Firecrawl 推出 Alexandria，工具探索預設回傳精簡描述

Firecrawl 於 9 月 22 日推出 Alexandria，把網頁、專用索引與資料供應商納入同一套探索及取數流程。對研究代理而言，改變在於先找出可用的資料能力，再讀取輸入輸出規格並執行，降低逐一整合不同供應商介面的工作量。官方提供 API、MCP 與命令列入口。[官方公告](https://www.firecrawl.dev/blog/introducing-alexandria-series-b)

熱門儲存庫也有相應變更。9 月 20 日的提交將搜尋工具探索預設設為 `compact`，每項結果只保留供應商、能力名稱與描述；需要更多資訊時，可指定摘要或完整模式。程式碼同時更新多語言 SDK 與測試，確認精簡結果能通過解析。[實作提交](https://github.com/firecrawl/firecrawl/commit/4e35739f830edf768719ad583828724f1d9f9dc3)

這項設計把完整規格延後到選定工具之後載入，可減少初次探索帶入的內容，但也改變客戶端假設。原本直接從搜尋結果讀取參數結構、費用或回應格式的程式，需要另外取得詳細規格；僅收到工具描述，還不足以組成可執行請求。節省多少 token、是否增加往返延遲，仍要以實際工作流程量測。

MCP 文件描述的順序是搜尋、以 `firecrawl_find_tools` 展開選定能力，再透過 `firecrawl_scrape` 執行。一般搜尋與網址擷取不會自動呼叫匹配到的供應商工具；只提供搜尋的 MCP 端點也沒有完整探索及執行能力。這使「找到來源」與「取得資料」成為可分別記錄的步驟。[MCP 文件](https://github.com/firecrawl/firecrawl-mcp-server)

官方命令列指引另要求執行前核對地區涵蓋、必要輸入、點數費用及存取條件；找不到適用工具時，應繼續使用一般網頁結果。對中文研究任務，工程團隊宜用本地資料來源測試覆蓋率，並記錄工具選擇錯誤與缺漏。尤其應分開統計工具探索成功率與實際資料取得率，才能辨識失敗發生在哪一層。[命令列指引](https://github.com/firecrawl/cli/blob/main/skills/firecrawl-search/SKILL.md)

Firecrawl 另稱，在相同模型與提示下，845 項任務的盲式 AI 評分顯示答案品質提高 21%。這是供應商公布的測試結果，不能直接外推到繁體中文、特定資料庫或所有代理框架。導入時仍須把答案品質、完整取數成本與延遲一起比較。[評測說明](https://www.firecrawl.dev/blog/introducing-alexandria-series-b)