Skip to main content
Olostep LangChain 集成提供了全面的工具,帮助构建可以搜索、抓取、分析和结构化任何网站数据的 AI 代理。非常适合 LangChain 和 LangGraph 应用。

功能

该集成提供对所有 5 种 Olostep API 功能的访问:

抓取

从任何单一 URL 提取内容,支持多种格式(Markdown、HTML、JSON、文本)

批处理

并行处理多达 10,000 个 URL。批处理作业在 5-8 分钟内完成

答案

支持自然语言查询和结构化输出的 AI 驱动网页搜索

地图

提取网站的所有 URL 以进行站点结构分析

爬取

通过跟随链接自主发现并抓取整个网站

安装

设置

将你的 Olostep API 密钥设置为环境变量:
Olostep Dashboard 获取你的 API 密钥。

可用工具

scrape_website

从单一 URL 提取内容。支持多种格式和 JavaScript 渲染。
string
必填
要抓取的网站 URL(必须包括 http:// 或 https://)
string
默认值:"markdown"
输出格式:markdownhtmljsontext
string
用于特定位置内容的国家代码(例如,“US”、“GB”、“CA”)
integer
JavaScript 渲染的等待时间(0-10000 毫秒)
string
用于专门提取的可选解析器 ID(例如,“@olostep/amazon-product”)

scrape_batch

并行处理多个 URL(一次最多 10,000 个)。
array
必填
要抓取的 URL 列表
string
默认值:"markdown"
所有 URL 的输出格式:markdownhtmljsontext
string
用于特定位置内容的国家代码
integer
JavaScript 渲染的等待时间
string
用于专门提取的可选解析器 ID

answer_question

搜索网络并获取带有来源的 AI 驱动答案。非常适合数据丰富和研究。
string
必填
要搜索的问题或任务
object
描述所需输出格式的可选 JSON 架构字典/字符串

extract_urls

提取网站的所有 URL 以进行站点结构分析。
string
必填
要从中提取 URL 的网站 URL
string
用于过滤 URL 的可选搜索查询
integer
限制返回的 URL 数量
array
要包含的全局模式(例如,[“/blog/**”])
array
要排除的全局模式(例如,[“/admin/**”])

crawl_website

通过跟随链接自主发现并抓取整个网站。
string
必填
爬取的起始 URL
integer
默认值:"100"
要爬取的最大页面数
array
要包含的全局模式(例如,[”/**”] 表示全部)
array
要排除的全局模式(例如,[“/admin/**”])
integer
从 start_url 开始的最大爬取深度
boolean
默认值:"false"
包括外部 URL

LangChain 代理集成

构建可以搜索和抓取网络的智能代理:

LangGraph 集成

使用 LangGraph 构建复杂的多步骤工作流:

高级用例

数据丰富

使用网络信息丰富电子表格数据:

电商产品抓取

使用专门的解析器抓取产品数据:

SEO 审核

分析整个网站的 SEO:

文档抓取

爬取并提取文档:

专门解析器

Olostep 提供了针对热门网站的预构建解析器:
  • @olostep/google-search - Google 搜索结果
parser 参数中使用它们:

错误处理

最佳实践

当抓取超过 3-5 个 URL 时,使用 scrape_batch 而不是多个 scrape_website 调用。批处理速度更快且更具成本效益。
对于 JavaScript 密集型网站,使用 wait_before_scraping 参数(通常为 2000-5000 毫秒)。这确保动态内容完全加载。
对于热门网站(如亚马逊、LinkedIn、Google),使用我们的预构建解析器自动获取结构化数据。
使用 extract_urlscrawl_website 时,使用全局模式专注于相关页面,避免不必要的处理。
对于速率限制错误,实施指数退避。API 会自动处理大多数速率限制。

支持

相关资源

抓取 API

了解抓取端点

批处理 API

了解批处理端点

答案 API

了解答案端点

地图 API

了解地图端点

爬取 API

了解爬取端点

Python SDK

探索 Python SDK

LangChain 网站

LangChain 平台