SSD Nodes Learn Hosting plans →
ガイド Matt Connor著者 Matt Connor

Firecrawlの自ホスト型代替ツール比較とVPSへの導入方法

FirecrawlをVPSで自前運用するためのDraco、Hound、公式版を比較。メモリ消費量、ヘッドレスブラウザの要件、API互換性を解説します。MCP接続設定と安定動作のための固定バージョンインストール手順をまとめました。

自ホスト型 Firecrawl 代替サービスに必要な機能

自ホスト型 Firecrawl 代替サービスの役割は、URL を受け取り、エージェントが読み取れるクリーンな markdown としてページを返すことです。ホスト型 API はページ単位で課金されるため、エージェントが調査するほど料金が増えます。一方、すでに料金を支払っている VPS でも同じ処理を実行できます。プロジェクトの違いを分けるのは、1 つの問題です。ヘッドレスブラウザー(ウィンドウを表示せずに動作する実際のブラウザーエンジン)を自分のサーバー上で起動する必要があるかどうかです。

この違いによって、メモリ使用量、ページごとのコスト、空の結果が返るページが決まります。このガイドでは、Draco、Hound、自ホスト型 Firecrawl リリースを比較します。そのうえで、最も軽量なものを固定バージョンでインストールし、MCP(model context protocol)経由でエージェントに接続します。

4つのプロジェクトとそれぞれの実態

Draco は Rust で記述された単一のバイナリであり、MIT または Apache-2.0 ライセンスで提供されます。draco scrape <url> は Markdown を標準出力に出力します。draco serve は Firecrawl が使用するポートである 127.0.0.1:3002 で応答するデーモンを実行します。2026年10月12日時点のドキュメントによれば、コンテナイメージは提供されておらず、デフォルトでブラウザを起動することもありません。2026年10月12日時点で、github.com/0xchasercat/draco にあるアップストリームリポジトリ、その背後にあるアカウント、およびリリースダウンロードはすべて 404 Not Found を返します。その確認時点で、公開されているフォークには v0.24.0 までのソースとタグが残されていましたが、リリースビルドは公開されていませんでした。そのため、導入を計画する前に以下のインストールセクションを確認してください。

Firecrawl self-hosted は、ホスト型製品の背後にあるエンジンであり、AGPL-3.0 ライセンスの下で提供されます。その docker-compose.yaml は、playwright-service、api、redis、rabbitmq、nuq-postgres、foundationdb、foundationdb-init の7つのサービスを定義しています。小規模な分散システムを運用するコストを支払うことで、本格的なクロールキューを利用できます。

Hound は master-fetch リポジトリに存在し、hound-mcp として PyPI に配布されています。MIT ライセンスであり、2026年10月12日時点でバージョン 13.2.0(2026年8月26日公開)です。Python 3.11 以降が必要です。これは第一に MCP サーバーであり、第二にフェッチャーです。通常の HTTP リクエストを試行し、ブロックされた場合や JavaScript シェルが返された場合に Patchright ブラウザへ切り替えます。ブラウザ有効化設定では、起動時にブラウザをウォームアップします。

Trawl がここに挙げられているのは、他のプロジェクトを検索する過程で遭遇することが多いためですが、その役割は異なります。これは、*arr メディアスタックにおける FlareSolverr の代替として、フィンガープリントをパッチした Firefox を用いて JavaScript チャレンジや CAPTCHA を解決します。現在では Markdown の読み取りや、MCP を介した構造化 JSON の抽出も行います。以下のエチケットに関するセクションでは、そのチャレンジ解決という役割が、自身のエージェントスタックに含めるべきかどうかを判断する基準となる理由を説明します。

なぜブラウザプールが小規模 VPS の限界となるのか

開いているブラウザタブはそれぞれ独立したレンダラープロセスであり、独自の DOM (Document Object Model) と JavaScript ヒープを保持します。そのため、メモリ消費量は「1 日あたりの取得ページ数」ではなく「同時に開いているページ数」に比例します。これら 2 つのプロジェクトは、そのコストをそれぞれの compose ファイルに記述しています。

