Escolhendo o Extrator de Dados

Compare /agent, /extract e /scrape (modo JSON) para escolher a ferramenta ideal para extrair dados estruturados

Firecrawl oferece três abordagens para extrair dados estruturados de páginas da web. Cada uma atende a diferentes casos de uso, com distintos níveis de automação e controle.

​

Comparação Rápida

Recurso	/agent	/extract	/scrape (modo JSON)
Status	Ativo	Use /agent em seu lugar	Ativo
URL Obrigatória	Não (opcional)	Sim (curingas suportados)	Sim (URL única)
Escopo	Descoberta em toda a web	Múltiplas páginas/domínios	Página única
Descoberta de URL	Pesquisa autônoma na web	Rastreia a partir das URLs fornecidas	Nenhuma
Processamento	Assíncrono	Assíncrono	Síncrono
Schema Obrigatório	Não (prompt ou schema)	Não (prompt ou schema)	Não (prompt ou schema)
Preços	Dinâmico (5 execuções gratuitas/dia)	Baseado em tokens (1 crédito = 15 tokens)	1 crédito/página
Melhor Para	Pesquisa, descoberta, coleta complexa	Extração em várias páginas (quando você sabe as URLs)	Extração de uma única página conhecida

​

1. Endpoint /agent

O endpoint /agent é o recurso mais avançado do Firecrawl — o sucessor de /extract. Ele usa agentes de IA para pesquisar, navegar e coletar dados de forma autônoma em toda a web.

​

Características principais

• URLs opcionais: Basta descrever o que você precisa no prompt; o uso de URLs é totalmente opcional
• Navegação autônoma: O agente pesquisa e navega profundamente em sites para encontrar seus dados
• Busca profunda na web: Descobre autonomamente informações em diversos domínios e páginas
• Processamento paralelo: Processa múltiplas fontes simultaneamente para resultados mais rápidos
• Modelos disponíveis: spark-1-mini (padrão, 60% mais barato) e spark-1-pro (maior precisão)

​

Exemplo

Python

from firecrawl import Firecrawl
from pydantic import BaseModel, Field
from typing import List, Optional

app = Firecrawl(api_key="fc-YOUR_API_KEY")

class Founder(BaseModel):
    name: str = Field(description="Nome completo do fundador")
    role: Optional[str] = Field(None, description="Cargo ou posição")
    background: Optional[str] = Field(None, description="Formação profissional")

class FoundersSchema(BaseModel):
    founders: List[Founder] = Field(description="List of founders")

result = app.agent(
    prompt="Find the founders of Firecrawl",
    schema=FoundersSchema,
    model="spark-1-mini"
)

print(result.data)

​

Melhor caso de uso: Pesquisa e descoberta autônomas

Cenário: Você precisa encontrar informações sobre startups de IA que captaram uma rodada de investimento Série A, incluindo seus fundadores e os valores investidos.

Por que /agent: Você não sabe quais sites contêm essas informações. O agent irá pesquisar de forma autônoma na web, navegar até fontes relevantes (Crunchbase, sites de notícias, páginas das empresas) e compilar os dados estruturados para você.

Para mais detalhes, consulte a documentação do Agent.

---

​

2. Endpoint /extract

Use /agent em vez disso: Recomendamos migrar para /agent — é mais rápido, mais confiável, não requer URLs e cobre todos os casos de uso de /extract e mais.

O endpoint /extract coleta dados estruturados de URLs especificadas ou de domínios inteiros usando extração com LLMs.

​

Características principais

• URLs normalmente necessárias: Forneça pelo menos uma URL (aceita curingas como example.com/*)
• Rastreamento de domínio: Pode rastrear e analisar todas as URLs descobertas em um domínio
• Aprimoramento com busca na web: enableWebSearch opcional para seguir links fora dos domínios especificados
• Schema opcional: Suporta JSON Schema rígido OU prompts em linguagem natural
• Processamento assíncrono: Retorna um ID de tarefa para verificação de status

​

A limitação de URLs

O desafio fundamental com /extract é que você normalmente precisa conhecer as URLs de antemão:

1. Lacuna de descoberta: para tarefas como “encontrar startups da YC W24”, você não sabe quais URLs contêm os dados. Você precisaria de uma etapa de pesquisa separada antes de chamar /extract.
2. Busca na web pouco prática: embora enableWebSearch exista, ele é limitado a começar pelas URLs que você fornece — um fluxo de trabalho pouco prático para tarefas de descoberta.
3. Por que /agent foi criado: /extract é bom em extrair de locais conhecidos, mas menos eficaz em descobrir onde os dados estão.

​

Exemplo

Python

from firecrawl import Firecrawl

firecrawl = Firecrawl(api_key="fc-YOUR-API-KEY")

schema = {
    "type": "object",
    "properties": {"description": {"type": "string"}},
    "required": ["description"],
}

res = firecrawl.extract(
    urls=["https://docs.firecrawl.dev"],
    prompt="Extrair a descrição da página",
    schema=schema,
)

print(res.data["description"])

​

Caso de uso ideal: extração direcionada em múltiplas páginas

Cenário: Você tem a URL da documentação de um concorrente e quer extrair todos os endpoints de API deles de docs.competitor.com/*.

