ScrapeGraphAIとは？
ScrapeGraphAIは、CSSセレクターを言語モデルに置き換えます。URL（またはローカルのHTML、XML、JSON、Markdownファイル）と平易な英語のプロンプトを渡すと、グラフと呼ばれる一連のパイプラインステップがPlaywrightでページを取得し、LLMにフィールドをJSONとして返すよう要求します。単一ページ、複数ページ、検索上位結果の処理や、再利用可能なPythonスクレイパーを生成するための定義済みグラフが用意されています。
OpenAI、Groq、Azure、Gemini、MiniMaxなどのホスト型モデルのほか、Ollamaを介したローカルモデルにも対応しており、LangChain、LlamaIndex、CrewAI、Agno、ローコードツールと統合できます。MCP serverも利用可能です。
このライブラリはMITライセンスで提供され、デフォルトでテレメトリを送信します。現在のコードベースでは、プロンプト、スキーマ、ページコンテンツ、モデルの応答、および各実行のURLが含まれます。同じ開発元がプロキシとアンチボット処理を備えたホスト型APIを販売しており、無料枠から月額$500までのプランがあります。
ScrapeGraphAIの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Library | Free | MIT; you pay for LLM tokens |
| Hosted API | $20, $100 or $500 a month | After 500 one-off free credits |
| Enterprise | Custom |
ライブラリはMITライセンスで無料です。LLMのトークン料金は別途発生します。ホスト型APIは、初回限定の500無料クレジットが付与され、以降は月額$20、$100、$500のプランがあります。Enterpriseは個別見積もりです。
ScrapeGraphAIは使う価値があるか？
ScrapeGraphAIはクローリングではなく抽出の課題を解決するツールであり、開発チームが最初に見直すべきはデフォルトのテレメトリ設定です。v2.3.1のtelemetry.pyを確認すると、スキーマを伴う実行が成功するたびに、ユーザープロンプト、JSONスキーマ、スクレイピングされたページコンテンツ、モデルの応答、およびURLがRender上でホストされているトレーシングエンドポイントへ送信されます。READMEには匿名化された利用状況メトリクスと記載されていますが、実態は作業データの複製に近いものです。SCRAPEGRAPHAI_TELEMETRY_ENABLED=falseを設定することで送信を停止できます。
最大の魅力は抽出機能そのものです。プロンプト駆動型のグラフは、セレクターベースのスクレイパーを破綻させるサイトのリニューアルにも影響を受けません。また、ホスト型モデルからローカルのOllamaモデルへの切り替えは、設定を1行変更するだけで完了します。このプロジェクトはGitHubで約32,200件のスターを獲得しており、オープンなIssueは8件、リリース頻度はおよそ2〜3週間に1回で、直近では2026年10月6日にv2.3.1がリリースされました。
コストはページ数に応じて増加します。ライブラリでは1ページごとにモデル呼び出しが発生します。ホスト型APIではExtractリクエストに5クレジットを消費するため、月額$100のGrowthプラン（100,000クレジット）では約20,000回の抽出が可能となり、1回あたり0.5セントの計算になります。言語モデルが各ページを読み取る仕組みであるため、本来存在しないフィールドを生成したり改変したりする可能性があり、出力結果にはスキーマによる検証が欠かせません。
オープンソース版のライブラリにはプロキシネットワークやアンチボット機能が備わっていません。独自にプロキシを用意しない限り保護されたサイトの取得には失敗します。また、ホスト型APIにおいてもプロキシローテーションはGrowth以上のプランに限定されています。RAGのインデックス作成用にサイト全体をMarkdownへ変換する用途であれば、ページごとにモデルの読み取りを必要としないCrawl4AIやFirecrawlのほうが高速かつ低コストです。
真価を発揮する場面
価格比較スタートアップのデータエンジニア
レイアウトが頻繁に変更される300の小売業者ページから、価格、在庫、仕様の各フィールドを取得します。
壊れやすいセレクターの代わりに、Pydanticスキーマを指定したSmartScraperGraphをページごとに適用します。ページごとに1回のモデル呼び出しが発生するため、小規模なホスト型モデルやローカルのOllamaを利用してコストを抑制します。作業前にテレ メトリは無効化しておく必要があります。
50人規模のB2B企業におけるセールスオペレーションアナリスト
数百社に及ぶ企業のウェブサイトから連絡先リストを作成します。
ホスト型APIのExtractエンドポイントは1ページあたり5クレジットを消費します。インフラを自前で運用することなく、$20のStarterプラン（10,000クレジット）を利用して月あたり約2,000ページを処理します。
規制対象チームの開発者
社内ネットワークの外部にデータを送信することなく、社内HTMLレポートからフィールドを抽出します。
ローカルのOllamaモデルとSCRAPEGRAPHAI_TELEMETRY_ENABLED=falseを組み合わせたライブラリ運用により、すべてのデータをオンプレミス環境内に保持します。この環境変数を設定しない場合、ページコンテンツは保守管理者のエンドポイントに送信されます。
