VPS 自架 Firecrawl 替代方案比較:Draco、Hound 與 Firecrawl
比較 Draco、Hound 與自架 Firecrawl 的 RAM、headless browser 需求及 API 相容性,提供固定版本安裝方式與 MCP 連線設定;並揭露 Draco upstream 回傳 404 Not Found。
自架 Firecrawl 替代方案必須具備的功能
自架 Firecrawl 替代方案只有一項工作:接收 URL,並回傳代理程式可以讀取的乾淨 Markdown。託管 API 會按頁面計費,因此代理程式越常發出請求,費用就越高;如果你已經支付 VPS 費用,也可以用它執行相同工作。這些專案的差異集中在一個問題:你的主機是否必須啟動 headless browser(在沒有視窗的情況下執行的實際瀏覽器引擎)?
這個答案會決定記憶體用量、每個頁面的成本,以及哪些頁面會回傳空內容。本指南比較 Draco、Hound 與自架 Firecrawl release,使用固定版本安裝其中最輕量的方案,並透過 MCP(model context protocol)將它連接至代理程式。
四個專案,以及它們實際上各自是什麼
Draco 是以 Rust 撰寫的單一二進位檔,採用 MIT 或 Apache-2.0 授權。draco scrape <url> 會將 Markdown 輸出至 stdout。draco serve 會執行一個在 127.0.0.1:3002 回應的 daemon;這是 Firecrawl 使用的連接埠。根據 12 October 2026 的文件,它未提供 container image,預設也不會啟動 browser。截至 12 October 2026,其位於 github.com/0xchasercat/draco 的 upstream repository、背後的帳號及 release 下載連結,全部都回傳 404 Not Found。在該次檢查時,某個公開 fork 仍保留原始碼及截至 v0.24.0 的 tags,但未發布 release builds;因此,若要據此規劃部署,請先閱讀下方的安裝章節。
Firecrawl self-hosted 是 hosted product 背後的引擎,採用 AGPL-3.0 授權。其 docker-compose.yaml 定義 7 個服務:playwright-service、api、redis、rabbitmq、nuq-postgres、foundationdb 及 foundationdb-init。你會取得完整的 crawl queue,但必須負責執行一個小型分散式系統。
Hound 位於 master-fetch repository,並以 hound-mcp 的名稱發布至 PyPI;截至 12 October 2026,版本為 13.2.0,發布日期是 26 August 2026,採用 MIT 授權。它需要 Python 3.11 或更新版本。它首先是 MCP server,其次才是 fetcher:會先嘗試 plain HTTP;若 plain fetch 回傳 blocked,或提供的是 JavaScript shell,便升級改用 Patchright browser;啟用 browser 的設定會在啟動時預先啟動 browser。
Trawl 之所以列在這裡,是因為人們搜尋其他專案時也會遇到它,而它的用途不同。它使用經過 fingerprint 修補的 Firefox 解決 JavaScript challenges 和 CAPTCHA,作為 *arr media stack 中 FlareSolverr 的替代方案。現在它也能讀取 Markdown,並透過 MCP 擷取結構化 JSON。下方的使用規範章節會說明,為什麼它解決 challenges 的用途會決定它是否適合放入你的 agent stack。
為什麼瀏覽器程序池會讓小型 VPS 主機耗盡資源
每個開啟的瀏覽器分頁都是獨立的 renderer process,持有自己的 DOM(document object model)與 JavaScript heap。因此,記憶體用量取決於同時開啟的頁面數,而不是每天擷取的頁面數。其中兩個專案會在各自的 compose 檔案中明確設定這項成本。
此圖表背後的資料
[
{
"label": "Firecrawl api",
"memory_limit_gb": 8
},
{
"label": "Firecrawl playwright",
"memory_limit_gb": 4
},
{
"label": "Hound (browser included)",
"memory_limit_gb": 3
}
]Firecrawl 的 compose 檔案將 api container 的上限設為 8 GB,並將 Playwright container 設為 4 GB,同時設定相符的 swap 上限。Hound 的 compose 則為包含內建 Chromium 的單一 container 設定 3 GB。這些是專案選定並公布的上限,不是閒置系統的測量值;此外,Redis、RabbitMQ、PostgreSQL 與 FoundationDB 仍會在 Firecrawl 的數值之外各自占用記憶體。
