# Strumenti di web scraping con agenti AI: confronto tra 9 opzioni per prezzo, blocchi e legalità > Confronto tra 9 strumenti di web scraping per agenti AI, da Firecrawl a Bright Data. Cosa fa ciascuno, prezzi reali, siti bloccati e limiti legali da conoscere. Last updated: 2026-09-29T10:00:00 Canonical URL: https://crevio.co/it/blog/ai-agent-web-scraping-tools *Ultimo aggiornamento: settembre 2026* **Cloudflare, che dichiara di gestire il traffico del [20% del web](https://www.cloudflare.com/press/press-releases/2025/cloudflare-just-changed-how-ai-crawlers-scrape-the-internet-at-large/), ora chiede a ogni nuovo sito che si iscrive se i crawler AI possono leggerne i contenuti.** Il web che il tuo agente AI vuole consultare chiude una porta alla volta, e gli strumenti che aiutano gli agenti a superare quelle porte sono ormai una categoria a sé. Scegliere quello giusto dipende tanto da ciò che puoi leggere legalmente e da quanto ti costerà su larga scala, quanto dalle sue capacità tecniche. Questa guida confronta nove strumenti di web scraping per agenti AI: Exa, Tavily, Firecrawl, Jina Reader, Crawl4AI, Apify, Browserbase, Browser Use e Bright Data. È pensata per founder e piccoli team che vogliono usare un agente per analizzare i concorrenti, monitorare i prezzi o estrarre dati dai siti web, e vogliono capire quale strumento fa al caso loro, quanto costa davvero e quali sono i limiti legali. - **Gli strumenti svolgono quattro attività diverse:** cercare sul web, leggere una pagina, eseguire il crawling di un intero sito o usare un browser reale. Per la maggior parte delle attività di ricerca aziendale bastano le prime due - **Il piano più economico di solito è sufficiente per iniziare.** Tutti gli strumenti qui presentati hanno un piano gratuito, crediti gratuiti o una versione open source - **I costi esplodono a causa dei moltiplicatori,** non del prezzo pubblicizzato: crawling di interi siti, output strutturato e riesecuzioni quotidiane possono accumulare centinaia di migliaia di crediti - **La gestione anti-bot significa superare il rifiuto di un sito.** È utile, ma è anche il punto in cui aumenta il rischio legale ### Confronto rapido | Strumento | Attività principale | Gratis per iniziare | A pagamento da | Gestisce i siti bloccati | Output | |------|----------|---------------|-----------|----------------------|--------| | [Exa](https://exa.ai/pricing) | Ricerca | 10 $ di crediti gratuiti | 7 $ per 1.000 ricerche | Non è il suo scopo | Risultati, testo delle pagine, estratti | | [Tavily](https://www.tavily.com/pricing) | Ricerca ed estrazione | 1.000 crediti al mese | 30 $ al mese per 4.000 crediti | In parte | Risultati, risposta breve, contenuto delle pagine | | [Jina Reader](https://jina.ai/reader/) | Lettura di una pagina | 10 milioni di token con una chiave gratuita | A consumo, in base ai token | Esegue JavaScript, proxy opzionali | Markdown | | [Firecrawl](https://www.firecrawl.dev/pricing) | Lettura e crawling | 1.000 crediti al mese | 16 $ al mese, con fatturazione annuale | Sì, nel servizio hosted | Markdown, HTML, JSON, screenshot | | [Crawl4AI](https://github.com/unclecode/crawl4ai) | Crawling, self-hosted | Gratis, open source | I tuoi server o il suo cloud | Devi fornire i proxy | Markdown | | [Apify](https://apify.com/pricing) | Scraper pronti all'uso | 5 $ di utilizzo al mese | 19 $ al mese | Pool di proxy | JSON, CSV, Excel | | [Browserbase](https://www.browserbase.com/pricing) | Browser cloud | 1 ora di browser | 20 $ al mese per 100 ore | Stealth e risoluzione dei CAPTCHA nei piani a pagamento | Qualunque dato estratto dal tuo agente | | [Browser Use](https://browser-use.com/pricing) | Agente browser | Open source, 15 $ di crediti cloud | 0,02 $ per ora di browser | Browser stealth nel cloud | Risultati dell'attività | | [Bright Data](https://brightdata.com/pricing/web-unlocker) | Sblocco su larga scala | 5.000 richieste al mese | 1,50 $ per 1.000 richieste riuscite | Il più efficace, inclusi i CAPTCHA | HTML, Markdown, JSON | I prezzi provengono dalle pagine tariffarie dei singoli strumenti, aggiornate a settembre 2026. Cambiano spesso: controllali prima di impegnarti. ## Le quattro attività degli strumenti di web scraping per agenti AI Il web scraping comprende quattro attività molto diverse, e la maggior parte delle scelte sbagliate nasce dall'acquistare lo strumento adatto al problema sbagliato. 