Skip to content
LangChain

Agente de web scraping con LangChain

Construye un agente inteligente de web scraping que obtiene páginas, extrae datos estructurados y maneja paginación — con LangChain.

web scrapingdata extractionHTTPparsing

Código funcional

LangChain
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
@tool
def fetch_url(url: str) -> str:
"""Fetch a webpage and return its content as markdown."""
import httpx
from markdownify import markdownify
response = httpx.get(url, headers={"User-Agent": "Mozilla/5.0"}, timeout=15)
return markdownify(response.text)[:5000]
@tool
def extract_data(text: str, instruction: str) -> str:
"""Extract structured data from text based on instruction."""
# Uses the LLM itself to parse — no regex needed
return f"Extracting from {len(text)} chars: {instruction}"
model = ChatOpenAI(model="gpt-4o")
model_with_tools = model.bind_tools([fetch_url, extract_data])
response = model_with_tools.invoke([
("system", "You are a web scraping agent. Fetch pages, extract the requested data, and return it in structured format. Respect robots.txt."),
("user", "Scrape the pricing page at example.com/pricing and extract all plan names and prices"),
])

Paso a paso

1

Instalar dependencias

Instala LangChain y las herramientas necesarias para este caso de uso.

2

Definir herramientas

Crea las funciones de herramientas específicas del dominio que tu agente usará para interactuar con servicios externos.

3

Crear el agente y ejecutar

Inicializa el agente de LangChain con tus herramientas, establece el prompt del sistema y ejecuta una consulta.

¿Listo para construir con LangChain?

Genera un proyecto listo para producción con LangChain preconfigurado — FastAPI + Next.js, auth, streaming y más.

Comenzar

¿Listo para construir tu primer agente IA en producción?

Herramientas open-source, patrones probados en batalla, cero boilerplate. Configura tu stack y despliega en minutos — no meses.