Por que /extract funcionou aqui: Você conhecia exatamente o domínio. Mas, mesmo assim, /agent com URLs fornecidas normalmente oferece resultados melhores hoje.

Para mais detalhes, consulte a documentação do Extract.

---

​

3. Endpoint /scrape com modo JSON

O endpoint /scrape com modo JSON é a abordagem mais controlada — ele extrai dados estruturados de uma única URL conhecida usando um LLM para analisar o conteúdo da página no schema que você especificar.

​

Características principais

• Apenas uma URL: Projetado para extrair dados de uma única página específica por vez
• URL exata obrigatória: Você deve conhecer a URL exata que contém os dados
• Schema opcional: Pode usar JSON Schema OU apenas um prompt (o LLM escolhe a estrutura)
• Síncrono: Retorna os dados imediatamente (sem necessidade de polling de jobs)
• Formatos adicionais: Pode combinar extração em JSON com markdown, HTML e capturas de tela em uma única requisição

​

Exemplo

Python

from firecrawl import Firecrawl
from pydantic import BaseModel

app = Firecrawl(api_key="fc-SUA-CHAVE-API")

class CompanyInfo(BaseModel):
    company_mission: str
    supports_sso: bool
    is_open_source: bool
    is_in_yc: bool

result = app.scrape(
    'https://firecrawl.dev',
    formats=[{
      "type": "json",
      "schema": CompanyInfo.model_json_schema()
    }],
    only_main_content=False,
    timeout=120000
)

print(result)

​

Melhor caso de uso: Extração de alta precisão em página única

Cenário: Você está criando uma ferramenta de monitoramento de preços e precisa extrair o preço, o status de estoque e os detalhes do produto de uma página de produto específica para a qual você já tem a URL.

Por que usar /scrape com modo JSON: Você sabe exatamente qual página contém os dados, precisa de uma extração precisa de uma única página e quer resultados síncronos sem a sobrecarga de gerenciar tarefas.

Para mais detalhes, consulte a documentação do modo JSON.

---

​

Guia de decisão

Você conhece a(s) URL(s) exata(s) que contém seus dados?

• NÃO → Use /agent (descoberta autônoma na web)
• SIM
  • Página única? → Use /scrape com modo JSON
  • Múltiplas páginas? → Use /agent com URLs (ou /scrape em lote)

​

Recomendações por Cenário

Cenário	Endpoint Recomendado
”Encontrar todas as startups de IA e seus financiamentos”	/agent
”Extrair dados desta página de produto específica”	/scrape (modo JSON)
“Obter todos os artigos do blog de competitor.com”	/agent com URL
”Monitorar preços em várias URLs conhecidas”	/scrape com processamento em lote
”Pesquisar empresas em um setor específico”	/agent
”Extrair informações de contato de 50 páginas de empresas conhecidas”	/scrape com processamento em lote

---

​

Preços

Endpoint	Custo	Observações
/scrape (modo JSON)	1 crédito/página	Fixo, previsível
/extract	Cobrado por tokens (1 crédito = 15 tokens)	Variável de acordo com o conteúdo
/agent	Dinâmico	5 execuções gratuitas por dia; varia de acordo com a complexidade

​

Exemplo: “Encontre os fundadores da Firecrawl”

Endpoint	Como funciona	Créditos usados
/scrape	Você encontra a URL manualmente e depois faz scrape de 1 página	~1 crédito
/extract	Você fornece URL(s) e ele extrai dados estruturados	Variável (baseado em tokens)
/agent	Basta enviar o prompt — o agente encontra e extrai	~15 créditos

Trade-off: /scrape é o mais barato, mas exige que você saiba a URL. /agent custa mais, mas cuida da descoberta automaticamente.

Para preços detalhados, consulte Firecrawl Pricing.

---

​

Migração: /extract → /agent

Se você estiver usando /extract atualmente, a migração é simples:

Antes (extract):

result = app.extract(
    urls=["https://example.com/*"],
    prompt="Extract product information",
    schema=schema
)

Depois (agente):

result = app.agent(
    urls=["https://example.com"],  # Opcional - pode omitir completamente
    prompt="Extrair informações de produtos de example.com",
    schema=schema,
    model="spark-1-mini"  # ou "spark-1-pro" para maior precisão
)

A principal vantagem é que, com /agent, você pode simplesmente descrever o que precisa, sem nem precisar informar URLs.

---

​

Principais pontos

1. Sabe a URL exata? Use /scrape com modo JSON — é a opção mais barata (1 crédito/página), mais rápida (síncrona) e mais previsível.

2. Precisa de pesquisa autônoma? Use /agent — ele cuida da descoberta automaticamente, com 5 execuções grátis/dia e depois precificação dinâmica baseada na complexidade.

3. Migrando de /extract para /agent em novos projetos — /agent é o sucessor, com recursos mais avançados.

4. Trade-off entre custo e conveniência: /scrape é mais econômico quando você já conhece suas URLs; /agent custa mais, mas elimina a descoberta manual de URLs.

---

​

Leituras adicionais

• Documentação do Agent
• Modelos do Agent
• Documentação do modo JSON
• Documentação do Extract
• Raspagem em lote