Deep Research
深いウェブ検索機能でエージェント型のリサーチツールを構築する
ウェブを検索し、ページ全体のコンテンツをスクレイピングし、LLM を使って知見を統合する自動化リサーチエージェントを構築できます。Firecrawl が情報源の発見とコンテンツの抽出を担うため、HTML の解析ではなく分析に集中できます。
これは現在推奨されている Deep Research のワークフローです。Firecrawl Search と スクレイピング をもとに構築されています。従来の v1 Deep Research API を保守している場合は、v1 Deep Research endpoint を使用し、Search ベースのワークフローへの移行を計画してください。
複数のリサーチ用テンプレートから選べます。 リポジトリをクローンし、APIキーを設定してリサーチを開始してください。
散在するWebデータを包括的なインサイトへと変換する、強力なリサーチツールを構築できます。基本となるパターンは、search → scrape → analyze → repeat のループです。Firecrawl の search API を使って関連するソースを見つけ、各ソースをスクレイピングして完全なコンテンツを取得し、その結果を LLM に渡して知見を統合し、次に追うべきクエリを特定します。
ソースを検索
リサーチトピックに関連するページを見つけるには、/search エンドポイントを使用します。
from firecrawl import Firecrawl
firecrawl = Firecrawl(api_key="fc-YOUR-API-KEY")
results = firecrawl.search(
"recent advances in quantum computing",
limit=5,
scrape_options={"formats": ["markdown", "links"]}
)見つかったページをスクレイピング
引用付きの詳細情報を得るために、各結果から完全なコンテンツを抽出します。
for result in results:
doc = firecrawl.scrape(result["url"], formats=["markdown"])
# 分析のために doc のコンテンツを LLM に渡します分析して繰り返す
LLM を使って知見を統合し、抜け漏れを特定し、次のクエリを生成します。リサーチの問いに完全に答えられるまで、このループを繰り返します。
ウェブ全体から情報を発見・読解・統合する自動化リサーチシステムを構築しましょう。数百の情報源を手作業であたる必要をなくし、完全な引用付きの包括的なレポートを提供するツールを作成できます。
重要情報の見落としリスクを抑えます。引用関係を追跡し、関連ソースを発見し、従来の検索手法では拾いにくい洞察を浮かび上がらせるシステムを構築します。
- 反復的な探索: 関連トピックや情報源を自動で発見するツールを構築
- マルチソース統合: 数百のウェブサイトから情報を統合
- 出典の保持: 研究アウトプットで完全な出典情報を維持
- インテリジェント要約: 分析に必要な主要な発見や洞察を抽出
- トレンド検出: 複数の情報源にまたがる傾向を特定
- AIプラットフォーム - AIリサーチアシスタントの構築
- コンテンツ生成 - 調査に基づくコンテンツ
- 競合インテリジェンス - 市場調査