Web fetch tool
获取并读取特定 URL 的内容，以实时网络内容增强 Claude 的上下文。
Web fetch tool 允许 Claude 从指定网页和 PDF 文档检索完整内容。
最新版本的 web fetch tool（web_fetch_20260209）支持 Claude Mythos Preview、Claude Opus 4.7、Claude Opus 4.6 和 Claude Sonnet 4.6 的动态过滤。Claude 可以编写和执行代码，在获取的内容到达上下文窗口之前进行过滤，只保留相关信息并丢弃其余内容。这在保持响应质量的同时减少 token 消耗。之前的工具版本（web_fetch_20250910）仍然可用，但不支持动态过滤。
Note
对于 Claude Mythos Preview，web fetch 在 Claude API 和 Microsoft Foundry 上可用。目前在 Amazon Bedrock 或 Vertex AI 上对 Mythos Preview 不可用。
Note
使用反馈表提供关于模型响应质量、API 本身或文档质量的反馈。
零数据留存资格和 allowed_callers 变通方案，请参见服务器工具。
Warning
在 Claude 处理不受信任的输入与敏感数据的环境中启用 web fetch tool 会带来数据泄露风险。仅在可信环境或处理非敏感数据时使用此工具。
为了最小化泄露风险，Claude 不允许动态构造 URL。Claude 只能获取用户明确提供的 URL 或来自先前 web search 或 web fetch 结果的 URL。但是，使用此工具时仍存在应仔细考虑的残余风险。
如果担心数据泄露，请考虑：
- 完全禁用 web fetch tool
- 使用
max_uses参数限制请求数量 - 使用
allowed_domains参数限制到已知安全域名
模型支持参见工具参考。
Web fetch 的工作原理
当你将 web fetch tool 添加到 API 请求时：
- Claude 根据提示和可用 URL 决定何时获取内容。
- API 从指定 URL 检索完整文本内容。
- 对于 PDF，自动执行文本提取。
- Claude 分析获取的内容并提供带可选引用的响应。
Note
Web fetch tool 目前不支持使用 JavaScript 动态渲染的网站。
动态过滤
获取完整网页和 PDF 会快速消耗 token，特别是当只需要从大型文档中获取特定信息时。使用 web_fetch_20260209 工具版本，Claude 可以编写和执行代码，在将获取的内容加载到上下文之前进行过滤。
此动态过滤特别适用于：
- 从长文档中提取特定部分
- 处理网页中的结构化数据
- 从 PDF 中过滤相关信息
- 处理大型文档时减少 token 成本
Note
动态过滤需要启用 code execution tool。Web fetch tool（带和不带动态过滤）在 Claude API、AWS 上的 Claude Platform 和 Microsoft Foundry 上可用。目前在 Amazon Bedrock 或 Vertex AI 上不可用。
要启用动态过滤，请使用 web_fetch_20260209 工具版本：
curl https://api.anthropic.com/v1/messages \
--header "x-api-key: $ANTHROPIC_API_KEY" \
--header "anthropic-version: 2023-06-01" \
--header "content-type: application/json" \
--data '{
"model": "claude-opus-4-7",
"max_tokens": 4096,
"messages": [
{
"role": "user",
"content": "Fetch the content at https://example.com/research-paper and extract the key findings."
}
],
"tools": [{
"type": "web_fetch_20260209",
"name": "web_fetch"
}]
}'
ant messages create <<'YAML'
model: claude-opus-4-7
max_tokens: 4096
messages:
- role: user
content: >-
Fetch the content at https://example.com/research-paper
and extract the key findings.
tools:
- type: web_fetch_20260209
name: web_fetch
YAML
import anthropic
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-opus-4-7",
max_tokens=4096,
messages=[
{
"role": "user",
"content": "Fetch the content at https://example.com/research-paper and extract the key findings.",
}
],
tools=[{"type": "web_fetch_20260209", "name": "web_fetch"}],
)
print(response)
import { Anthropic } from "@anthropic-ai/sdk";
const anthropic = new Anthropic();
async function main() {
const response = await anthropic.messages.create({
model: "claude-opus-4-7",
max_tokens: 4096,
messages: [
{
role: "user",
content:
"Fetch the content at https://example.com/research-paper and extract the key findings."
