Web Extract Agent (Legacy)
Web Extract Agent (Legacy) saca información de páginas web por ti. Le das una dirección y una instrucción con tus palabras (“saca todos los productos con su nombre, precio y disponibilidad de https://ejemplo.com/tienda”) y el agente planifica qué tiene que conseguir, recorre las páginas necesarias, usa un navegador real cuando la web carga su contenido de forma dinámica, guarda lo que encuentra eliminando duplicados y te devuelve los datos organizados.
Es un componente antiguo que se mantiene por compatibilidad con flujos existentes. Para trabajos nuevos con páginas web, consulta Web Agent.
Cuándo usarlo
- Mantener flujos existentes construidos con este agente.
- Extraer el catálogo de una tienda online con precios y disponibilidad.
- Recopilar los planes y precios que publica un competidor.
- Resumir el contenido de una página o de varias páginas de un mismo sitio.
Configuración
| Conexión | Qué conectar |
|---|---|
| Model (obligatorio) | El modelo de IA que planifica el trabajo y decide qué páginas visitar. Debe admitir llamadas a herramientas. |
| Fallback Models | Modelos de reserva, en orden. Si el modelo principal falla varias veces seguidas por errores temporales, el agente reintenta y, si sigue fallando, continúa con el siguiente modelo de reserva. |
| Tools | Herramientas adicionales que el agente puede usar además de las suyas propias, por ejemplo un buscador de internet. |
| Campo | Qué hace |
|---|---|
| User Prompt | La instrucción de qué extraer y de dónde. Debe incluir la dirección de la web. Por defecto: {input}, que se sustituye por el contenido de Input. Cada variable entre llaves se convierte en un campo con ese nombre que puedes rellenar o conectar. |
| Input | El texto que recibe el agente, normalmente desde Chat Input o cuando otro agente lo usa como herramienta. Si tiene contenido, sustituye a User Prompt. |
| System Prompt | Instrucciones propias para sustituir las que trae el agente. Déjalo vacío para usar las de serie, que ya le indican planificar, guardar a medida que avanza, no repetir trabajo y parar al terminar. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Max Iterations | Número máximo de pasos del agente. Se detiene antes si completa todos sus objetivos o si deja de avanzar. Por defecto: 80. Súbelo para sitios grandes con muchas categorías o páginas. |
| Output Schema | Los campos exactos que quieres en cada elemento extraído, por ejemplo {"nombre": "string", "precio": "number", "url": "string"}. Si lo rellenas, el resultado contiene solo esos campos. Si lo dejas vacío, el agente decide la estructura según lo que encuentre. |
| Enable Playwright | Permite usar un navegador real para páginas que cargan su contenido de forma dinámica (desplazamiento infinito, botones de “cargar más”). Si lo desactivas, el agente va más rápido pero puede perder ese contenido. Por defecto: activado. |
| Enable Python Sandbox | Permite al agente ejecutar código en un entorno aislado para limpiar, transformar o agrupar los datos ya descargados. Por defecto: activado. |
| Enable SQLite | Permite al agente guardar los datos en un espacio de trabajo propio de cada ejecución, que elimina duplicados automáticamente. Por defecto: activado. |
| Enable Scratch Curation | Al terminar, revisa los datos recogidos automáticamente y se queda con los que corresponden a cada objetivo. No tiene efecto si Enable SQLite está desactivado. Por defecto: activado. |
Resultado
- Data: los datos extraídos, agrupados en colecciones según su tipo (por ejemplo,
productosoplanes). Si se ha definido Output Schema, cada elemento tiene solo esos campos. Incluye también un apartado_curationcon el resumen de la revisión final. Si no se ha extraído nada, devuelve un texto con la respuesta del agente y las estadísticas del trabajo (páginas visitadas, elementos encontrados, errores).
Ejemplo
La consultora Mercado Claro compara cada semana los precios de un competidor:
- Conecta un modelo de IA a Model.
- En User Prompt escribe: “Extrae nombre, precio y disponibilidad de todos los productos de https://competidor.ejemplo.com/catalogo”.
- En Output Schema define
{"nombre": "string", "precio": "number", "disponible": "string"}. - Conecta Data a un componente que guarde los datos en una hoja de cálculo.
Cada ejecución devuelve la lista de productos con esos tres campos, sin duplicados, lista para comparar.
Buenas prácticas
- Sé concreto en la instrucción: indica la dirección y los campos que quieres. Cuanto más claro, más se parece el resultado a lo que esperas.
- Define Output Schema si otros pasos del flujo necesitan siempre los mismos campos.
- Respeta las condiciones de uso de las webs que consultas.