搭 AI Agent 的时候，让它上网查资料听起来很简单：给个搜索工具，调个 API，返回几条链接——但真做起来才知道噩梦在哪。搜回来的 HTML 里，导航栏、Cookie 弹窗、页脚、广告脚本挤在一块，模型根本看不懂。把网页「洗干净」变成 AI 能理解的干净内容，才是最耗人的活。Firecrawl 就是专门解决这件事的工具，GitHub 上已有 162K Stars。
Firecrawl 的用法简单到极致：输入一个 URL，它返回干净的 Markdown。底层跑的是自研的 Fire-Engine 引擎，自己处理浏览器渲染、JS 执行、智能等待，官方称网页覆盖率 96%，比 Puppeteer 的 79% 和 curl 的 75% 高出一截。反爬最头疼的代理轮换、指纹管理、验证码，也全部替你兜了。同样的页面，原始 HTML 可能要 8 万 token，Firecrawl 输出只要 5600 token——省钱是小事，关键是 Agent 终于「看懂」页面了。
它不只做抓取。/scrape 抓页面、/search 搜索、/interact 填网页表单、/parse 结构化提取，四个核心端点覆盖了 Agent 上网的全部需求。今年 7 月上线的 Web-Scale /monitor 更狠：不是监控某个 URL 变了没，而是全网持续搜索你关心的主题，新内容上线自动通知 Agent。同月还发布了 Research Index——300 万+ arXiv 论文加 GitHub 代码的专用搜索引擎。Claude Code、Cursor、Replit、n8n 都在用它。
最打动开发者的是 6 月上线的「Keyless 免密钥」：不需要注册账号、不需要生成 API Key、不用把 key 贴进 .env 文件，打开终端直接调用，每人每月 1000 次免费调用。对 Agent 开发者来说，这意味着不用「先帮 Agent 注册一个账号」——把 MCP Server 接上，Agent 自己就能搜网、爬页面。这不是临时促销而是产品设计：让你先做出东西，再为用量付费。
实际用起来是什么感觉？ 比如你想让 Agent 分析一个 SaaS 产品的定价页：以前用 BeautifulSoup 写，怎么也得三十行代码——请求、解析、去广告、删导航、格式化；现在一行调用，吐出来就是干净的 Markdown，直接喂给模型。再比如做 RAG 知识库，要定期把几十个行业网站的更新抓下来入库，Firecrawl 的定时抓取加结构化提取，一条流水线就能搞定，不用自己维护爬虫集群。v2.11 还加入了不跑 LLM 的确定性 JSON 提取（省钱）和自动 PII 脱敏，企业场景的数据合规也考虑到了。
Firecrawl 出身也很有意思：三个创始人做 YC 孵化项目 Mendable（AI 文档搜索）时被网页数据质量折磨到崩溃，顺手写的内部爬虫反而成了主业，Mendable 慢慢退场。2025 年 8 月完成 1450 万美元 A 轮融资，Shopify CEO Tobias Lütke 天使跟投。定价按页计费、不收人头费：免费档 1000 credits/月，付费从 $16/月起步到 $599/月（100 万页）。开源版是 AGPL-3.0，也可以自托管。
一句话：在 AI 创业公司普遍烧钱的时代，Firecrawl 已经盈利，靠的是「让开发者试过一次就回不去」的零摩擦体验。做 RAG、AI 搜索、Agent 应用的人，值得从免费档开始试试。
| 项目 | 详情 |
|---|---|
 Stars |
162K+ |
 语言 |
TypeScript |
 许可 |
AGPL-3.0 |
 平台 |
API 服务 / 自托管 |
官网
源码
