MarkUDown
API de Smart Extract — documentación de extracción guiada por IA MarkUDown
POST
/api/smart-extractSmart Extract
Extracción guiada en tres fases: analiza la dificultad del sitio, planifica con un LLM las interacciones necesarias y luego ejecuta la navegación y la extracción automáticamente. Devuelve Markdown o JSON estructurado.
| Parámetro | Tipo | Requerido | Por defecto | Descripción |
|---|---|---|---|---|
| url | string | requerido | — | URL de la página o del sitio del que extraer. |
| goal | string | requerido | — | Descripción en lenguaje natural de lo que extraer. |
| hints | array<string> | opcional | [] | Indicaciones de interacción opcionales (por ejemplo "haz clic en el botón Cargar más"). |
| schema | object | opcional | null | Definición de los campos de la salida estructurada, por ejemplo {"title": "string", "price": "number"}. Necesario para json_data. |
| output_format | string | opcional | "markdown" | "markdown" o "json". Con "json" y un esquema, los registros también llegan en json_data. |
| max_pages | integer | opcional | 20 | Máximo de páginas recorridas durante la extracción. |
| timeout | integer | opcional | 60 | Tiempo límite por página, en segundos. |
| callback_url | string | opcional | null | URL de webhook que recibe el resultado (POST) cuando el job termina. |
Solicitud
{
"url": "https://books.toscrape.com",
"goal": "Extract all books with title, price and rating",
"output_format": "json",
"schema": {
"title": "string",
"price": "string",
"rating": "string"
},
"max_pages": 10
}Respuesta
{
"success": true,
"id": "job_abc123",
"url": "/api/smart-extract/job_abc123"
}
// Poll GET /api/smart-extract/{id}
{
"success": true,
"id": "job_abc123",
"status": "completed",
"data": {
"success": true,
"data": {
"url": "https://books.toscrape.com",
"markdown": "# Books\n\n...",
"json_data": [
{ "title": "A Light in the Attic", "price": "£51.77", "rating": "Three" }
],
"metadata": {
"layer_used": "playwright",
"pages_traversed": 4,
"records_extracted": 80,
"difficulty": "medium",
"actions_executed": 3,
"planner_reasoning": "...",
"duration_ms": 38200
}
},
"processing_time_ms": 38400
}
}