网页获取

web_fetch 会执行普通的 HTTP GET，并提取可读内容（将 HTML 转换为 markdown 或文本）。它不会执行 JavaScript。对于依赖 JS 的站点或受登录保护的页面，请改用 Web Browser。

快速开始

默认启用，无需配置：

await web_fetch({ url: "https://example.com/article" });

工具参数

string

required

要获取的 URL。仅支持 http(s)。

'markdown' | 'text'

default:"markdown"

主内容提取后的输出格式。

number

将输出截断到这么多字符。会被限制为 tools.web.fetch.maxCharsCap。

结果

web_fetch 返回一个封闭的结构化结果，包含以下字段：

请求元数据：url、finalUrl、status、extractMode 和 extractor
可选的响应元数据：contentType、title 和 warning（在不存在时省略）
包装内容元数据：externalContent、truncated、length、rawLength、 fetchedAt、tookMs 和 text
命中缓存时可选的 cached: true
当截断内容被写入私有临时文件时，可选 spill: { path, chars, truncated? }；仅当该文件包含部分源内容时才会出现 truncated

length 是包装后的 text 长度。rawLength 是外部内容包装前提取的内容长度。

工作原理

获取

使用类似 Chrome 的 User-Agent 和 Accept-Language 请求头发送 HTTP GET。会阻止私有/内部主机名，并重新检查重定向。

提取

在 HTML 响应上运行 Readability（主内容提取）。

备用方案（可选）

如果 Readability 失败且可用提取提供方，则通过该提供方重试（例如 Firecrawl 的反爬绕过模式）。

缓存

结果会缓存 15 分钟（可配置），以减少对同一 URL 的重复获取。

进度更新

web_fetch 仅在获取仍处于等待状态且已超过五秒时，才会发出一条公开进度行：

正在获取页面内容...

快速缓存命中和快速网络响应会在计时器触发之前完成，因此它们永远不会显示进度行。取消调用会清除计时器。进度行仅为频道 UI 状态，且绝不包含已获取的页面内容。

配置

{
  tools: {
    web: {
      fetch: {
        enabled: true, // 默认：true
        provider: "firecrawl", // 可选；自动检测时省略
        maxChars: 20000, // 默认输出字符数；受 maxCharsCap 限制
        maxCharsCap: 20000, // maxChars 参数的硬性上限
        maxResponseBytes: 750000, // 截断前的最大下载大小 (32000-10000000)
        timeoutSeconds: 30,
        cacheTtlMinutes: 15,
        maxRedirects: 3,
        useTrustedEnvProxy: false, // 让受信任的 HTTP(S) 环境代理解析 DNS
        readability: true, // 使用 Readability 提取
        userAgent: "Mozilla/5.0 ...", // 覆盖 User-Agent
        headers: {
          // 可选；每个值都将被视为敏感信息
          "X-Routing-Target": "staging",
        },
        ssrfPolicy: {
          dangerouslyAllowPrivateNetwork: false, // 广泛允许私有网络访问；默认保持 false
          allowedHostnames: ["internal.example"], // 窄范围的精确主机例外
          allowRfc2544BenchmarkRange: true, // 为使用 198.18.0.0/15 的受信任伪 IP 代理选择性启用
          allowIpv6UniqueLocalRange: true, // 为使用 fc00::/7 的受信任伪 IP 代理选择性启用
        },
      },
    },
  },
}

Firecrawl 回退

如果 Readability 提取失败，web_fetch 可以回退到 Firecrawl，以实现反机器人绕过和更好的提取：

{
  tools: {
    web: {
      fetch: {
        provider: "firecrawl", // 可选；省略则自动从可用凭据中检测
      },
    },
  },
  plugins: {
    entries: {
      firecrawl: {
        enabled: true,
        config: {
          webFetch: {
            // apiKey: "fc-...", // 可选；省略则使用无密钥入门访问
            baseUrl: "https://api.firecrawl.dev",
            onlyMainContent: true,
            maxAgeMs: 172800000, // 缓存时长（2 天）
            timeoutSeconds: 60,
          },
        },
      },
    },
  },
}

plugins.entries.firecrawl.config.webFetch.apiKey 是可选项，并支持 SecretRef 对象。旧版 tools.web.fetch.firecrawl.* 配置会通过 openclaw doctor --fix 自动迁移到 plugins.entries.firecrawl.config.webFetch。

如果你配置了 Firecrawl API key 的 SecretRef，但它未解析且没有 FIRECRAWL_API_KEY 环境变量回退，网关启动将快速失败。

Firecrawl baseUrl 覆盖已被锁定：托管流量使用 https://api.firecrawl.dev；自托管覆盖必须指向私有或内部端点，并且仅对这些私有目标接受 http://。

当前运行时行为：

tools.web.fetch.provider 会显式选择抓取回退提供方。
如果省略 provider，OpenClaw 会从已配置凭据中自动检测第一个可用的 web-fetch 提供方。非沙盒的 web_fetch 可以使用已安装的插件，这些插件声明了 contracts.webFetchProviders 并在运行时注册匹配的提供方。目前官方 Firecrawl 插件提供了这一回退。
沙盒化的 web_fetch 调用允许使用内置提供方以及其官方 npm 或 ClawHub 来源已验证的已安装提供方。目前这允许使用官方 Firecrawl 插件；第三方外部抓取插件仍被排除在外。
如果 Readability 被禁用，web_fetch 会直接跳到所选的提供方回退。如果没有可用提供方，则会以关闭方式失败。