グラフMemory ceilings each project sets in its own compose file (GB)
このグラフのデータ
[
  {
    "label": "Firecrawl api",
    "memory_limit_gb": 8
  },
  {
    "label": "Firecrawl playwright",
    "memory_limit_gb": 4
  },
  {
    "label": "Hound (browser included)",
    "memory_limit_gb": 3
  }
]

Firecrawl の compose ファイルは、api コンテナのメモリ上限を 8 GB、Playwright コンテナの上限を 4 GB に設定しており、スワップ制限もそれに合わせています。Hound の compose は、Chromium を同梱したコンテナに対して 3 GB を設定しています。これらはプロジェクト側が選択した上限値であり、アイドル状態の測定値ではなく公開されている数値です。さらに、Firecrawl の数値に加えて Redis、RabbitMQ、PostgreSQL、FoundationDB がそれぞれメモリを消費します。

物理メモリ量を超える上限値を設定しても、そのメモリが確保されるわけではありません。サーバーのメモリが枯渇すると、カーネルの OOM (Out-of-Memory) Killer がプロセスを終了させるため、コンテナはアプリケーションログにエラーを残すことなく docker compose ps から消滅します。Firecrawl が提供する compose ファイルには自動再起動ポリシーが設定されていないため、OOM で終了したコンテナは停止したままになります。docker compose ps --all には停止中のコンテナも含まれます。原因不明の停止が発生した場合は dmesg -T | tail を確認してください。Firecrawl はこのスタックに必要な最小ホストサイズを公開していないため、ワークロードに合わせてサーバーサイズを決定してください。サービスごとの数値設定については Docker Compose でのメモリ制限 を参照してください。

ブラウザに関するもう 1 つの詳細は、多くのユーザーの時間を奪う原因となります。Docker はデフォルトでコンテナに 64 MB の共有メモリを /dev/shm に割り当てますが、Firecrawl の Playwright サービスは Chromium を --disable-dev-shm-usage で起動するため、共有メモリファイル用にこの小さなパーティションを回避します。Hound の compose は shm_size: "1gb" でこれを拡張します。その動的ブラウザ層は Patchright を介して Playwright から --disable-dev-shm-usage を継承しており、Patchright のスイッチ削除や Hound の ignore_default_args リストでもこれは削除されません。Firecrawl の compose には shm_size の設定が一切ありません。playwright-service ブロックで CPU とメモリの制限、および /tmp/.cache に 1 GB の tmpfs を設定しているため、そのコンテナはデフォルトの 64 MB を維持します。Playwright をベースにイメージを作成する際は、Hound の設定行をコピーする前に Chromium の起動フラグを確認してください。

JavaScript を多用するページでの抽出品質

静的 HTML、サーバー側でレンダリングするブログ、ドキュメントページ、ニュース記事では、どれもほぼ同じ Markdown が返され、最も速いものが勝ちます。違いが現れるのはクライアント側でレンダリングするページです。この場合、配信される HTML は空のシェルで、読み込み後に JavaScript からテキストが到着します。

Draco は段階的に処理を強化します。Tier 0 と Tier 1 では、JavaScript をまったく実行せずに HTML を解析します。Tier 2 では、ページ自身の JavaScript をプロセス内の V8 isolate で実行します。これはブラウザーを伴わない JavaScript エンジンであり、README には、そこで実行されるページコードにはホスト機能のバインディングが提供されないと記載されています。これにより、ブラウザーのメモリ使用量の一部で、多くの single-page application に対応できます。Draco が通過できない壁に遭遇すると、draco scrape は終了コード 3 で終了します。needs_browser。スクリプトではこの状態を確認してください。終了コードが 0 なのに空のファイルが返ると、エージェントのコンテキストを気付かないうちに汚染する失敗になるためです。

draco scrape https://example.com > page.md
echo "exit=$?"