1. **Cercare sul web.** L'agente ha una domanda e ha bisogno di fonti. Un'API di ricerca restituisce link ordinati con il testo delle pagine, così l'agente può rispondere a «quanto fanno pagare i concorrenti per X?» senza visitare dieci siti 2. **Leggere una pagina.** L'agente ha un URL e ha bisogno del contenuto in formato testuale pulito. Un reader elimina menu, annunci e script e restituisce Markdown che il modello può utilizzare 3. **Eseguire il crawling di un intero sito.** L'agente ha bisogno di tutte le pagine prodotto, di tutti gli articoli del blog o di tutti gli annunci di un dominio. Un crawler segue i link, rispetta i limiti che imposti e restituisce centinaia o migliaia di pagine 4. **Usare un browser reale.** La pagina richiede un accesso, un clic, una casella di ricerca o uno scorrimento prima che compaiano i dati. Solo un browser reale, controllato dall'agente, può arrivarci ![Matrice di posizionamento di nove strumenti di web scraping per agenti AI, dalle ricerche al browser reale, in base alla capacità di gestire i siti che oppongono resistenza](https://crevio.co/vite/assets/web-scraping-tools-matrix-ee17vcn3.svg) L'angolo ombreggiato è quello che conta di più. Controllare i prezzi dei concorrenti, fare ricerche di mercato, cercare fornitori e leggere la documentazione significa quasi sempre «trovare una pagina e leggerla». Ti sposti verso destra e verso l'alto solo quando un sito specifico ti obbliga a farlo. ## Strumenti di ricerca: Exa e Tavily ### Exa ![Homepage di Exa, un'API di ricerca web pensata per gli agenti AI con un proprio indice del web pubblico](https://crevio.co/vite/assets/exa-homepage-amdi649m.png) [Exa](https://exa.ai/) gestisce un proprio indice di ricerca pensato per l'AI, invece di appoggiarsi a un motore di ricerca consumer. Inviando una query, ricevi risultati con il testo della pagina, gli estratti o un riepilogo già incluso: l'agente può quindi saltare il passaggio di fetch separato. Offre anche filtri per categoria per notizie, aziende, articoli di ricerca e persone. **Prezzi:** i nuovi account ricevono 10 $ di crediti gratuiti. La ricerca standard costa 7 $ per 1.000 richieste, il livello più rapido 4 $ e il recupero dei contenuti delle pagine 1 $ per 1.000 pagine, secondo la sua [pagina dei prezzi](https://exa.ai/pricing). **Ideale per:** domande di ricerca in cui la parte difficile è trovare le fonti giuste. **Attenzione:** è uno strumento di ricerca. Se la pagina che ti serve non è nel suo indice o si trova dietro un login, Exa non riuscirà ad accedervi. ### Tavily ![Homepage di Tavily, un'API di accesso al web per agenti AI con modalità di ricerca, estrazione, crawling e ricerca approfondita](https://crevio.co/vite/assets/tavily-homepage-ekzxxp81.png) [Tavily](https://www.tavily.com/) è un'API di ricerca progettata per gli agenti e si è estesa anche a endpoint per l'estrazione, la mappatura e il crawling. A febbraio 2026, il cloud provider Nebius [ha accettato di acquisirla](https://nebius.com/newsroom/nebius-announces-agreement-to-acquire-tavily-to-add-agentic-search-to-its-ai-cloud-platform) per una cifra riportata di 275 milioni di dollari. **Prezzi:** 1.000 crediti gratuiti al mese senza carta di credito. Una ricerca di base costa 1 credito e una avanzata 2; l'estrazione