Saltar al contenido
CrawlForge MCP
Herramienta de IA3 credits

extract_with_llm

Extracción impulsada por IA que se ejecuta en un modelo Ollama local de forma predeterminada — sin necesidad de API key de LLM. Opcionalmente, dirija la solicitud a OpenAI o Anthropic cuando necesite un modelo alojado. Indíquele un prompt (y opcionalmente un JSON Schema) y obtenga datos estructurados de vuelta.

Casos de uso

Extracción local primero

Ejecute extracciones contra Ollama en su propio equipo — cero costos de API de LLM y privacidad de forma predeterminada.

Data lakes basados en esquema

Combine un prompt con un JSON Schema para poblar filas tipadas para su almacén de datos o base de grafos.

Conmutación por error multiproveedor

Comience en Ollama local y recurra a OpenAI o Anthropic para páginas de mayor importancia cambiando un solo parámetro.

Endpoint

POST/api/v1/tools/extract_with_llm
Auth Required
1 req/s en el plan Free
3 credits

Parameters

NameTypeRequiredDefaultDescription
url
stringOptional-
URL para obtener y extraer. Se requiere url o content.
Example: https://example.com/article/42
content
stringOptional-
Contenido de texto plano o HTML del que extraer. Se requiere url o content.
Example: "<html>...</html>"
prompt
stringRequired-
Instrucciones en lenguaje natural que guían la extracción con LLM
Example: Extract the headline, author, and three key takeaways
schema
objectOptional-
JSON Schema opcional que describe la estructura de datos a extraer
Example: {"type":"object","properties":{"title":{"type":"string"}},"required":["title"]}
provider
stringOptionalauto
Proveedor de LLM: "ollama" (local, predeterminado), "openai", "anthropic" o "auto"
Example: ollama
model
stringOptional-
Identificador del modelo. Predeterminados por proveedor: llama3.2, gpt-4o-mini, claude-haiku-4-5-20251001
Example: llama3.2
maxTokens
numberOptional4096
Tokens máximos para la respuesta del LLM
Example: 4096

Ejemplos de solicitud

cURL — Ollama local (predeterminado, sin API key)

terminalBash
curl -X POST https://crawlforge.dev/api/v1/tools/extract_with_llm \
  -H "X-API-Key: cf_test_YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com/article/42",
    "prompt": "Extract the headline, author, and three key takeaways",
    "provider": "ollama"
  }'

TypeScript — OpenAI con esquema

extractWithLlm.tsTypescript
// npm install crawlforge-sdk
import { CrawlForge } from 'crawlforge-sdk';

const client = new CrawlForge({ apiKey: process.env.CRAWLFORGE_API_KEY });

const result = await client.extractWithLlm({
  url: 'https://example.com/product/123',
  prompt: 'Extract product name, price in USD, and stock status',
  provider: 'openai',
  model: 'gpt-4o-mini',
  schema: {
    type: 'object',
    properties: {
      title: { type: 'string' },
      price: { type: 'number' },
      in_stock: { type: 'boolean' },
    },
    required: ['title', 'price'],
  },
});

// result.data is untyped in crawlforge-sdk 0.1 — its shape is the Response Example below.
const { extracted } = result.data as {
  extracted: { title: string; price: number; in_stock: boolean };
};
console.log(extracted);

Python — Anthropic

extract_with_llm.pyPython
# pip install crawlforge
from crawlforge import CrawlForge

client = CrawlForge()  # reads CRAWLFORGE_API_KEY

result = client.extract_with_llm(
    url='https://example.com/article/42',
    prompt='Extract headline, author, publish date (ISO 8601), and tags',
    provider='anthropic',
    model='claude-haiku-4-5-20251001',
    schema={
        'type': 'object',
        'properties': {
            'headline': {'type': 'string'},
            'author': {'type': 'string'},
            'published_at': {'type': 'string'},
            'tags': {'type': 'array'},
        },
        'required': ['headline'],
    },
)

# result.data is a plain dict — its shape is the Response Example below.
print(result.data['extracted'])

Ejemplo de respuesta

200 OK3.5s
{
  "success": true,
  "data": {
    "extracted": {
      "headline": "How Local LLMs Are Changing Data Pipelines",
      "author": "Jane Doe",
      "takeaways": [
        "Lower cost",
        "Better privacy",
        "Faster iteration"
      ]
    },
    "model_used": "llama3.2",
    "provider": "ollama"
  },
  "credits_used": 3,
  "credits_remaining": 997,
  "processing_time": 3500
}
Field Descriptions
data.providerProveedor resuelto — "ollama" cuando provider es "auto"
data.model_usedModelo predeterminado por proveedor a menos que especifique uno
credits_used3 credits fijos independientemente del proveedor

Costo en credits

3 credits
3 credits por solicitud
3 credits fijos tanto si usa Ollama local como OpenAI o Anthropic.

Consejo: Use list_ollama_models primero para descubrir qué modelos locales están disponibles antes de enviar una extracción.

Herramientas relacionadas

list_ollama_models
Descubra los modelos Ollama locales disponibles
extract_structured
Extracción basada en esquema con respaldo de selectores (3 credits)