Firecrawl の playwright-service は実際の Chromium を操作するため、ブラウザーと同じ内容をレンダリングします。ただし、self-hosted build は hosted product と同じではありません。ドキュメントによると、cloud service の高度な anti-bot 動作を備えた Fire-engine は含まれていません。また、デフォルトのスタックではスクリーンショットとページ操作を利用できず、Agent、Browser、interact については Firecrawl Cloud を案内しています。Hound は意図的にその中間に位置します。HTTP 経由で取得し、リクエストごとに処理を強化します。さらに、warm browser はアイドルタイムアウト後に終了するため、アクセスの少ないホストではベースライン付近の状態を維持できます。

バージョンを固定して Draco をインストールする

README には 1 行のインストーラーが記載されています。シェルにパイプする前に、その処理内容を確認してください。2026 年 10 月 12 日時点の記載では、$HOME/.draco/bin/draco にインストールし、常に latest リリースを取得します。また、署名もハッシュも検証しません。サーバーでは、バージョンを固定してダウンロードを検証してください。以下の v0.20.5 向け手順は、2026 年 10 月 12 日に確認したセットアップを維持しています。固定したバージョンの上流ドキュメントは、再確認できません。

2026 年 10 月 12 日時点では、プロジェクトのリリース用ダウンロードは 404 Not Found を返します。上流リポジトリが応答しなくなっているためです。また、プロジェクトのサイトが案内する get.draco.sh インストーラードメインも名前解決できません。取得可能な有効なリリース URL がないため、以下のコマンドは、すでに v0.20.5 のアーカイブ draco-linux-x86-64.tar.gz と、その SHA256SUMS を /tmp に保持している環境から始めます。以前にダウンロードしたもの、または信頼できるマシンからコピーしたものを使用してください。検証していないミラーで補わないでください。同じミラーから提供されたチェックサムファイルでは、バイナリの正当性を証明できません。

cd /tmp
sha256sum --ignore-missing -c SHA256SUMS

draco-linux-x86-64.tar.gz: OK と表示されます。FAILED の行が表示された場合、手元のバイト列はプロジェクトが公開したものと異なります。削除して、最初からやり直してください。

mkdir -p draco-v0.20.5
tar -xzf draco-linux-x86-64.tar.gz -C draco-v0.20.5
sudo install -m 755 "$(find draco-v0.20.5 -type f -name draco | head -n1)" /usr/local/bin/draco
draco scrape https://example.com

最後のコマンドは、サンプルページを Markdown として出力します。find は単なる装飾ではありません。アーカイブの構成はプロジェクトの公開された契約に含まれておらず、2026 年 10 月 12 日に最後に確認した公式インストーラーも同じ方法でバイナリを検索します。

ログインユーザーではなく、専用アカウントでデーモンを実行してください。/etc/systemd/system/draco.service を記述します。

[Unit]
Description=Draco fetch daemon
After=network-online.target
Wants=network-online.target

[Service]
User=draco
ExecStart=/usr/local/bin/draco serve --host 127.0.0.1 --port 3002 --max-concurrency 4
Restart=on-failure
NoNewPrivileges=true
ProtectSystem=strict
ProtectHome=true
PrivateTmp=true

[Install]
WantedBy=multi-user.target
sudo useradd --system --no-create-home --shell /usr/sbin/nologin draco
sudo systemctl daemon-reload
sudo systemctl enable --now draco
curl -s http://127.0.0.1:3002/health

デーモンが待ち受けを開始すると、/health はすぐに応答します。Connection refused の場合は待ち受けていないため、journalctl -u draco -n 50 を確認してください。通常の原因は、別のプロセスがすでに 3002 を使用していることです。3002 は Firecrawl のデフォルトポートでもあります。--port で Draco のポートを変更できます。セルフホストの Firecrawl には同等のフラグがありません。ポートは Compose ファイルの PORT 変数から決まり、"${PORT:-3002}:${INTERNAL_PORT:-3002}" として公開されます。そのため、公開ポートを Compose ファイルで変更し、すべてのクライアントで同じ設定を使用してください。unit ファイルの詳細については、systemd の service unit と timer を参照してください。

エージェントが実行する方法で、次に取得します。

curl -X POST http://127.0.0.1:3002/v1/scrape \
  -H 'content-type: application/json' \
  -d '{"url": "https://example.com", "formats": ["markdown"]}'

