Firecrawl MCPでAIエージェントにWeb取得力を与える設定ガイド【Claude Code】

2026.06.15 (公開日:2026.06.15)

「AIエージェントにWebを正確に読ませたい」——そう思ったとき、最初にぶつかる壁がHTMLノイズ問題です。生のHTMLをそのままLLMに渡しても、広告・ナビ・スクリプトの海に埋もれて本文が取り出せません。国内RAGシステムの構築でも同様の課題が報告されており、「AI向けにきれいに整形されたWeb取得」が実務上の急所になっています。

そこで注目されているのが Firecrawl と、その公式 MCPサーバーです。Claude Code・Cursor などのAIエージェント環境からワンコマンドでWebをMarkdown化して返すこの仕組みは、RAGのデータパイプラインや競合監視の自動化に直結します。本記事では2026年時点の公式情報をもとに、設定の流れと実践的な活用例を紹介します。

この記事でわかること

Firecrawlが解決するWeb取得の問題と、AIエージェントとの相性
Firecrawl MCPをClaude Codeに接続するまでの設定の流れ
RAGデータ収集・競合監視への具体的な活用シナリオ

Claude Code→Firecrawl MCP→Web取得 — ▲ 構成図：Claude Code → Firecrawl MCP → Web取得（Markdown化／抽出）の流れ

当ページのリンクには広告が含まれています。

Firecrawlとは・なぜAIエージェントに必要か

Firecrawlは、WebページをAIが読みやすい形式に変換することに特化したサービスです。公式には scrape・map・search・crawl・extract・batch_scrape など11以上の機能が提供されています。主な機能（一部）は次のとおりです。

Webスクレイピング（scrape）：URLを指定するだけで本文コンテンツを取得
Markdown化：広告・ナビ・スクリプトを除去し、クリーンなMarkdownに変換
クロール（crawl）：サイト内のリンクを再帰的に辿って大量ページを一括取得
構造化抽出（extract）：指定したスキーマに従ってデータをJSON形式で抽出
Web検索（search）：キーワードでWebを検索し、結果ページの内容まで取得
URL探索（map）：サイト内に存在するURLを一括で洗い出す

LLMにWebコンテンツを渡す従来手法では、requests+BeautifulSoupで独自パーサーを書くか、Playwright等でレンダリングしてHTMLを渡すかという選択になりがちです。しかしこの方法はJavaScriptレンダリング・ページネーション・Cloudflare対策などで詰まるポイントが多く、保守コストが嵩みます。

Firecrawlが効く場面

RAGのドキュメント収集で「きれいなMarkdown」を大量に必要とするとき
競合他社サイトの価格・機能情報を定期監視したいとき
JavaScriptで動的に生成されるページのテキストを取得したいとき
エージェントが自律的にWebを調査するワークフローを構築したいとき

公式のMCPサーバーが提供されていることで、Claude Codeなどのエージェント環境から自然言語で「このURLを取得して」と指示するだけでFirecrawlのAPIを呼び出せるようになります。エージェントがWeb取得のコードを自前で書く必要がなくなり、本来のタスク（分析・生成・判断）に集中できます。

Firecrawl MCPの設定（概要）

ここでは設定の大まかな流れを示します。詳細なコマンドやオプションは常に変更される可能性があるため、公式リポジトリ・ドキュメントで最新情報を確認してください。

Step 1：APIキーの取得

まずFirecrawlの公式サイトからアカウントを作成し、APIキーを発行します。無料プランと有料プランが用意されており、利用可能なクロール数・機能の範囲が異なります。料金の詳細は公式サイトで最新プランを確認してください。

注意

APIキーは環境変数（例：FIRECRAWL_API_KEY）として安全に管理し、コードやgitリポジトリに直接書き込まないようにしましょう。

Step 2：MCPサーバーの設定

Firecrawlは公式のMCPサーバーをnpm経由で提供しています。Claude Codeでは .mcp.json（またはグローバルMCP設定ファイル）にサーバー定義を追記することで接続できます。設定の骨格は以下のようなイメージです（実際のキー名・バージョン等は公式ドキュメントを参照）。

{
  "mcpServers": {
    "firecrawl": {
      "command": "npx",
      "args": ["-y", "firecrawl-mcp"],
      "env": {
        "FIRECRAWL_API_KEY": "YOUR-API-KEY"
      }
    }
  }
}

公式を必ず確認

MCPサーバーのパッケージ名・引数・環境変数名は2026年以降も更新される可能性があります。実際の設定は Firecrawl公式ドキュメントのMCPセクションで確認してください。

Step 3：Claude Codeから呼び出す

設定完了後、Claude Codeのチャット欄で自然言語ベースの指示を出すだけでFirecrawlが動作します。

「https://example.com のコンテンツをMarkdownで取得して」
「このサイトのトップ10ページをクロールして構造化データとして抽出して」
「競合サイトの料金ページから価格テーブルをJSONで出して」

エージェントがFirecrawlのAPIを自律的に呼び出し、整形済みの結果を返してくれます。Cursorなど他のMCP対応エディタでも同様の接続が可能です。

活用例：RAGデータ収集と競合監視

活用例①：RAGのデータパイプライン自動化

RAGシステムでは、検索対象となるドキュメントの品質がそのまま回答精度に直結します。Webを情報源にする場合、Firecrawlを使うと次のフローが実現できます。

AIエージェントが対象URLリストをFirecrawl MCPに渡す
FirecrawlがMarkdown変換・クリーニングを行って返す
エージェントがそのままベクターDBに格納する

従来は「スクレイピング→パース→クリーニング」を自前で組む必要がありましたが、Firecrawlがこのパイプラインの前段をまるごと担ってくれます。Dify等のノーコードRAG基盤（Dify×さくら構成についてはこちらの記事で解説しています）と組み合わせると、コーディングなしでWebを知識源にしたチャットボットが構築できます。