Веб-скрейпинг в VS Code с Copilot
Добавьте MCP-сервер Spicrawl в VS Code. Тогда Copilot в режиме агента сможет читать веб-страницы как чистый Markdown.
Настройте
Три шага дают Copilot инструменты, знания для написания кода Spicrawl и правила их использования. spicrawl init --client vscode выполняет первые два за вас.
Создайте
.vscode/mcp.jsonв проекте. VS Code использует ключservers, а неmcpServers. Поле ввода пароля заставляет VS Code один раз запросить ваш ключ и сохранить его, поэтому файл безопасно коммитить:.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}" } } } }Выполните MCP: List Servers из палитры команд и запустите
spicrawl. Введите ключ, когда его запросят.Установите навык и закоммитьте его:
bashspicrawl 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.mdСохраните это как
.github/copilot-instructions.mdили добавьте в уже существующий файл:.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.Откройте представление Chat, переключитесь в режим Агент и откройте выбор инструментов.
spicrawlпоказывает 25 инструментовspicrawl_*.
Copilot CLI и облачный агент Copilot читают каждый собственную конфигурацию MCP. страница документации описывает обе.
Первая задача для пробы
Откройте Copilot Chat в режиме Agent и спросите:
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.
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_scrapeвозвращает Markdown (по умолчанию), текст, HTML, JSON или PDF. - Читайте много страниц:
spicrawl_batch_submitставит в очередь до 10 000 URL. Затем используйтеspicrawl_batch_statusиspicrawl_batch_results. - Страницы за входом:
spicrawl_session_createсохраняет cookies и хранилище между вызовами. - Отладьте сбой:
spicrawl_requests_listиspicrawl_request_get. - Проверьте использование:
spicrawl_usage_summaryи остальные инструменты учёта использования. Им нужен ключ с областью доступаread. - Ищите информацию:
spicrawl_docs_searchиspicrawl_docs_readищут 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
Почему VS Code использует "servers", а не "mcpServers"?
Это собственный формат VS Code. Используйте ключ servers в .vscode/mcp.json, как в примере на этой странице.
Где хранится мой ключ?
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.
Работает ли он с Copilot CLI и облачным агентом?
Да, но каждый читает собственную конфигурацию MCP. Copilot CLI использует copilot mcp add. Облачного агента настраивает администратор репозитория в Settings → Copilot → MCP servers. Страница документации охватывает оба.
Что записывает spicrawl init --client vscode?
Он записывает .vscode/mcp.json и навык в .github/skills/spicrawl/SKILL.md. Он не записывает файл инструкций и конфигурацию Copilot CLI или облачного агента.
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.