公開インターネットから fetch daemon を切り離す

認証のない fetch API はオープンプロキシです。ポートに到達できる人は誰でも、あなたの IP アドレスを使ってサーバーに任意の URL をリクエストさせられます。悪用に関する報告は相手ではなく、プロバイダーに送られます。2026年10月12日に文書化された Draco の serve フラグには API key が含まれていないため、ネットワーク側で保護する必要があります。エージェントを同じホストで実行する場合は、デフォルトの 127.0.0.1 bind を維持します。エージェントが別の場所にある場合は、両端をプライベートトンネル上に配置します。通常は、自分でホストする WireGuard VPN が適しています。0.0.0.0 ではなく、トンネルのアドレスに bind します。その後、別のマシンから確認し、public IP が何も応答しないことを確認します。ufw firewall の基本 と 最小権限のユーザーアカウント で、この2つの対策を扱います。

エージェントのコードは変更が必要ですか?実際の API 互換性

Draco は Firecrawl v1 のルート /v1/scrape、/v1/map、/v1/crawl、/v1/batch/scrape、/v1/search に応答します。README の最終確認日は 12 October 2026 で、未知のフィールドは受け付けて無視すると記載されています。互換性は要求する機能によって異なります。Draco の公式サイトによると、スクリーンショットとクリックでは HTTP 422 が返されるため、サポートされていないページ操作を要求する Firecrawl v1 クライアントでは、新しいベース URL だけでなくリクエストの変更も必要です。相手側で何が移動したかを確認してください。Firecrawl 独自のセルフホスティングガイドでは、現在、/v2/scrape への POST によるスモークテストを実行しています。また、現在の SDK はデフォルトで v2 を使用しますが、Draco のサイトには v1 のルートが記載されています。エージェントのコードを編集する前に、curl で各呼び出しをテストしてください。実装間の差異はフィールド名に現れるため、ステータスコードではなく JSON 本文を確認してください。

Robots.txt、レート制限、守るべき上限

Draco はデフォルトで robots.txt を読み取り、2026 年 10 月 12 日に確認した README には、それを無効にする --ignore-robots が記載されています。Firecrawl にも同じデフォルトが記載されています。どちらも変更しないでください。Hound は respect_robots=True を smart_fetch に渡した場合にのみ robots.txt を確認するため、そこで有効にします。続いて、独自のリクエスト頻度を設定します。2026 年 10 月 12 日時点のドキュメントでは、Draco の --delay はリクエスト間にミリ秒単位の間隔を置き、--max-concurrency は並列ジョブ数を制限します。デーモンのデフォルト値は 8 です。共有 VPS の回線では 2 から 4 にすると負荷が小さくなります。全体の処理時間もほとんど遅くなりません。サイトからレート制限を受けると、並列化で短縮できる時間よりも多くの時間を失うためです。取得したデータはキャッシュしてください。2 回目のエージェント実行で、ソースに負荷をかけずに済みます。これは AI エージェントのコストを管理するうえで、最も安価な項目でもあります。

チャレンジ画面は別の問題です。Trawl はそのために設計されており、Cloudflare Turnstile、reCAPTCHA、hCaptcha、GeeTest に対応します。チャレンジ画面とは、サイトが自動化されたトラフィックを明確に拒否する仕組みです。これを回避すると、サイトの利用規約に違反する可能性があります。地域によっては法律にも抵触します。そのため、このガイドでは取得インフラのみを扱い、そこで説明を終えます。チャレンジ画面を通過する手法は、サイト運営者が検知してブロックする手法でもあります。そのため、それに依存するパイプラインは不適切であるだけでなく、壊れやすくなります。重要なソースであれば、RSS フィード、公開 API、または一括エクスポートを探してください。どれも運用コストが低く、チャレンジ画面の変更によって突然使えなくなることもありません。

MCP経由でエージェントに接続する

MCP (model context protocol) は、エージェントがツールを呼び出すためのインターフェースです。どのツールがモデルに公開されるか、またユーザーへの確認なしにツールを呼び出せるかどうかは、モデルが実行されるハーネス側で決定されるため、デーモンを待機させるだけでは接続は完了しません。Dracoは同一バイナリ内にMCPサーバーを内蔵しており、stdio経由で動作します。