dei contenuti costa 1 credito ogni 5 URL. Il piano Project costa 30 $ al mese per 4.000 crediti, mentre il modello pay-as-you-go costa 0,008 $ per credito, secondo la [documentazione sui crediti](https://docs.tavily.com/documentation/api-credits). **Ideale per:** un'unica API economica che copre la ricerca e una lettura leggera delle pagine. **Attenzione:** l'endpoint di ricerca può usare fino a 250 crediti per richiesta, quindi un ciclo di «ricerca approfondita» consuma rapidamente un piano gratuito. ## Strumenti per leggere ed eseguire il crawling ### Firecrawl ![Homepage di Firecrawl, un'API per i dati web che trasforma i siti in Markdown e JSON pronti per gli LLM](https://crevio.co/vite/assets/firecrawl-homepage-izqwq5z7.png) [Firecrawl](https://www.firecrawl.dev/) è uno dei modi più usati per trasformare le pagine web in testo utilizzabile da un modello, e il suo repository open source ha oltre 186.000 stelle su GitHub. Forniscigli un URL e restituisce Markdown pulito, HTML, JSON strutturato o uno screenshot. Forniscigli un dominio e ne mappa o esegue il crawling dell'intero sito. Esegue JavaScript e gestisce molti siti protetti nel suo servizio hosted. **Prezzi:** il piano gratuito include 1.000 crediti al mese. Fare scraping, crawling o mapping costa 1 credito per pagina, una ricerca costa 2 crediti ogni 10 risultati e l'output JSON strutturato aggiunge 4 crediti per pagina. Hobby costa 16 $ al mese e Standard 83 $ al mese per 100.000 crediti, entrambi con fatturazione annuale, secondo la sua [pagina dei prezzi](https://www.firecrawl.dev/pricing). **Ideale per:** trasformare siti già noti in testo pulito o dati strutturati con un'unica API. **Attenzione:** il moltiplicatore del JSON. È il modo più semplice per spendere cinque volte più del previsto, come mostra la sezione sui costi qui sotto. ### Jina Reader ![Pagina di Jina Reader, che converte qualsiasi URL in un input ottimizzato per gli LLM anteponendo r.jina.ai](https://crevio.co/vite/assets/jina-reader-homepage-op8nvxr3.png) [Jina Reader](https://jina.ai/reader/) ha l'interfaccia più semplice di questa lista: anteponi `r.jina.ai/` a qualsiasi URL e ricevi la pagina in formato Markdown. Per impostazione predefinita esegue il rendering della pagina in un browser headless, così JavaScript viene eseguito prima, e offre anche un endpoint di ricerca dedicato. Jina AI ora fa [parte di Elastic](https://www.elastic.co/blog/elastic-jina-ai), che l'ha acquisita a ottobre 2025. **Prezzi:** funziona senza chiave a 20 richieste al minuto. Una chiave API gratuita include 10 milioni di token, dopodiché paghi in base ai token elaborati. Le richieste non riuscite non vengono addebitate. **Ideale per:** leggere una pagina alla volta senza configurazioni. Offre anche un'opzione per verificare il file robots.txt di un sito prima del fetch: un'impostazione predefinita utile da attivare. **Attenzione:** legge le pagine, ma non esegue il crawling dei siti; per le pagine molto protette ti serve un proxy personale. ### Crawl4AI ![Repository GitHub di Crawl4AI, un crawler e scraper web open source che trasforma i siti in Markdown pronto per gli LLM](https://crevio.co/vite/assets/crawl4ai-github-ct9bldh3.png) [Crawl4AI](https://github.com/unclecode/crawl4ai) è l'opzione gratuita e open source, distribuita con licenza Apache 2.0 e con oltre 84.000 stelle su GitHub. Esegue il crawling dei siti e li trasforma in Markdown, funziona sul tuo computer o server e ora offre anche una versione cloud hosted. **Prezzi:** gratis se lo ospiti autonomamente. Paghi il server e, se ti servono, i proxy. **Ideale per:** team tecnici che vogliono il pieno controllo e nessun costo per pagina. **Attenzione:** «gratis» sposta il costo sul tuo tempo. Siti bloccati, selettori non funzionanti e rotazione dei proxy diventano problemi tuoi. ### Apify ![Homepage