Passer au contenu principal
L’intégration Olostep LangChain fournit des outils complets pour construire des agents IA capables de rechercher, scraper, analyser et structurer des données à partir de n’importe quel site web. Parfait pour les applications LangChain et LangGraph.

Fonctionnalités

L’intégration donne accès aux 5 capacités de l’API Olostep :

Scrapes

Extraire le contenu de n’importe quelle URL unique dans plusieurs formats (Markdown, HTML, JSON, texte)

Batches

Traiter jusqu’à 100 000 URLs en parallèle. Les tâches par lots se terminent en 5-8 minutes

Answers

Recherche web alimentée par l’IA avec des requêtes en langage naturel et des résultats structurés

Maps

Extraire toutes les URLs d’un site web pour l’analyse de la structure du site

Crawls

Découvrir et scraper de manière autonome des sites web entiers en suivant les liens

Installation

Configuration

Définis ta clé API Olostep comme une variable d’environnement :
Obtiens ta clé API depuis le Tableau de bord Olostep.

Outils Disponibles

scrape_website

Extraire le contenu d’une URL unique. Prend en charge plusieurs formats et le rendu JavaScript.
string
requis
URL du site web à scraper (doit inclure http:// ou https://)
string
défaut:"markdown"
Format de sortie : markdown, html, json, ou text
string
Code du pays pour le contenu spécifique à la localisation (par exemple, “US”, “GB”, “CA”)
integer
Temps d’attente en millisecondes pour le rendu JavaScript (0-10000)
string
ID de parseur optionnel pour l’extraction spécialisée (par exemple, “@olostep/amazon-product”)

scrape_batch

Traiter plusieurs URLs en parallèle (jusqu’à 100 000 à la fois).
array
requis
Liste des URLs à scraper
string
défaut:"markdown"
Format de sortie pour toutes les URLs : markdown, html, json, ou text
string
Code du pays pour le contenu spécifique à la localisation
integer
Temps d’attente en millisecondes pour le rendu JavaScript
string
ID de parseur optionnel pour l’extraction spécialisée

answer_question

Rechercher sur le web et obtenir des réponses alimentées par l’IA avec des sources. Parfait pour l’enrichissement de données et la recherche.
string
requis
Question ou tâche à rechercher
object
Dictionnaire/chaîne JSON optionnel décrivant le format de sortie souhaité

extract_urls

Extraire toutes les URLs d’un site web pour l’analyse de la structure du site.
string
requis
URL du site web pour extraire les URLs
string
Requête de recherche optionnelle pour filtrer les URLs
integer
Limiter le nombre d’URLs retournées
array
Modèles globaux à inclure (par exemple, [“/blog/**”])
array
Modèles globaux à exclure (par exemple, [“/admin/**”])

crawl_website

Découvrir et scraper de manière autonome des sites web entiers en suivant les liens.
string
requis
URL de départ pour le crawl
integer
défaut:"100"
Nombre maximum de pages à crawler
array
Modèles globaux à inclure (par exemple, [”/**”] pour tout)
array
Modèles globaux à exclure (par exemple, [“/admin/**”])
integer
Profondeur maximale à crawler depuis start_url
boolean
défaut:"false"
Inclure les URLs externes

Intégration de l’Agent LangChain

Construisez des agents intelligents capables de rechercher et scraper le web :

Intégration LangGraph

Construisez des workflows complexes en plusieurs étapes avec LangGraph :

Cas d’Utilisation Avancés

Enrichissement de Données

Enrichir les données de tableur avec des informations web :

Scraping de Produits E-commerce

Scraper les données de produits avec des parseurs spécialisés :

Audit SEO

Analyser des sites web entiers pour le SEO :

Scraping de Documentation

Crawler et extraire la documentation :

Parseurs Spécialisés

Olostep fournit des parseurs pré-construits pour les sites web populaires :
  • @olostep/google-search - Résultats de recherche Google
Utilisez-les avec le paramètre parser :

Gestion des Erreurs

Bonnes Pratiques

Lorsque tu scrapes plus de 3-5 URLs, utilise scrape_batch au lieu de plusieurs appels scrape_website. Le traitement par lots est beaucoup plus rapide et plus économique.
Pour les sites riches en JavaScript, utilise le paramètre wait_before_scraping (2000-5000ms est typique). Cela garantit que le contenu dynamique est entièrement chargé.
Pour les sites web populaires (Amazon, LinkedIn, Google), utilise nos parseurs pré-construits pour obtenir automatiquement des données structurées.
Lors de l’utilisation de extract_urls ou crawl_website, utilise des modèles globaux pour te concentrer sur les pages pertinentes et éviter le traitement inutile.
Implémente un backoff exponentiel pour les erreurs de limite de taux. L’API gère automatiquement la plupart des limitations de taux en interne.

Support

Ressources Connexes

Scrapes API

En savoir plus sur l’endpoint Scrapes

Batches API

En savoir plus sur l’endpoint Batches

Answers API

En savoir plus sur l’endpoint Answers

Maps API

En savoir plus sur l’endpoint Maps

Crawls API

En savoir plus sur l’endpoint Crawls

Python SDK

Explorer le SDK Python

LangChain Website

Plateforme LangChain