Spicrawl artık OpenAI Agents SDK, LangChain, Codex, Claude Code ve daha fazlasıyla çalışıyor.Entegrasyonları görün
İçeriğe geç

Codex’te web scraping

Spicrawl MCP sunucusunu Codex’e ekleyin. Böylece web sayfalarını temiz Markdown olarak okuyabilir.

Kurun

Üç adım Codex’e araçları, Spicrawl kodu yazma bilgisini ve ikisini kullanma kurallarını verir. Ya da üçünü birden spicrawl init --client codex ile yapın.

  1. API anahtarınızı ayarlayın:

    bash
    export SPICRAWL_API_KEY=spicrawl_live_...   # add to your shell profile
  2. MCP sunucusunu ekleyin. Codex bağlandığı her seferde anahtarı SPICRAWL_API_KEY içinden okur, böylece anahtar hiçbir dosyaya yazılmaz:

    bash
    codex mcp add spicrawl --url https://mcp.spicrawl.com/mcp --bearer-token-env-var SPICRAWL_API_KEY

    Bu, şu yapılandırmayla aynı şeyi yazar:

    ~/.codex/config.toml
    [mcp_servers.spicrawl]
    url = "https://mcp.spicrawl.com/mcp"
    bearer_token_env_var = "SPICRAWL_API_KEY"

    Yalnızca tek bir proje için tabloyu .codex/config.toml içine koyun. Codex bunu yalnızca güvenilen projelerde okur.

  3. Skill’i kurun:

    bash
    mkdir -p .agents/skills/spicrawl
    curl -fsSL https://app.spicrawl.com/skill.md -o .agents/skills/spicrawl/SKILL.md
  4. Bu bölümü proje kökündeki AGENTS.md dosyasına yapıştırın:

    AGENTS.md
    ## Web data (Spicrawl)
    
    Use Spicrawl to read web pages: the spicrawl_* MCP tools, the `spicrawl` CLI, 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.
    - With the CLI, read stdout as JSON and branch on the exit code: 3 auth, 4 bad request,
      5 limit, 6 site refused or failed, 7 proxy, 8 engine or extraction, 10 network.
    - Never print or commit SPICRAWL_API_KEY. Log `X-Request-Id` for failures.
  5. codex mcp list ile veya bir oturumda /mcp ile kontrol edin. 25 spicrawl_* aracı görmelisiniz.

Ya da CLI’ı kullanın

Codex bir kabukta çalışır, bu yüzden spicrawl CLI’ı hiçbir yapılandırma olmadan çalışır. Borulandığında JSON yazdırır ve sabit bir kodla çıkar:

bash
spicrawl scrape https://example.com/pricing --format markdown --max-cost 3 | jq -r .content

Codex cloud’da MCP sunucusuna güvenmeyin. CLI’ı veya düz HTTP’yi kullanın. SPICRAWL_API_KEY değişkenini gizli bilgi değil, ortam değişkeni olarak ayarlayın ve agent’ın internet erişiminde api.spicrawl.com adresine izin verin.

Deneyebileceğiniz ilk görev

Projede codex başlatın ve sorun:

istem
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.

Neler yapabilir

Sunucu agent’a 25 spicrawl_* aracı verir. Her çağrı API anahtarınızla çalışır; doğrudan bir API çağrısıyla aynı limitler ve kredilerle.

  • Tek bir sayfayı okuyun: spicrawl_scrape Markdown (varsayılan), metin, HTML, JSON veya PDF döndürür.
  • Birçok sayfayı okuyun: spicrawl_batch_submit en fazla 10.000 URL’yi kuyruğa alır. Ardından spicrawl_batch_status ve spicrawl_batch_results kullanın.
  • Giriş arkasındaki sayfalar: spicrawl_session_create çerezleri ve depolamayı çağrılar arasında korur.
  • Bir hatayı ayıklayın: spicrawl_requests_list ve spicrawl_request_get.
  • Kullanımı kontrol edin: spicrawl_usage_summary ve diğer kullanım araçları. Bunlar için read kapsamına sahip bir anahtar gerekir.
  • Bir şeye bakın: spicrawl_docs_search ve spicrawl_docs_read, Spicrawl dokümanlarında arama yapar ve onları okur.

Bir araç, spicrawl_browser_connect_url, listelenmiş ancak yakında geliyor. spicrawl_scrape üzerinde işleme argümanı API’deki js_render değil, render olarak geçer.

Bilmekte fayda var

  • Crawl yok. Spicrawl bağlantıları izlemez veya sayfa bulmaz. Agent’a URL’leri verin.
  • İstek başına kredi. Düz bir fetch 1 kredidir. JavaScript işleme 3, tam tarayıcı işleme 8 kredidir.
  • Hatalar ücretsizdir. Başarısız bir istek 0 kredi tutar.
  • Önbellek zaman kazandırır, kredi kazandırmaz. Önbellek zaman kazandırır, kredi kazandırmaz.
  • Her çağrıyı sınırlayın. max_cost ayarlayın; daha pahalıya mal olabilecek bir istek çalışmadan önce reddedilir.
  • Yakında: yönetilen proxy’ler, gizli mod, uzak tarayıcı ve düz dilde bir prompt’tan yapay zeka ile çıkarma. Bugün kendi proxy’nizi getirebilirsiniz.

Sık sorulan sorular

Codex sunucuyu nerede saklar?

~/.codex/config.toml içinde. Yalnızca tek bir projede kullanmak için aynı tabloyu .codex/config.toml içine koyun. Codex proje yapılandırmasını yalnızca güvenilen projelerde okur.

Codex MCP yerine CLI’ı kullanabilir mi?

Evet. Codex bir kabukta çalışır, bu yüzden spicrawl scrape URL --format markdown --max-cost 3 çalıştırabilir. CLI pipe edildiğinde JSON yazdırır ve sabit bir kodla çıkar.

Codex cloud’da çalışır mı?

Orada MCP sunucusuna güvenmeyin. CLI veya düz HTTP kullanın. SPICRAWL_API_KEY değerini ortam değişkeni olarak ayarlayın (gizli anahtar olarak değil) ve agent’ın internet erişiminde api.spicrawl.com’a izin verin.

Sunucu neden 401 döndürüyor?

SPICRAWL_API_KEY, codex’i başlatan kabukta ayarlı değildi. Dışa aktarın ve yeni bir oturum başlatın.

Her sayfa ne kadara mal olur?

Düz fetch 1 kredi, JavaScript işleme 3, tam tarayıcı işleme 8 tutar. Başarısız istekler 0 kredi tutar. Önbellek isabeti, onu depolayan fetch ile aynı maliyettedir. Agent’a, beklediğinizden fazla harcamaması için her istekte max_cost ayarlamasını söyleyin.