp.json (или ~/.cursor/mcp.json для всех проектов). Cursor подставляет ключ сам, поэтому файл безопасно коммитить:

    .cursor/mcp.json
    {
      "mcpServers": {
        "spicrawl": {
          "url": "https://mcp.spicrawl.com/mcp",
          "headers": { "Authorization": "Bearer ${env:SPICRAWL_API_KEY}" }
        }
      }
    }
  3. Установите навык:

    bash
    spicrawl 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.md
  4. Сохраните это правило как .cursor/rules/spicrawl.mdc. Агент читает его, когда задача связана с веб-данными. Задайте alwaysApply: true, чтобы включать его в каждый чат.

    .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.
  5. Откройте Cursor Settings → MCP. Убедитесь, что spicrawl включён и показывает 25 инструментов spicrawl_*.

Первая задача для пробы

Откройте агента в режиме Agent и спросите:

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.

Агент должен вызвать spicrawl_scrape с format: "markdown". Добавлять render: true следует, только если первый результат пуст.

Облачные агенты

Облачные агенты Cursor работают в удалённой виртуальной машине, поэтому не видят ключ вашей оболочки. Добавьте сервер в панели Cursor с URL https://mcp.spicrawl.com/mcp и заголовком Authorization: Bearer плюс ваш ключ. Не коммитьте ключ. Навык и правило берутся из репозитория.

Что он умеет

Сервер даёт агенту 25 инструментов spicrawl_*. Каждый вызов выполняется под вашим API-ключом с теми же лимитами и кредитами, что и прямой вызов API.

  • Прочитайте одну страницу: spicrawl_scrape возвращает Markdown (по умолчанию), текст, HTML, JSON или PDF.
  • Читайте много страниц: spicrawl_batch_submit ставит в очередь до 10 000 URL. Затем используйте spicrawl_batch_status и spicrawl_batch_results.
  • Страницы за входом: spicrawl_session_create сохраняет cookies и хранилище между вызовами.
  • Отладьте сбой: spicrawl_requests_list и spicrawl_request_get.
  • Проверьте использование: spicrawl_usage_summary и остальные инструменты учёта использования. Им нужен ключ с областью доступа read.
  • Ищите информацию: spicrawl_docs_search и spicrawl_docs_read ищут и читают документацию Spicrawl.

Один инструмент, spicrawl_browser_connect_url, есть в списке, но скоро появится. В spicrawl_scrape аргумент рендеринга — render, а не js_render из API.

Полезно знать

  • Без обхода. Spicrawl не переходит по ссылкам и не находит страницы. Дайте агенту URL.
  • Кредитов за запрос. Обычная загрузка — 1 кредит. Рендеринг JavaScript — 3. Полный рендеринг в браузере — 8.
  • Сбои бесплатны. Неудачный запрос стоит 0 кредитов.
  • Кэш экономит время, а не кредиты. Попадание в кеш стоит столько же, сколько загрузка, которая его сохранила.
  • Ограничьте каждый вызов. Задайте max_cost, и запрос, который мог бы стоить дороже, отклоняется до выполнения.
  • Скоро: управляемые прокси, режим stealth, удалённый браузер и AI-извлечение данных по запросу на обычном языке. Сейчас можно подключить собственный прокси.

Часто задаваемые вопросы

Безопасно ли коммитить .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.

Почему сервер показывает ошибку 401?

SPICRAWL_API_KEY не был задан при запуске Cursor. В macOS приложения, запущенные из Dock, не видят профиль вашей оболочки. Запустите Cursor из терминала командой cursor . вместо этого.

Работает ли он с облачными агентами Cursor?

Да. Добавьте сервер в дашборде Cursor с URL и заголовком Authorization. Не коммитьте ключ. Навык и правило читаются из репозитория.

Сервер есть в списке, но у него нет инструментов. Что делать?

Выключите и включите его в Cursor Settings → MCP, затем откройте новый чат.

Сколько стоит каждая страница?

Обычный запрос стоит 1 кредит, рендеринг JavaScript 3, а рендеринг в полноценном браузере 8. Неудачные запросы стоят 0. Попадание в кэш стоит столько же, сколько запрос, который его сохранил. Попросите агента задавать max_cost в каждом запросе, чтобы он никогда не тратил больше, чем вы ожидаете.