di Apify, un marketplace con oltre 77.000 scraper e strumenti pronti all'uso per agenti AI](https://crevio.co/vite/assets/apify-homepage-lz8ivswq.png) [Apify](https://apify.com/) segue un approccio diverso: invece di offrire un unico scraper, gestisce un marketplace di scraper pronti all'uso, chiamati Actor. La homepage ne elenca più di 77.000, dagli scraper per Google Maps e TikTok a un crawler generico per i contenuti dei siti web; gli agenti possono richiamarli tramite il suo server MCP. I risultati arrivano come dataset esportabili in JSON, CSV o Excel. **Prezzi:** il piano gratuito include 5 $ di utilizzo della piattaforma al mese. Starter costa 19 $ al mese e Scale 199 $, entrambi includono quella stessa cifra come utilizzo. I proxy residenziali costano circa 8 $ per GB nei piani inferiori, secondo la [pagina dei prezzi](https://apify.com/pricing). Molti Actor applicano inoltre un costo per risultato. **Ideale per:** siti conosciuti per i quali qualcuno ha già creato e mantiene uno scraper. **Attenzione:** la qualità varia da un Actor all'altro e molti tra i più usati puntano a piattaforme i cui termini vietano lo scraping. Leggi i termini del sito di destinazione, non solo la valutazione dell'Actor. ## Strumenti browser: Browserbase e Browser Use ### Browserbase ![Homepage di Browserbase, che offre browser cloud per consentire agli agenti AI di accedere all'intero web](https://crevio.co/vite/assets/browserbase-homepage-cy4luvqg.png) [Browserbase](https://www.browserbase.com/) esegue browser Chrome reali nel cloud, che il tuo agente può controllare, con replay delle sessioni per vedere cosa ha fatto. Mantiene inoltre Stagehand, un toolkit open source che consente di scrivere i passaggi del browser in inglese naturale invece che in codice. **Prezzi:** il piano gratuito include 1 ora di browser. Developer costa 20 $ al mese per 100 ore, poi 0,12 $ all'ora, e 1 GB di traffico proxy, poi 12 $ per GB. Stealth di base e risoluzione dei CAPTCHA partono dal piano Developer, mentre lo stealth avanzato è disponibile nel piano Scale personalizzato, secondo la [pagina dei prezzi](https://www.browserbase.com/pricing). Offre anche API più semplici per fetch e ricerca. **Ideale per:** agenti che devono accedere, fare clic e compilare moduli su siti privi di API. **Attenzione:** la larghezza di banda dei proxy. Le ore di browser costano poco; caricare pagine ricche di immagini tramite proxy residenziali a 12 $ per GB è un'altra storia. ### Browser Use ![Homepage di Browser Use, un framework open source per agenti AI che usano il browser, con 15 $ di crediti gratuiti](https://crevio.co/vite/assets/browser-use-homepage-bhju390c.png) [Browser Use](https://browser-use.com/) è un framework open source (licenza MIT, circa 117.000 stelle su GitHub) che consente a un modello AI di usare un browser: leggere la pagina, decidere il clic successivo e ripetere il processo fino al completamento dell'attività. Il suo cloud aggiunge browser stealth e proxy, che il [README del progetto](https://github.com/browser-use/browser-use) consiglia per ridurre il rilevamento dei bot e i CAPTCHA. **Prezzi:** la libreria è gratuita. I browser cloud costano 0,02 $ all'ora e i proxy residenziali 5 $ per GB. I suoi agenti gestiti applicano il costo del modello AI più il 20%. Le iscrizioni idonee ricevono 15 $ di crediti senza scadenza. **Ideale per:** attività con più passaggi descritte in linguaggio naturale, come «trova i tre fornitori più economici e compila i loro moduli per un preventivo». **Attenzione:** ogni passaggio è una chiamata al modello. Un'attività di 40 passaggi su un modello di grandi dimensioni costa molto più del solo tempo di utilizzo del browser. ## Sblocco su larga scala: Bright Data ![Homepage di Bright Data, una piattaforma di dati web con API per scraper, browser per lo sblocco e