}
],
tools: [{ type: "web_fetch_20260209", name: "web_fetch" }]
});
console.log(response);
}
main().catch(console.error);
using Anthropic;
using Anthropic.Models.Messages;
AnthropicClient client = new();
var parameters = new MessageCreateParams
{
Model = Model.ClaudeOpus4_7,
MaxTokens = 4096,
Messages = [new() { Role = Role.User, Content = "Fetch the content at https://example.com/research-paper and extract the key findings." }],
Tools = [new ToolUnion(new WebFetchTool20260209())]
};
var message = await client.Messages.Create(parameters);
Console.WriteLine(message);
package main
import (
"context"
"fmt"
"log"
"github.com/anthropics/anthropic-sdk-go"
)
func main() {
client := anthropic.NewClient()
response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
Model: anthropic.ModelClaudeOpus4_7,
MaxTokens: 4096,
Messages: []anthropic.MessageParam{
anthropic.NewUserMessage(anthropic.NewTextBlock("Fetch the content at https://example.com/research-paper and extract the key findings.")),
},
Tools: []anthropic.ToolUnionParam{
{OfWebFetchTool20260209: &anthropic.WebFetchTool20260209Param{}},
},
})
if err != nil {
log.Fatal(err)
}
fmt.Println(response)
}
import com.anthropic.client.AnthropicClient;
import com.anthropic.client.okhttp.AnthropicOkHttpClient;
import com.anthropic.models.messages.Message;
import com.anthropic.models.messages.MessageCreateParams;
import com.anthropic.models.messages.Model;
import com.anthropic.models.messages.WebFetchTool20260209;
void main() {
AnthropicClient client = AnthropicOkHttpClient.fromEnv();
MessageCreateParams params = MessageCreateParams.builder()
.model(Model.CLAUDE_OPUS_4_7)
.maxTokens(4096L)
.addUserMessage("Fetch the content at https://example.com/research-paper and extract the key findings.")
.addTool(WebFetchTool20260209.builder().build())
.build();
Message response = client.messages().create(params);
IO.println(response);
}
<?php
use Anthropic\Client;
$client = new Client(apiKey: getenv("ANTHROPIC_API_KEY"));
$message = $client->messages->create(
maxTokens: 4096,
messages: [
['role' => 'user', 'content' => 'Fetch the content at https://example.com/research-paper and extract the key findings.']
],
model: 'claude-opus-4-7',
tools: [[
'type' => 'web_fetch_20260209',
'name' => 'web_fetch',
]],
);
echo $message;
require "anthropic"
client = Anthropic::Client.new
message = client.messages.create(
model: "claude-opus-4-7",
max_tokens: 4096,
messages: [
{ role: "user", content: "Fetch the content at https://example.com/research-paper and extract the key findings." }
],
tools: [{
type: "web_fetch_20260209",
name: "web_fetch"
}]
)
puts message
如何使用 web fetch
在 API 请求中提供 web fetch tool：
curl https://api.anthropic.com/v1/messages \
--header "x-api-key: $ANTHROPIC_API_KEY" \
--header "anthropic-version: 2023-06-01" \
--header "content-type: application/json" \
--data '{
"model": "claude-opus-4-7",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Please analyze the content at https://example.com/article"
}
],
"tools": [{
"type": "web_fetch_20250910",
"name": "web_fetch",
"max_uses": 5
}]
}'
ant messages create \
--model claude-opus-4-7 \
--max-tokens 1024 \
--message '{role: user, content: "Please analyze the content at https://example.com/article"}' \
--tool '{type: web_fetch_20250910, name: web_fetch, max_uses: 5}'
import anthropic
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-opus-4-7",