{ "mcpServers": { "draco": { "command": "draco", "args": ["mcp"] } } }

2026年10月12日に最終確認されたREADMEには、stdio用の draco_scrape、draco_discover、draco_search が記載されています。draco_interact_* セットは、デーモンのHTTP MCPエンドポイント用です。stdioはトランスポートとしてプロセスの標準入力を使用するため、エージェントプロセスとバイナリが同一マシン上にある場合にのみ機能します。別のホスト上のエージェントに対しては、代わりにHoundがHTTP経由でMCPを提供します。hound --http --host 127.0.0.1 --port 8765 は http://127.0.0.1:8765/mcp にエンドポイントを公開し、トンネル越しにアクセス可能です。トランスポートの選択と公開範囲については、VPS上でのMCPサーバーの実行を参照してください。

検索機能によるペアの取得について説明します。取得のみ可能なエージェントは、ユーザーがURLを提供するのを待機します。セルフホスト型のSearXNG検索インスタンスを追加すれば、エージェント自身がURLを見つけられるようになります。これはSearXNGベースのブラウザ検索スキルと同じ構成です。デーモンが起動すれば、実行中のセルフホスト型AIエージェントのいずれからも共有サービスとして利用可能です。エージェント側の実装に不安がある場合は、手動で小さなエージェントループを作成することで、取得ツールがどこに組み込まれ、モデルが受け取ったMarkdownをどのように処理するかが明確になります。

FAQ

AI エージェントがページを取得するためにヘッドレスブラウザーは必要ですか?

ほとんどのページでは必要ありません。サーバー側でレンダリングされるドキュメント、ブログ、ニュース記事は、通常の HTTP 取得と HTML から Markdown への変換だけで完全な内容を取得できます。Draco は下位ティアでこの方式を使用しており、プロジェクト独自の数値では、ブラウザーなしで 1 ページあたりおよそ 300 ms です。クライアント側でレンダリングされ、配信される HTML が空のシェルになっているアプリケーションでは、ブラウザーを使う価値があります。Draco の V8 isolate は、ブラウザープロセスなしでこの中間領域の多くに対応します。対応できない場合は、終了コード 3、needs_browser、で終了します。

VPS でセルフホストする場合、Firecrawl にはどの程度の RAM が必要ですか?

Compose ファイルでは、api コンテナの上限を 8 GB、Playwright コンテナの上限を 4 GB に設定しています。同じスタックで Redis、RabbitMQ、PostgreSQL、FoundationDB も起動します。Firecrawl は、このスタックに必要なホストの最小サイズを検証済みの情報として公開していません。メモリーが逼迫すると、カーネルの out-of-memory killer がプロセスを終了します。コンテナが停止しても、提供されている Compose ファイルでは自動的に再起動されません。停止したコンテナは docker compose ps --all で確認し、OOM イベントは dmesg -T | tail で確認してください。

Draco は Firecrawl API のドロップイン置換ですか?

v1 エンドポイントについては、ほぼ置き換え可能です。Draco は /v1/scrape、/v1/map、/v1/crawl、/v1/batch/scrape、/v1/search を提供します。ただし、互換性は要求する機能によって異なります。スクリーンショットとクリックは HTTP 422 を返すため、未対応のページ操作を要求するクライアントでは、ベース URL だけでなくリクエストも変更する必要があります。Firecrawl の現在の SDK はデフォルトで v2 を使用しますが、Draco のサイトには v1 のルートが掲載されています。エージェントが実行する各呼び出しは、まず curl で確認してください。

スクレーパーをセルフホストすれば、robots.txt を無視できますか?

いいえ。コードを実行する場所が変わっても、サイトが公開した内容や利用規約で許可される範囲は変わりません。Draco と Firecrawl はどちらもデフォルトで robots.txt を尊重します。上書きフラグは、自分が所有するサイトや、クロールについて書面による許可を得たサイト向けです。相手側ではいずれにせよレート制限が適用されるため、低い同時実行数で丁寧に --delay すれば、IP アドレスを継続して使用できます。チャレンジウォールを回避しなければ機能しないスタックは、予告なく動作しなくなるスタックです。

この記事は役に立ちましたか?