Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

crw

Alternativa open source a Firecrawl/Tavily en Rust para scraping web, crawling y búsqueda. API compatible con Firecrawl, servidor MCP para agentes IA y despliegue local o cloud. Rendimiento superior y bajo consumo RAM (~6 MB). Licencia AGPL-3.0.

Ficha actualizada 24 sept 2026, 22:23 · upstream 24 sept 2026, 10:37 · release v0.36.0

00

Qué es crw

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

fastCRW es una herramienta de código abierto escrita en Rust que proporciona capacidades completas de scraping web, crawling y búsqueda mediante una API compatible con Firecrawl. Permite convertir URLs en contenido limpio en formato markdown o JSON estructurado, y ofrece operaciones como scrape, crawl, map, search y extract para recopilar datos de la web de manera eficiente.

La herramienta está diseñada para ser ligera y rápida, consumiendo aproximadamente 6 MB de RAM según benchmarks oficiales, lo que la hace ideal para entornos con recursos limitados. Ofrece dos modos de operación: un binario local autoalojado o una API gestionada en la nube con proxies administrados y renderizado JavaScript.

Incluye un servidor MCP (Model Context Protocol) nativo para integrarse directamente con agentes de IA como Claude Code, Cursor o Windsurf, facilitando el acceso a datos web sin necesidad de infraestructura adicional. La licencia del núcleo es AGPL-3.0, mientras que los SDKs en Python y TypeScript están bajo MIT.

CASOS DE USO
  • Scraping de páginas web para extraer contenido en markdown o JSON estructurado
  • Crawling de sitios completos respetando robots.txt para recopilar múltiples URLs
  • Búsqueda web con opción de scraping automático de resultados relevantes
  • Extracción de datos estructurados desde múltiples fuentes web simultáneamente
  • Integración con agentes de IA mediante servidor MCP para automatización de tareas
  • Despliegue local en servidores propios para mantener control sobre los datos procesados
PUNTOS DESTACADOS
  • Rendimiento superior: 2.3x más rápido que Tavily y 1.5x que Firecrawl en benchmarks de 1K URLs
  • Bajo consumo de memoria: ~6 MB RAM en operación, ~14 MB idling según documentación oficial
  • API compatible con Firecrawl: endpoints /scrape, /crawl, /search sin cambios de implementación
  • Servidor MCP integrado para agentes de IA sin configuración adicional compleja
  • Soporte multiplataforma: macOS y Linux (Intel y ARM) mediante binario único
  • Licencia AGPL-3.0 para el núcleo, garantizando transparencia en código abierto
PRECAUCIONES
  • Requiere Rust 1.85 o superior para compilar desde fuente localmente
  • El servidor MCP requiere instalación manual o uso de crw setup para detección automática
  • La API gestionada requiere registro previo y obtención de clave API en fastcrw.com
  • Las capacidades y formatos de respuesta pueden variar entre despliegue local y cloud
  • Licencia AGPL-3.0 obliga a compartir modificaciones del código fuente si se distribuye
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

fastCRW compared with Crawl4AI and Firecrawl on truth-recall, unique recoveries, median latency, download size, and recall depthfastCRWuspaoloantinorirqi14santhrealAsheTheWingsgjija
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Para uso local, instala el binario Rust con curl -fsSL https://fastcrw.com/install | sh. Para API gestionada, registra una clave en fastcrw.com y ejecuta crw setup para configurar MCP. El servidor local usa Redis como base de datos y puertos 3000, 127, 8080, 9224. Verifica compatibilidad con Rust 1.85+.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.jsRustPython
SERVICIOS
Redis
BASES DE DATOS
Redis
PUERTOS
300012780809224
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.