oltre 400 milioni di IP proxy](https://crevio.co/vite/assets/bright-data-homepage-hacggvko.png) [Bright Data](https://brightdata.com/) è il peso massimo della categoria. Offre proxy provenienti, a suo dire, da oltre 400 milioni di IP, un'API di sblocco che risolve i CAPTCHA e ruota le identità, browser remoti, API per scraper pronti all'uso e dataset già raccolti. Il suo server Web MCP offre agli agenti ricerca, scraping e navigazione tramite un'unica connessione. **Prezzi:** Web MCP ha un piano gratuito da 5.000 richieste al mese senza carta di credito. Web Unlocker costa 1,50 $ per 1.000 richieste e paghi solo quelle riuscite, con limiti di spesa configurabili, secondo la sua [pagina dei prezzi](https://brightdata.com/pricing/web-unlocker). **Ideale per:** siti che oppongono una forte resistenza, a volumi per i quali il tasso di successo conta più del prezzo. **Attenzione:** ti consente di superare i blocchi, quindi spetta a te chiederti se dovresti farlo. Ne parleremo meglio più avanti. ## Come esplodono i costi del web scraping con agenti AI Nessuno si sorprende della fattura perché una singola pagina costava troppo. Le fatture sorprendono quando un agente trasforma un'istruzione in migliaia di richieste. I moltiplicatori sono quattro: ![Esempio del costo in crediti di Firecrawl, che passa da 1 credito per una pagina a 300.000 crediti per un crawling quotidiano con output JSON](https://crevio.co/vite/assets/scraping-cost-multiplier-lrg3dbyh.svg) - **Ambito:** «controlla i loro prezzi» diventa «esegui il crawling del sito» quando l'agente non riesce a trovare la pagina dei prezzi - **Formato:** l'output strutturato spesso costa diverse volte più del testo semplice - **Frequenza:** un'attività pianificata ogni giorno equivale a 30 esecuzioni al mese, una ogni ora a 720 - **Nuovi tentativi:** quando una pagina non riesce, gli agenti riprovano, a volte usando uno strumento più pesante. Gli strumenti browser addebitano inoltre il costo del ragionamento del modello a ogni passaggio Le soluzioni sono poco entusiasmanti ma efficaci. Mappa un sito prima di eseguire il crawling e analizza solo le pagine che sono cambiate. Chiedi JSON solo quando userai davvero quei campi. Inserisci un budget di richieste nell'attività («al massimo 50 pagine») e imposta il limite di spesa mensile offerto dalla maggior parte di questi strumenti. E dai la precedenza alla ricerca: una ricerca che restituisce il testo delle pagine spesso sostituisce dieci fetch. La nostra analisi dei [costi di esecuzione degli agenti AI](/it/blog/ai-agent-running-costs) copre il lato relativo al modello della stessa fattura. ## Siti bloccati: cosa significa davvero «gestione anti-bot» I siti bloccano gli agenti a più livelli. Alcuni controllano lo user agent e rifiutano tutto ciò che non è un browser riconosciuto. Alcuni mostrano i contenuti solo dopo l'esecuzione di JavaScript. Altri limitano il numero di richieste per IP, mostrano CAPTCHA o richiedono un login. Gli strumenti descritti sopra rispondono a ciascun livello con una tecnica più avanzata: rendering nel browser, proxy residenziali, «stealth» dell'impronta digitale e risoluzione dei CAPTCHA. Prima di pagare per le soluzioni più avanzate, ci sono due cose da sapere. **I siti stanno reagendo con maggiore fermezza.** Da luglio 2025, Cloudflare chiede a ogni nuovo dominio di decidere se consentire l'accesso ai crawler AI al momento dell'iscrizione e sta sperimentando un modo per consentire ai proprietari di [far pagare i crawler per ogni pagina](https://blog.cloudflare.com/introducing-pay-per-crawl/). Il suo [AI Labyrinth](https://blog.cloudflare.com/ai-labyrinth/) opzionale va oltre: ai bot che ignorano le regole di no-crawl vengono mostrate infinite pagine-esca generate dall'AI. Un agente intrappolato in questo labirinto consuma crediti raccogliendo spazzatura, senza che l'output segnali l'accaduto. Controlla a campione ciò che ricevi. **Superare un blocco è una scelta con conseguenze.