以编程方式使用文档

>Apify Actors 是云端程序，专为各种网页抓取、爬虫和数据提取任务而设计。这些 Actor 促进自动化的网络数据收集，使用户能够高效地提取、处理和存储信息。Actor 可用于执行诸如抓取电商网站产品详情、监控价格变化或收集搜索引擎结果等任务。它们可与 Apify Datasets无缝集成，允许将 Actor 收集的结构化数据以 JSON、CSV 或 Excel 等格式存储、管理和导出，以供进一步分析或使用。

概述

本笔记本将引导您使用 Apify Actors 与 LangChain 结合来自动化网页抓取和数据提取。该 langchain-apify 包将 Apify 的云端工具与 LangChain 代理集成，实现高效的数据收集和处理，以支持 AI 应用。

集成详情

类包可序列化JS 支持版本
ApifyActorsToollangchain-apify✅✅!PyPI - 版本

工具特性

返回产物原生异步返回数据定价
❌✅Actor 输出（因 Actor 而异）按量付费， 免费套餐可用

设置

此集成位于 langchain-apify 包中。该包可以使用 pip 安装。

pip install langchain-apify

前提条件

os.environ["APIFY_TOKEN"] = "your-apify-token"
os.environ["OPENAI_API_KEY"] = "your-openai-api-key"

定价

Apify 采用按量付费定价，提供免费套餐。 定价因 Actor 而异——有些 Actor 是免费的（您只需支付平台使用费），而有些则按结果或事件收费。

实例化

在这里我们实例化 ApifyActorsTool 以便能够调用 RAG Web Browser Apify Actor。此 Actor 为 AI 和 LLM 应用提供网页浏览功能，类似于 ChatGPT 中的网页浏览功能。任何来自 Apify Store 的 Actor 都可以以这种方式使用。

from langchain_apify import ApifyActorsTool

tool = ApifyActorsTool("apify/rag-web-browser")

调用

ApifyActorsTool 接受一个参数，即 run_input ——一个字典，作为运行输入传递给 Actor。运行输入 schema 文档可以在 Actor 详情页面的输入部分找到。参见 RAG Web Browser 输入 schema.

tool.invoke({"run_input": {"query": "what is apify?", "maxResults": 2}})

链式调用

我们可以将创建的工具提供给 代理当被要求搜索信息时，代理将调用 Apify Actor，它将搜索网络，然后返回搜索结果。

pip install langgraph langchain-openai
from langchain.messages import ToolMessage
from langchain_openai import ChatOpenAI
from langchain.agents import create_agent


model = ChatOpenAI(model="gpt-5-mini")
tools = [tool]
graph = create_agent(model, tools=tools)
inputs = {"messages": [("user", "search for what is Apify")]}
stream = graph.stream_events(inputs, version="v3")
for snapshot in stream.values:
    message = snapshot["messages"][-1]
    # skip tool messages
    if isinstance(message, ToolMessage):
        continue
    message.pretty_print()
================================ Human Message =================================

search for what is Apify
================================== Ai Message ==================================
Tool Calls:
  apify_actor_apify_rag-web-browser (call_27mjHLzDzwa5ZaHWCMH510lm)
 Call ID: call_27mjHLzDzwa5ZaHWCMH510lm
  Args:
    run_input: {"run_input":{"query":"Apify","maxResults":3,"outputFormats":["markdown"]}}
================================== Ai Message ==================================

Apify is a comprehensive platform for web scraping, browser automation, and data extraction. It offers a wide array of tools and services that cater to developers and businesses looking to extract data from websites efficiently and effectively. Here's an overview of Apify:

1. **Ecosystem and Tools**:
   - Apify provides an ecosystem where developers can build, deploy, and publish data extraction and web automation tools called Actors.
   - The platform supports various use cases such as extracting data from social media platforms, conducting automated browser-based tasks, and more.

2. **Offerings**:
   - Apify offers over 10,000 ready-made scraping tools and code templates.
   - Users can also build custom solutions or hire Apify's professional services for more tailored data extraction needs.

3. **Technology and Integration**:
   - The platform supports integration with popular tools and services like Zapier, GitHub, Google Sheets, Pinecone, and more.
   - Apify supports open-source tools and technologies such as JavaScript, Python, Puppeteer, Playwright, Selenium, and its own Crawlee library for web crawling and browser automation.

4. **Community and Learning**:
   - Apify hosts a community on Discord where developers can get help and share expertise.
   - It offers educational resources through the Web Scraping Academy to help users become proficient in data scraping and automation.

5. **Enterprise Solutions**:
   - Apify provides enterprise-grade web data extraction solutions with high reliability, 99.95% uptime, and compliance with SOC2, GDPR, and CCPA standards.

For more information, you can visit [Apify's official website](https://apify.com/) or their [GitHub page](https://github.com/apify) which contains their code repositories and further details about their projects.

更多 Actor 示例

Apify Store 包含数千个预构建的 Actor。以下是其他热门 Actor 的示例：

Instagram 抓取工具

from langchain_apify import ApifyActorsTool

instagram_tool = ApifyActorsTool("apify/instagram-scraper")

# Scrape Instagram posts
result = instagram_tool.invoke({
    "run_input": {
        "directUrls": ["https://www.instagram.com/humansofny/"],
        "resultsLimit": 10
    }
})

Google 搜索结果抓取工具

google_search_tool = ApifyActorsTool("apify/google-search-scraper")

# Scrape Google Search results
result = google_search_tool.invoke({
    "run_input": {
        "queries": "langchain python tutorial",
        "maxPagesPerQuery": 1
    }
})

浏览 Apify Store 以发现更多适合您使用场景的 Actor。

何时使用 Apify

当您需要以下功能时，Apify 是理想选择：

  • 访问数千个预构建 Actor 涵盖多个平台（社交媒体、电子商务、搜索引擎等）
  • 自定义网页抓取和自动化工作流 超越简单搜索
  • 无需基础设施的抓取 （无服务器平台处理扩展和维护）
  • 灵活的 Actor 生态系统 – 运行 Apify Store 中的任何 Actor

API 参考

有关此集成的详细使用说明，请参阅 Git 仓库 或 Apify 集成文档.

使用 Apify MCP Server

不确定使用哪个 Actor 或需要哪些参数？ Apify MCP（模型上下文协议）服务器 可以帮助您发现可用的 Actor、探索其输入模式，并通过模型上下文协议了解参数要求。

要将 Apify MCP server 与 LangChain 结合使用：

from langchain_mcp_adapters.client import MultiServerMCPClient
from langchain.agents import create_agent

client = MultiServerMCPClient({
    "apify": {
        "transport": "http",
        "url": "https://mcp.apify.com",
        "headers": {
            "Authorization": f"Bearer {os.environ['APIFY_TOKEN']}",
        },
    }
})

tools = await client.get_tools()
agent = create_agent("gpt-5-mini", tools)

更多信息，请参阅 LangChain MCP 文档 和 Apify MCP server.