高於實際 RAM 容量的上限,不代表系統會預留該記憶體。主機耗盡記憶體時,kernel 的 out-of-memory killer 會終止某個 process,因此 container 可能在 docker compose ps 中消失,而應用程式 log 不會記錄錯誤。Firecrawl 提供的 Compose 檔案未設定自動 restart policy,因此遭 OOM 終止的 container 會維持停止狀態;docker compose ps --all 也包含已停止的 container。發生無法解釋的停止時,請查看 dmesg -T | tail。Firecrawl 未公布此堆疊經驗證的最低主機規格,因此請依工作負載為主機配置容量。各服務的數值設定方式請參閱 Docker Compose 中的記憶體限制。
瀏覽器還有一項細節,常會讓人花上一晚排查。Docker 會在 /dev/shm 為 container 提供 64 MB 的 shared memory,但 Firecrawl 的 Playwright service 會以 --disable-dev-shm-usage 啟動 Chromium,讓這些 shared-memory 檔案不受該小型分割區限制。Hound 的 compose 以 shm_size: "1gb" 提高此容量;其 dynamic browser tier 會透過 Patchright 繼承 Playwright 的 --disable-dev-shm-usage,而 Patchright 移除的 switch 以及 Hound 的 ignore_default_args 清單都不會移除這項設定。Firecrawl 的 compose 完全未設定 shm_size:其中的 playwright-service 區塊會在 /tmp/.cache 設定 CPU 與記憶體限制,以及 1 GB 的 tmpfs,因此該 container 仍使用 64 MB 的預設值。將 Hound 的設定行複製到以 Playwright 建置的 image 前,請先檢查 Chromium 的啟動 flags。
JavaScript-heavy 頁面的擷取品質
對於靜態 HTML、伺服器端渲染的部落格、文件頁面及新聞文章,這些工具產生的 Markdown 幾乎相同,因此速度最快的工具勝出。差異會出現在用戶端渲染的頁面:傳送的 HTML 只有空殼,文字會在載入後由 JavaScript 取得。
Draco 會分層處理。第 0 層和第 1 層完全不執行 JavaScript,只解析 HTML。第 2 層會在程序內的 V8 isolate 中執行頁面的 JavaScript。這是沒有瀏覽器包裝的 JavaScript 引擎,而 README 指出頁面程式碼在其中無法取得主機功能繫結。這種方式只需瀏覽器一小部分的記憶體,就能處理許多單頁應用程式。當 Draco 遇到無法通過的限制時,draco scrape 會以結束碼 3 結束,needs_browser。請在腳本中檢查這個狀態,因為空檔案搭配 0 結束碼,會在不易察覺的情況下將失敗結果寫入代理程式的上下文:
draco scrape https://example.com > page.md
echo "exit=$?"Firecrawl 的 playwright-service 會驅動實際的 Chromium,因此能渲染瀏覽器會渲染的內容。不過,自行託管的版本仍不是託管服務產品:文件指出,其中不包含承載雲端服務進階反機器人行為的 Fire-engine,預設堆疊也不提供螢幕擷取畫面與頁面操作;至於 Agent、Browser 和 interact,文件則引導你使用 Firecrawl Cloud。Hound 刻意位於兩者之間。它會透過 HTTP 擷取內容,並依每個請求逐級提升處理方式;其常駐瀏覽器會在閒置逾時後關閉,因此閒置的主機仍能維持接近基準的資源使用量。
使用固定版本安裝 Draco
README 提供了單行安裝程式。在將它透過管線傳給 shell 前,先閱讀其執行內容:截至 12 October 2026 的文件所述,它會安裝至 $HOME/.draco/bin/draco,一律取得 latest 版本,而且不會驗證簽章或雜湊。在伺服器上,請固定版本並驗證下載內容。以下 v0.20.5 的指示保留截至 12 October 2026 驗證過的設定;固定版本的上游文件目前無法重新確認。
截至 12 October 2026,專案的版本下載會回傳 404 Not Found,因為上游儲存庫已無回應,而專案網站宣傳的 get.draco.sh 安裝程式網域也無法解析。目前沒有可供取得的有效版本 URL,因此以下指令假設你已在某台主機上持有 v0.20.5 封存檔 draco-linux-x86-64.tar.gz 及其 SHA256SUMS,並將兩者放在 /tmp。這些檔案應來自先前的下載,或由你信任的機器複製而來。不要使用尚未審核的鏡像站填補這個缺口:由同一個鏡像站提供的 checksum 檔案,無法證明二進位檔內容可信。
cd /tmp
sha256sum --ignore-missing -c SHA256SUMS此指令會輸出 draco-linux-x86-64.tar.gz: OK。若出現 FAILED 行,表示你持有的位元組不是專案發布的內容。請刪除檔案後重新開始。
