Scrapling 自适应爬虫框架支持 MCP 与 Agent 技能
决策简报
Brief- 发生了什么
- GitHub 趋势项目 Scrapling 发布更新，这是一个能自动适应网页结构变化并绕过反爬系统的自适应爬虫框架。
- 为什么重要
- GPT 相关变化会影响 AI 产品团队的技术选型和发布判断。
- 影响谁
- Claude · GPT · Gemini · MCP · Cursor
- 建议动作
- 升级或复核变更版本
- 地区可用性
- 暂未验证地区可用性差异。
关键事实
- GitHub 趋势项目 Scrapling 发布更新，这是一个能自动适应网页结构变化并绕过反爬系统的自适应爬虫框架。 [src-skill-radar]
- 内置 MCP 服务器让 Claude 等 Agent 可直接调用爬虫能力，且页面内容会预先去除提示注入并只保留 CSS 选择器命中的部分，Agent 读得更少、成本更低，也不会被隐藏文本劫持；对用 AI 做数据采集的团队来说，这减少了自己封装抓取工具和维护反爬对抗的工作量。 [src-skill-radar]
由事件证据自动生成。
Scrapling 是一个自适应网页抓取框架，能处理从单次请求到大规模爬取的任务。其解析器可从网站变化中学习，当页面更新时自动重新定位元素；抓取器默认绕过 Cloudflare Turnstile 等反爬系统；爬虫框架支持并发、多会话爬取，具备暂停/恢复、自动代理轮换，爬取速度会根据目标网站响应快慢自适应，在被封时自动退避。新增的 MCP 服务器让 Claude、Cursor 等 AI 智能体通过一次性或基于会话的工具进行抓取，涵盖普通 HTTP 请求、浏览器抓取和绕过 Cloudflare 的隐蔽抓取。页面先用 CSS 选择器缩小范围并剥离提示注入内容，使 Agent 读取更少、成本更低且不被隐藏文本劫持。另外还提供可安装的 Agent 技能，让编码智能体写出符合当前 API 的代码；以及一行代码 page.markdown() 将页面转为干净的 LLM 可用 Markdown。
摘要依据：已读全文详摘依据上方标注的来源范围整理，内容以原文为准。
来源
- Skill Radar（GitHub 趋势）
Trending hands-on MCP servers, agent skills, and AI-coding tools discovered from GitHub search momentum.
- GitHub：D4Vinci/Scrapling
留言
登入后即可留言，和其他 builder 交换实测心得。
还没有留言，抢头香。