** Un CAPTCHA o una schermata di login sono il modo in cui il proprietario del sito dice di no. Aggirarlo può essere innocuo (per esempio un sito che blocca tutti i bot ma pubblica prezzi accessibili che hai il permesso di confrontare) oppure può essere esattamente ciò per cui potresti essere citato in giudizio, come mostra la sezione successiva. Lo sblocco più potente è lo strumento giusto molto meno spesso di quanto suggerisca il marketing. ## Il web scraping con agenti AI è legale? Queste non sono indicazioni legali e la risposta dipende dal Paese, dal sito e dai dati. Tuttavia, le linee principali sono oggi più chiare rispetto a cinque anni fa. ### robots.txt è una richiesta, non un lucchetto [RFC 9309](https://www.rfc-editor.org/rfc/rfc9309.html), lo standard alla base di robots.txt, afferma chiaramente che le sue regole non costituiscono una forma di autorizzazione all'accesso. Ignorarle non significa commettere hacking. È però una prova dell'intenzione se la controversia dovesse arrivare in tribunale, e i crawler affidabili le rispettano. La regola semplice è questa: segui robots.txt, a meno che tu non abbia un motivo specifico per non farlo, e mettilo per iscritto. ### I dati pubblici non sono «hacking», ma i termini di servizio sono un contratto La lunga causa hiQ Labs contro LinkedIn si è divisa in due. Per quanto riguarda la legge statunitense contro l'hacking, nel suo giudizio dell'aprile 2022 la Corte d'appello del Ninth Circuit ha stabilito che lo scraping di [pagine pubblicamente accessibili probabilmente non costituisce accesso «senza autorizzazione»](https://www.jenner.com/en/news-insights/publications/client-alert-data-scraping-in-hiq-v-linkedin-the-ninth-circuit-reaffirms-narrow-interpretation-of-cfaa). Sul piano contrattuale, hiQ ha comunque perso, perché aveva accettato i termini di LinkedIn e utilizzato account falsi; il caso si è concluso con una sentenza a suo sfavore. Abbiamo trattato quell'esito e spiegato perché non dovresti mai consentire a un agente di fare scraping su LinkedIn nella nostra guida alla [creazione di liste di prospect con agenti AI](/it/blog/build-prospect-lists-with-ai-agents). Il rovescio della medaglia è arrivato a gennaio 2024, quando un tribunale ha stabilito, nel caso Meta contro Bright Data, che i termini di Facebook e Instagram [non vietano lo scraping di dati pubblici da parte di utenti non autenticati](https://newmedialaw.proskauer.com/2024/01/24/california-court-issues-noteworthy-decision-on-breach-of-contract-claims-in-web-scraping-dispute/). La regola pratica che emerge da entrambe le cause è questa: **fare scraping di pagine pubbliche senza aver effettuato l'accesso è molto più sicuro che farlo dopo il login.** Nel momento in cui l'agente accede, accetta i termini del sito. ### Aggiramento delle protezioni e copyright Leggere dei fatti è diverso dal copiare una forma espressiva. Il copyright statunitense protegge il modo in cui qualcosa è scritto, non i [fatti sottostanti](https://www.law.cornell.edu/supremecourt/text/499/340); raccogliere prezzi, orari di apertura o specifiche di prodotto è quindi diverso dal ripubblicare gli articoli di qualcun altro. Aggirare le protezioni tecniche comporta un rischio distinto: a ottobre 2025 Reddit ha [citato in giudizio Perplexity e tre fornitori di servizi di scraping](https://searchengineland.com/reddit-sues-perplexity-serpapi-scraping-google-463681), sostenendo che la rotazione degli IP e il camuffamento dei bot per superare i blocchi violassero le norme anti-elusione del DMCA. Il caso è ancora aperto, ma la teoria giuridica punta esattamente alla «gestione anti-bot». ### I dati personali cambiano tutto Se ciò che raccogli consente di identificare