Creadores de datasets
FirecrawlAgent es un bot operado por Firecrawl que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. FirecrawlAgent es un rastreador web operado por Firecrawl que extrae contenido web y lo convierte en datos estructurados para usarlos en aplicaciones de LLM e IA. Está documentado que respeta robots.txt, pero no se publica ninguna lista de rangos de IP ni convención de DNS inverso, así que no se puede demostrar que una solicitud con este user agent sea auténtica.
La solicitud dice
"FirecrawlAgent"
Se comprueba con
Nada publicado
Comprobación en directo
No hay ninguna verificación del operador para FirecrawlAgent. Aun así, aquí ves qué es realmente la dirección.
Referencia
| User agent | FirecrawlAgentSolo token: busca coincidencias con la subcadena. |
|---|---|
| Operador | Firecrawl |
| Finalidad | Creadores de datasets |
| Respeta robots.txt | Respeta |
| Método de verificación | Solo declaradoNada publicado, solo user agent Firecrawl realiza rastreos en nombre de sus clientes, así que el tráfico corresponde al desarrollador que haya llamado a la API y no a Firecrawl. |
| Patrón de rastreo | No publicado |
| Tokens de robots.txt | FirecrawlAgent |
| Documentación del operador | No hay ninguna publicada |
FirecrawlAgent es un rastreador web operado por Firecrawl que extrae contenido web y lo convierte en datos estructurados para usarlos en aplicaciones de LLM e IA.
robots.txt
Pega una en la raíz de tu dominio. Las reglas se aplican por token.
User-agent: FirecrawlAgent
Disallow: /User-agent: FirecrawlAgent
Allow: /User-agent: FirecrawlAgent
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchCambia las rutas de Disallow para que coincidan con tus URLs.
Bloquear FirecrawlAgent deja tus páginas fuera de los conjuntos de datos que cree a partir de futuros rastreos. No elimina nada de lo recopilado antes, y cada operador usa o comparte sus datos de forma distinta, así que consulta su política.
Crea un archivo para todos los rastreadoresFAQ
FirecrawlAgent es un bot operado por Firecrawl que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. FirecrawlAgent es un rastreador web operado por Firecrawl que extrae contenido web y lo convierte en datos estructurados para usarlos en aplicaciones de LLM e IA. Está documentado que respeta robots.txt, pero no se publica ninguna lista de rangos de IP ni convención de DNS inverso, así que no se puede demostrar que una solicitud con este user agent sea auténtica.
Sí. El operador documenta que FirecrawlAgent lee robots.txt y respeta las reglas Disallow de su propio token. Las reglas se aplican la próxima vez que descarga el archivo, lo que puede ocurrir horas o días después de publicarlas.
No puedes, al menos no a partir de la propia solicitud. Firecrawl realiza rastreos en nombre de sus clientes, así que el tráfico corresponde al desarrollador que haya llamado a la API y no a Firecrawl. En su lugar, compara la IP de origen con rangos de hosting y de centros de datos, y limita la frecuencia de todo lo que se comporte como un rastreador.
Añade el token FirecrawlAgent a robots.txt con Disallow: /. Si el rastreador ignora robots.txt, filtra el user agent en tu CDN o proxy inverso y devuelve allí un 403.
Bloquear FirecrawlAgent deja tus páginas fuera de los conjuntos de datos que cree a partir de futuros rastreos. No elimina nada de lo recopilado antes, y cada operador usa o comparte sus datos de forma distinta, así que consulta su política.