導入前に確認すること
- 導入
- pip install scrapegraphaiを実行後、ヘッドレスブラウザ用にplaywright installを実行します。初回抽出は、APIキーまたはローカルに取得したOllamaモデルを用意し、十数行のPythonコードを記 述するだけで完了します。
- 連携
- OpenAI、Groq、Azure、Gemini、MiniMax、Ollamaの各モデルに対応しています。LangChain、LlamaIndex、CrewAI、Agnoのほか、ホスト型API向けにZapier、Pipedream、Bubbleと連携可能です。MCP serverも提供されています。
- データとプライバシー
- MITライセンスです。テレメトリはデフォルトで有効になっており、ソースコードの記述通り、プロンプト、スキーマ、ページコンテンツ、LLMの応答、URLが送信されます。SCRAPEGRAPHAI_TELEMETRY_ENABLED=falseを設定することで無効化できます。GitHub Security Advisoriesは公開されていません。ホスト型APIの料金ページには「すべてのリクエストはSOC 2 Type IIに準拠しています」と記載されていますが、データ保持期間や学習利用に関する条項は明記されていません。
- 大規模利用時のコスト
- セルフホストの場合、コストはページごとのモデルトークン料金と自前で用意するプロキシの費用のみです。ホスト型APIの場合、Starterは10,000クレジットで$20、Growthは100,000クレジットで$100、Proは750,000クレジットで$500です。Extractは1ページあたり5クレジットを消費し、ステルスモードを使用するとさらに5クレジットが加算されます。
- 制限
- ホスト型APIのレート制限は 、Freeの毎分10リクエストからProの毎分5,000リクエストまでとなっています。ライブラリ単体では大規模なクローリング、プロキシローテーション、アンチボット処理に対応しておらず、これらの機能はFirecrawlやCrawl4AIのほうが優れています。
良い点
- レイアウトの変更に影響を受けないプロンプトベースの抽出が可能です
- Ollamaモデルを用いて完全なローカル環境で動作します
- MITライセンスを採用し、頻繁なリリースが行われています
- リクエストあたりのクレジット価格が明確なホスト型APIが用意されています
気になる点
- デフォルトのテレメトリによってプロンプト、ページコンテンツ、応答が送信されます
- ページごとにモデルの呼び出しが発生します
- スキーマ検証を行わない場合、存在しないフィールドを生成する可能性があります
- ライブラリ自体にはプロキシやアンチボット機能が 含まれていません
おすすめの人
多様なウェブページから適度な分量の型付きフィールドを抽出したい開発者に適しています。
ScrapeGraphAIの代替
ScrapeGraphAI：よくある質問
- ScrapeGraphAIは使う価値があるか？
- 構造が乱雑なページから型定義された少数のフィールドを抽出する用途には適していますが、デフォルトでスクレイピングしたコンテンツが開発元へ送信される点と、ページごとにモデルの呼び出しコストがかかる点には注意が必要です。 評価は5点満点中3.6点です。
- ScrapeGraphAIの料金は？
- ライブラリはMITライセンスで無料です。LLMのトークン料金は別途発生します。ホスト型APIは、初回限定の500無料クレジットが付与され、以降は月額$20、$100、$500のプランがあります。Enterpriseは個別見積もりです。
- ScrapeGraphAIの欠点は？
- デフォルトのテレメトリによってプロンプト、ページコンテンツ、応答が送信されます; ページごとにモデルの呼び出しが発生します; スキーマ検証を行わない場合、存在しないフィールドを生成する可能性があります; ライブラリ自体にはプロキシやアンチボット機能が含まれていません.
- ScrapeGraphAIは誰に向いているか？
- 多様なウェブページから適度な分量の型付きフィールドを抽出したい開発者に適しています。
- チームや本番環境でScrapeGraphAIを使うと費用はいくらか？
- セルフホストの場合、コストはページごとのモデルトークン料金と自前で用意するプロキシの費用のみです。ホスト型APIの場合、Starterは10,000クレジットで$20、Growthは100,000クレジットで$100、Proは750,000クレジットで$500です。Extractは1ページあたり5クレジットを消費し、ステルスモードを使用するとさらに5クレジットが加算されます。
- ScrapeGraphAIは企業データを扱っても安全か？
- MITライセンスです。テレメトリはデフォルトで有効になっており、 ソースコードの記述通り、プロンプト、スキーマ、ページコンテンツ、LLMの応答、URLが送信されます。SCRAPEGRAPHAI_TELEMETRY_ENABLED=falseを設定することで無効化できます。GitHub Security Advisoriesは公開されていません。ホスト型APIの料金ページには「すべてのリクエストはSOC 2 Type IIに準拠しています」と記載されていますが、データ保持期間や学習利用に関する条項は明記されていません。
- ScrapeGraphAIの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はCrawl4AI 、 Firecrawlです。
回答確認日：2026年10月26日