delle persone, si applicano le leggi sulla privacy, per quanto pubblica possa essere la pagina. Nel 2024 l'autorità olandese per la protezione dei dati ha multato Clearview AI per [30,5 milioni di euro](https://www.autoriteitpersoonsgegevens.nl/en/current/dutch-dpa-imposes-a-fine-on-clearview-because-of-illegal-data-collection-for-facial-recognition) per aver creato un database di foto raccolte online senza consenso. I dati sulle aziende comportano un rischio minore; gli elenchi di persone richiedono una base giuridica, uno scopo e un piano per gestire le richieste di cancellazione. Una policy di cinque righe copre la maggior parte delle attività di scraping delle piccole imprese: 1. Solo pagine pubbliche, senza effettuare il login, a meno che tu non abbia un tuo account e i termini lo consentano 2. Rispetta robots.txt e mantieni un ritmo corretto: poche richieste al minuto per sito 3. Raccogli fatti, non interi articoli o immagini da ripubblicare 4. Nessun dato personale senza una base giuridica chiara 5. Se un sito ti blocca, verifica se dispone di un'API o di un feed di dati prima di ricorrere a uno strumento di sblocco ## Quale strumento di web scraping dovrebbe usare il tuo agente? Parti dall'attività, non dal brand: - **Rispondere a domande sul web:** Exa o Tavily. Entrambi hanno piani gratuiti sufficienti per centinaia di ricerche al mese - **Leggere pagine specifiche che già conosci:** Jina Reader per una pagina alla volta, Firecrawl quando vuoi una struttura o interi siti - **Una piattaforma popolare con uno scraper pronto all'uso:** Apify, dopo aver verificato i termini della piattaforma - **Gratuito e completamente sotto il tuo controllo:** Crawl4AI, se hai qualcuno che possa gestirlo - **Login, moduli e clic:** Browserbase se scrivi codice, Browser Use se vuoi che sia l'agente a pianificare i passaggi - **Siti protetti su larga scala:** Bright Data, dopo aver svolto tutti gli accertamenti legali Tutte queste opzioni presuppongono che tu stia creando il tuo agente e integrando gli strumenti al suo interno. Se preferisci un agente che disponga già di un browser e di un modo per leggere il web, esiste un'altra possibilità. ## Come l'agente di Crevio legge il web ![Homepage di Crevio, un AI business builder in cui descrivi ciò che vuoi e l'AI lo crea e lo gestisce](https://crevio.co/vite/assets/crevio-homepage-lkh6c7o3.png) [Crevio](https://crevio.co/) è un [AI business builder](/it/blog/ai-business-builder): un agente AI che gestisce le attività quotidiane della tua azienda, dal sito web e dai prodotti al marketing e alla ricerca. Per leggere il web, include tre funzioni integrate: - **Ricerca web con citazione delle fonti.** L'agente cerca sul web e restituisce una risposta con i link di provenienza, che può poi aprire e leggere per intero - **Un page reader.** Legge qualsiasi URL pubblico come testo, inclusi i feed JSON, e converte PDF, documenti Word e fogli di calcolo in testo leggibile. Si identifica come agente di Crevio invece di fingere di essere il browser di una persona - **Il suo computer con un browser reale.** Per le pagine che richiedono JavaScript, clic, moduli o un login, l'agente usa Chrome sul proprio computer. Puoi guardare lo schermo in tempo reale e conserva gli accessi tra una chat e l'altra. Può elaborare in ciclo un elenco di pagine e salvare ciò che trova in un foglio di calcolo Queste funzioni coprono l'angolo ombreggiato della matrice, oltre alla navigazione con login di cui la maggior parte delle piccole imprese ha bisogno per i propri portali fornitori e dashboard. Un'[attività pianificata](/it/blog/schedule-recurring-ai-agent-tasks) può eseguire lo stesso controllo ogni mattina, per esempio sulla pagina dei prezzi di un concorrente o sui livelli di scorte di un fornitore. Ecco i limiti, senza nasconderli: - **Nessuna rete di proxy né risoluzione dei CAPTCHA.