Gemini - Firecrawl Docs

Integra Firecrawl con Gemini de Google para aplicaciones de IA impulsadas por datos de la web.

Configuración#

npm install firecrawl @google/genai

Crea el archivo .env:

FIRECRAWL_API_KEY=your_firecrawl_keyGEMINI_API_KEY=your_gemini_key

Nota: Si usas Node < 20, instala dotenv y añade import 'dotenv/config' a tu código.

Scraping + Resumen#

Este ejemplo muestra un flujo de trabajo sencillo: scrapear un sitio web y resumir su contenido con Gemini.

import { Firecrawl } from 'firecrawl';import { GoogleGenAI } from '@google/genai';const firecrawl = new Firecrawl({ apiKey: process.env.FIRECRAWL_API_KEY });const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });const scrapeResult = await firecrawl.scrape('https://firecrawl.dev', {    formats: ['markdown']});console.log('Scraped content length:', scrapeResult.markdown?.length);const response = await ai.models.generateContent({    model: 'gemini-2.5-flash',    contents: `Summarize: ${scrapeResult.markdown}`,});console.log('Summary:', response.text);

Análisis de contenido#

Este ejemplo muestra cómo analizar el contenido de un sitio web usando las capacidades de conversación multiturno de Gemini.

import { Firecrawl } from 'firecrawl';import { GoogleGenAI } from '@google/genai';const firecrawl = new Firecrawl({ apiKey: process.env.FIRECRAWL_API_KEY });const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });const scrapeResult = await firecrawl.scrape('https://news.ycombinator.com/', {    formats: ['markdown']});console.log('Scraped content length:', scrapeResult.markdown?.length);const chat = ai.chats.create({    model: 'gemini-2.5-flash'});// Solicitar las 3 historias principales de Hacker Newsconst result1 = await chat.sendMessage({    message: `Based on this website content from Hacker News, what are the top 3 stories right now?\n\n${scrapeResult.markdown}`});console.log('Top 3 Stories:', result1.text);// Solicitar las historias 4.ª y 5.ª de Hacker Newsconst result2 = await chat.sendMessage({    message: `Now, what are the 4th and 5th top stories on Hacker News from the same content?`});console.log('4th and 5th Stories:', result2.text);

Extracción estructurada#

Este ejemplo muestra cómo extraer datos estructurados usando el modo JSON de Gemini a partir de contenido extraído de sitios web.

import { Firecrawl } from 'firecrawl';import { GoogleGenAI, Type } from '@google/genai';const firecrawl = new Firecrawl({ apiKey: process.env.FIRECRAWL_API_KEY });const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });const scrapeResult = await firecrawl.scrape('https://stripe.com', {    formats: ['markdown']});console.log('Longitud del contenido scrapeado:', scrapeResult.markdown?.length);const response = await ai.models.generateContent({    model: 'gemini-2.5-flash',    contents: `Extrae información de la empresa: ${scrapeResult.markdown}`,    config: {        responseMimeType: 'application/json',        responseSchema: {            type: Type.OBJECT,            properties: {                name: { type: Type.STRING },                industry: { type: Type.STRING },                description: { type: Type.STRING },                products: {                    type: Type.ARRAY,                    items: { type: Type.STRING }                }            },            propertyOrdering: ['name', 'industry', 'description', 'products']        }    }});console.log('Información de la empresa extraída:', response?.text);

Para más ejemplos, consulta la documentación de Gemini.