自定义请求标头

当您的部署需要在出站获取请求中附加请求元数据时，设置 tools.web.fetch.headers，例如使用路由或服务注入标头，将流量引导至您控制的网关。

{
  tools: {
    web: {
      fetch: {
        headers: {
          "X-Routing-Target": "${WEB_FETCH_ROUTING_TARGET}",
        },
      },
    },
  },
}

每个已配置的值都会被视为敏感信息，并从公开的配置和调试捕获内容中删去。标头仍会发送到 web_fetch 请求的每个初始 URL，而该 URL 由模型选择。仅当这符合预期的信任边界时，才配置凭据标头。

需要了解的行为：

值为普通字符串，并支持像其他配置字符串一样使用 ${VAR} 进行环境变量替换。不接受结构化的 SecretRef 值。
标头仅应用于直接的 web_fetch 请求。诸如 Firecrawl 之类的提供商回退方案会调用自己的 API，永远不会接收这些标头。
条目会在构建请求时进行验证，而不是在加载配置时验证，因此某个错误条目会被丢弃，其余条目仍会应用。配置加载会有意保持宽松：针对单个标头名称拼写错误而导致的故障关闭验证错误，会禁用整个功能面。每个被丢弃的条目都会按名称记录日志。
被丢弃的名称：
- Accept、Accept-Language 和 User-Agent 属于获取和可读性协议。请使用 tools.web.fetch.userAgent 设置用户代理。
- Content-Length、Transfer-Encoding、Connection 和 Upgrade 等成帧及逐跳名称，请求要么直接拒绝，要么忽略这些名称。
- 不是有效 HTTP 令牌的名称，例如 "X Routing Target"。
被丢弃的值：请求无法承载的字节（CR、LF、NUL 或任何高于 U+00FF 的字符）。缺失的环境变量会由配置加载报告；当字面量 ${VAR} 文本确实是预期内容时，全局的 $${VAR} 转义仍然可用。
名称仅大小写不同的两个条目会合并为后一个条目，因此请求永远不会携带接收网关无法解析的逗号连接值。被丢弃的名称会被记录日志，但不会记录任一值。如果后一个条目不可用，则不会发送任何一个值。
拒绝会发生在计算缓存键之前，因此缓存键始终与实际发送的字节相匹配：更改一个确实会发送的标头会对获取缓存进行分区，而添加一个会被丢弃的标头则不会。
当重定向跨越源时，会应用受保护获取的安全允许列表。该列表之外的路由标头会被丢弃；Cache-Control、Content-Type 和 Range 等标准安全标头会被保留。

受信任的环境代理

如果你的部署要求 web_fetch 通过受信任的外部 HTTP(S) 代理，请设置 tools.web.fetch.useTrustedEnvProxy: true。在此模式下，OpenClaw 在发送请求前仍会应用基于主机名的 SSRF 检查，但它会让代理解析 DNS，而不是在本地进行 DNS 固定。仅当代理由操作员控制，并且在 DNS 解析后强制执行外发策略时才启用此功能。

如果未配置 HTTP(S) 代理环境变量，或者目标主机被 NO_PROXY 排除，web_fetch 将回退到带本地 DNS 固定的正常严格路径。

限制与安全

maxChars 会被限制在 tools.web.fetch.maxCharsCap（默认值为 20000）以内
解析前，响应正文会被限制为 maxResponseBytes（默认值为 750000，限制范围为 32000-10000000）；超出大小的响应会被截断并发出警告
会阻止私有/内部主机名
tools.web.fetch.ssrfPolicy.allowedHostnames 允许精确匹配的受信任主机，同时继续阻止其他私有/内部目标
tools.web.fetch.ssrfPolicy.dangerouslyAllowPrivateNetwork 会广泛允许访问私有网络目标；仅当本部署中模型选择的 URL 可信时才启用
tools.web.fetch.ssrfPolicy.allowRfc2544BenchmarkRange 和 tools.web.fetch.ssrfPolicy.allowIpv6UniqueLocalRange 是针对受信任的虚假 IP 代理栈的有限选择加入项；除非您的代理拥有这些合成范围并执行自身的目标策略，否则请勿设置
重定向会经过检查，并受 maxRedirects（默认值为 3）限制
tools.web.fetch.headers 的值会从公开的配置和调试捕获内容中脱敏；这些值会发送到最初获取的主机，并且仅当现有的受保护获取策略允许时才会在重定向过程中保留
useTrustedEnvProxy 是一个显式选择加入项，仅应为由操作员控制、且在 DNS 解析后仍执行出站策略的代理启用
web_fetch 尽力而为——某些网站需要网页浏览器

工具配置文件

如果您使用工具配置文件或允许列表，请添加 web_fetch 或 group:web：

{
  tools: {
    allow: ["web_fetch"],
    // 或：allow: ["group:web"]  （包含 web_fetch、web_search 和 x_search）
  },
}

概览

插件

插件指南

构建插件

技能

自动化

工具

智能体协作

快速开始

工具参数

结果

工作原理

进度更新

配置

Firecrawl 回退

自定义请求标头

受信任的环境代理

限制与安全

工具配置文件

相关内容

​快速开始

​工具参数

​结果

​工作原理

​进度更新

​配置

​Firecrawl 回退

​自定义请求标头

​受信任的环境代理

​限制与安全

​工具配置文件

​相关内容

快速开始

工具参数

结果

工作原理

进度更新

配置

Firecrawl 回退

自定义请求标头

受信任的环境代理

限制与安全

工具配置文件

相关内容