** Quando un sito mostra un CAPTCHA o chiede un codice inviato al telefono, l'agente ti passa lo schermo live per completare il passaggio. Le password salvate vengono inserite senza comparire nella chat - **Il page reader non esegue JavaScript.** Le pagine che si costruiscono nel browser possono risultare vuote; in questi casi serve il browser, che è più lento e usa più crediti - **Non è un crawler per grandi volumi.** Qualche centinaio di pagine è un'attività ragionevole. Decine di migliaia di pagine al giorno sono il caso d'uso degli strumenti dedicati descritti sopra - **Non controlla robots.txt o i termini di un sito al posto tuo.** Inserisci la policy di cinque righe qui sopra nelle istruzioni dell'attività - **La ricerca usa crediti AI.** I 20 crediti mensili del piano Starter gratuito servono per provarlo; il monitoraggio regolare richiede un piano a pagamento Se un servizio di scraping che già paghi è presente nel catalogo di oltre 3.000 integrazioni di Crevio, puoi collegarlo; per impostazione predefinita, l'agente chiede conferma prima di modificare qualsiasi elemento nell'app collegata. ## Domande frequenti ### Qual è il miglior strumento di web scraping per gli agenti AI? Non esiste un unico strumento migliore, perché svolgono attività diverse. Per le domande di ricerca, un'API di ricerca come Exa o Tavily. Per leggere pagine note come testo pulito, Firecrawl o Jina Reader. Per login e clic, uno strumento browser come Browserbase o Browser Use. Per i siti molto protetti, Bright Data. Alla maggior parte delle piccole imprese bastano una ricerca e un page reader. ### Gli agenti AI possono fare scraping di siti che bloccano i bot? Spesso sì. Gli strumenti con proxy residenziali, browser stealth e risoluzione dei CAPTCHA superano la maggior parte dei blocchi. Ma il fatto che tu possa farlo non significa che tu debba farlo: un blocco è il modo in cui il proprietario del sito dice di no e l'aggiramento delle protezioni tecniche è alla base di cause ancora in corso. Controlla prima se esiste un'API ufficiale o un feed di dati. ### È legale fare scraping di un sito web con l'AI? Negli Stati Uniti, fare scraping di pagine pubbliche senza aver effettuato il login comporta generalmente un rischio minore, alla luce delle sentenze nei casi hiQ e Meta contro Bright Data. Il rischio aumenta se accedi e accetti termini che vietano lo scraping, aggiri blocchi tecnici, ripubblichi contenuti protetti da copyright o raccogli dati personali, soggetti alle leggi sulla privacy come il GDPR anche quando sono pubblici. ### Quanto costa il web scraping con agenti AI? Per un uso leggero spesso è gratis: la maggior parte degli strumenti qui presentati include crediti mensili gratuiti. I piani a pagamento partono da circa 16-30 $ al mese. Il costo reale dipende da ambito, formato e frequenza. Con Firecrawl, una pagina costa un credito, mentre il crawling quotidiano di un sito di 2.000 pagine con output strutturato può arrivare a 300.000 crediti al mese. ## In sintesi Lo strumento di web scraping con agenti AI giusto è quello più leggero che riesce a portare a termine il lavoro. Cerca prima di leggere, leggi prima di eseguire il crawling ed esegui il crawling prima di ricorrere a un browser. Quando un sito ti costringe a usare proxy stealth e risoluzione dei CAPTCHA, fermati e chiediti se non stia cercando di dirti qualcosa. Il miglior scraper è quello che non devi mai giustificare. ## Articoli correlati - [Come creare liste di prospect con agenti AI (senza bruciare il tuo dominio)](/it/blog/build-prospect-lists-with-ai-agents) - [Costi di esecuzione degli agenti AI: quanto costa davvero un agente al mese](/it/blog/ai-agent-running-costs) - [Come pianificare attività ricorrenti per agenti AI che funzionano senza di te](/it/blog/schedule-recurring-ai-agent-tasks)