mkdir -p draco-v0.20.5
tar -xzf draco-linux-x86-64.tar.gz -C draco-v0.20.5
sudo install -m 755 "$(find draco-v0.20.5 -type f -name draco | head -n1)" /usr/local/bin/draco
draco scrape https://example.com最後一個指令會以 markdown 輸出範例頁面。find 並非裝飾用途:封存檔的目錄配置不屬於專案的公開契約,而截至 12 October 2026 最後驗證過的官方安裝程式,也是以相同方式尋找二進位檔。
請使用專用帳號執行 daemon,不要使用你的登入使用者。寫入 /etc/systemd/system/draco.service:
[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.targetsudo 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/healthdaemon 開始監聽後,/health 會立即回應。Connection refused 表示 daemon 尚未監聽,因此請讀取 journalctl -u draco -n 50。通常原因是其他程序已占用 3002,因為這也是 Firecrawl 的預設連接埠。--port 可變更 Draco 使用的連接埠。自架 Firecrawl 沒有此類旗標:其連接埠來自 Compose 檔中的 PORT 變數,並發布為 "${PORT:-3002}:${INTERNAL_PORT:-3002}"。請在該處變更發布的連接埠,並讓所有用戶端使用一致的設定。若要深入了解 unit file,請參閱:systemd service units and timers。
接著以代理程式實際使用的方式取得內容:
curl -X POST http://127.0.0.1:3002/v1/scrape \
-H 'content-type: application/json' \
-d '{"url": "https://example.com", "formats": ["markdown"]}'讓 fetch daemon 不暴露在公用網際網路
未設定驗證的 fetch API 就是開放代理。任何能連到該連接埠的人,都能讓你的伺服器代表其 IP 位址請求任意 URL。濫用檢舉會送到你的服務供應商,而不是送給對方。Draco 在 12 October 2026 所記錄的 serve flags 未包含 API key,因此必須依靠網路層提供防護。agent 與 fetch daemon 在同一台主機上執行時,請維持預設的 127.0.0.1 bind。agent 位於其他主機時,請讓兩端都使用私有 tunnel;通常會使用自行架設的 WireGuard VPN,並將服務綁定到 tunnel 位址,而不是 0.0.0.0。接著從另一台機器進行確認,確定公用 IP 不會回應任何請求。ufw 防火牆基礎與最小權限使用者帳戶分別涵蓋這兩個部分。
代理程式碼需要變更嗎?實際上的 API 相容性
Draco 回應 Firecrawl v1 路由:/v1/scrape、/v1/map、/v1/crawl、/v1/batch/scrape 和 /v1/search;其 README 最後於 12 October 2026 檢查時指出,系統會接受並忽略未知欄位。相容性取決於所要求的功能:Draco 官方網站指出,screenshots 和 clicks 會回傳 HTTP 422,因此要求不受支援頁面操作的 Firecrawl v1 用戶端,不僅需要變更 base URL,也需要修改請求。請注意對方的介面有哪些變更:Firecrawl 自行代管指南目前會使用 POST 對 /v2/scrape 執行 smoke test,而目前的 SDK 預設使用 v2;Draco 網站則列出 v1 路由。修改代理程式碼前,先使用 curl 測試每個呼叫,並讀取 JSON 主體,不要只查看狀態碼,因為這些實作最容易在欄位名稱上產生差異。
robots.txt、速率限制,以及應遵守的界線
Draco 預設會讀取 robots.txt。截至 12 October 2026,README 記載可透過 --ignore-robots 停用此行為。Firecrawl 也記載相同的預設值。兩者都維持原設定。Hound 只有在將 respect_robots=True 傳遞給 smart_fetch 時,才會檢查 robots.txt,因此請在該處啟用。接著設定請求速率:截至 12 October 2026 的文件指出,Draco 的 --delay 會在請求之間加入毫秒級間隔,而 --max-concurrency 會限制平行工作數,daemon 預設值為 8。在共用 VPS 連線上,設定為 2 到 4 對其他使用者較友善,而且整體速度通常不會較慢,因為網站開始對你進行速率限制後,所浪費的時間往往比降低平行數所節省的時間更多。請快取擷取的內容,讓第二次 agent 執行不會增加來源網站的負擔。這也是 控制 AI agent 成本 中最便宜的一項。
Challenge wall 是另一個主題,而 Trawl 正是為此設計:Cloudflare Turnstile、reCAPTCHA、hCaptcha 和 GeeTest。Challenge wall 代表網站明確拒絕自動化流量。繞過這類機制可能違反網站使用條款,在某些地區也可能違法,因此本指南只涵蓋擷取基礎架構,不處理繞過措施。能通過 challenge wall 的相同技術,也是網站管理者會監控並封鎖的對象,因此以此建立的 pipeline 不僅不當,也不穩定。當某個來源如此重要時,請尋找其 RSS feed、公開 API 或大量匯出功能。這些方式的執行成本都較低,而且 challenge wall 更新時,也不會導致整套流程失效。
透過 MCP 連接至 agent
MCP(model context protocol)是 agent 用來呼叫工具的介面。哪些工具能接觸到模型,以及模型是否能在未先徵求你的同意時呼叫工具,是由上一層的 模型執行所在的 harness 決定。因此,讓 daemon 開始監聽只是連接工作的一半。Draco 在同一個 binary 中提供 MCP server,並使用 stdio:
{ "mcpServers": { "draco": { "command": "draco", "args": ["mcp"] } } }截至 12 October 2026,README 列出的 stdio 設定為 draco_scrape、draco_discover 和 draco_search;draco_interact_* 組則屬於 daemon 的 HTTP MCP endpoint。只有當 agent process 與 binary 位於同一台機器時,stdio 才能運作,因為這種傳輸方式使用該 process 的 standard input。若 agent 位於其他主機,Hound 會改用 HTTP 提供 MCP:hound --http --host 127.0.0.1 --port 8765 會在 http://127.0.0.1:8765/mcp 發布 endpoint,你可透過 tunnel 連線。傳輸方式與應公開的內容,請參閱 在 VPS 上執行 MCP server。
透過搜尋取得配對結果。只能 fetch 的 agent 會等待你提供 URL。加入 自架的 SearXNG 搜尋執行個體 後,agent 就能自行找到這些 URL,運作方式與 以 SearXNG 建立的瀏覽器搜尋技能 相同。daemon 啟動後,無論你執行哪個 自架 AI agent,都能共用這項服務。若你最不確定的是 agent 端,先參閱 手動撰寫小型 agent loop,就能清楚看出 fetch 工具應插入的位置,以及模型如何處理取得的 markdown。
FAQ
我需要無頭瀏覽器來替 AI 代理程式擷取頁面嗎?
大多數頁面不需要。伺服器端渲染的文件、部落格與新聞文章,透過一般 HTTP 擷取再加上 HTML-to-markdown 步驟即可取得完整內容;根據專案自行提供的數據,Draco 在較低層級的處理速度約為每頁 300 ms,且不需要瀏覽器。對於用戶端渲染的應用程式,瀏覽器才值得消耗記憶體,因為傳送的 HTML 只是空殼。Draco 的 V8 isolate 不啟動瀏覽器程序即可處理其中許多情況;無法處理時會以代碼 3 結束,needs_browser。
自行託管的 Firecrawl 在 VPS 上需要多少 RAM?
其 Compose 檔案為 api 容器設定 8 GB 的上限,並為 Playwright 容器設定 4 GB;同一個堆疊也會啟動 Redis、RabbitMQ、PostgreSQL 與 FoundationDB。Firecrawl 未針對此堆疊公布經驗證的主機最低規格。記憶體壓力過大時,核心的 out-of-memory killer 會終止程序;如果容器停止,隨附的 Compose 檔案不會自動重新啟動它。使用 docker compose ps --all 檢查已停止的容器,並使用 dmesg -T | tail 確認是否發生 OOM 事件。
Draco 是 Firecrawl API 的直接替代品嗎?
對於 v1 端點而言,兩者相當接近。它提供 /v1/scrape、/v1/map、/v1/crawl、/v1/batch/scrape 與 /v1/search,但相容性取決於要求的功能:截圖與點擊會回傳 HTTP 422,因此要求不受支援頁面操作的用戶端,除了更換基底 URL,也需要修改請求。Firecrawl 目前的 SDK 預設使用 v2,而 Draco 的網站列出 v1 路由。請先使用 curl 驗證代理程式發出的每個呼叫。
自行託管 scraper 是否代表我可以忽略 robots.txt?
不行。程式碼在哪裡執行,不會改變網站發布的內容或其條款允許的行為。Draco 與 Firecrawl 預設都遵守 robots.txt,而 override flag 存在於你擁有或已取得書面爬取許可的網站。無論如何,遠端端點都會執行速率限制,因此使用低並行度的禮貌 --delay 可讓你的 IP 位址持續正常運作。只能靠繞過 challenge wall 才能運作的堆疊,會在沒有警告的情況下失效。