max_tokens=1024,
messages=[
{
"role": "user",
"content": "Please analyze the content at https://example.com/article",
}
],
tools=[{"type": "web_fetch_20250910", "name": "web_fetch", "max_uses": 5}],
)
print(response)
import Anthropic from "@anthropic-ai/sdk";
const client = new Anthropic();
async function main() {
const response = await client.messages.create({
model: "claude-opus-4-7",
max_tokens: 1024,
messages: [
{
role: "user",
content: "Please analyze the content at https://example.com/article"
}
],
tools: [
{
type: "web_fetch_20250910",
name: "web_fetch",
max_uses: 5
}
]
});
console.log(response);
}
main().catch(console.error);
using Anthropic;
using Anthropic.Models.Messages;
AnthropicClient client = new();
var parameters = new MessageCreateParams
{
Model = Model.ClaudeOpus4_7,
MaxTokens = 1024,
Messages = [new() { Role = Role.User, Content = "Please analyze the content at https://example.com/article" }],
Tools = [new ToolUnion(new WebFetchTool20250910() { MaxUses = 5 })]
};
var message = await client.Messages.Create(parameters);
Console.WriteLine(message);
package main
import (
"context"
"fmt"
"log"
"github.com/anthropics/anthropic-sdk-go"
)
func main() {
client := anthropic.NewClient()
response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
Model: anthropic.ModelClaudeOpus4_7,
MaxTokens: 1024,
Messages: []anthropic.MessageParam{
anthropic.NewUserMessage(anthropic.NewTextBlock("Please analyze the content at https://example.com/article")),
},
Tools: []anthropic.ToolUnionParam{
{OfWebFetchTool20250910: &anthropic.WebFetchTool20250910Param{
MaxUses: anthropic.Int(5),
}},
},
})
if err != nil {
log.Fatal(err)
}
fmt.Println(response)
}
import com.anthropic.client.AnthropicClient;
import com.anthropic.client.okhttp.AnthropicOkHttpClient;
import com.anthropic.models.messages.Message;
import com.anthropic.models.messages.MessageCreateParams;
import com.anthropic.models.messages.Model;
import com.anthropic.models.messages.WebFetchTool20250910;
void main() {
AnthropicClient client = AnthropicOkHttpClient.fromEnv();
MessageCreateParams params = MessageCreateParams.builder()
.model(Model.CLAUDE_OPUS_4_7)
.maxTokens(1024L)
.addUserMessage("Please analyze the content at https://example.com/article")
.addTool(WebFetchTool20250910.builder()
.maxUses(5L)
.build())
.build();
Message response = client.messages().create(params);
IO.println(response);
}
<?php
use Anthropic\Client;
$client = new Client(apiKey: getenv("ANTHROPIC_API_KEY"));
$message = $client->messages->create(
maxTokens: 1024,
messages: [
['role' => 'user', 'content' => 'Please analyze the content at https://example.com/article']
],
model: 'claude-opus-4-7',
tools: [[
'type' => 'web_fetch_20250910',
'name' => 'web_fetch',
'max_uses' => 5,
]],
);
echo $message;
require "anthropic"
client = Anthropic::Client.new
message = client.messages.create(
model: "claude-opus-4-7",
max_tokens: 1024,
messages: [
{ role: "user", content: "Please analyze the content at https://example.com/article" }
],
tools: [{
type: "web_fetch_20250910",
name: "web_fetch",
max_uses: 5
}]
)
puts message
工具定义
Web fetch tool 支持以下参数：
{
"type": "web_fetch_20250910",
"name": "web_fetch",
// 可选：限制每个请求的获取次数
"max_uses": 10,
// 可选：仅从这些域名获取
"allowed_domains": ["example.com", "docs.example.com"],
// 可选：永不从这些域名获取
"blocked_domains": ["private.example.com"],
// 可选：为获取的内容启用引用
"citations": {
"enabled": true
},
// 可选：最大内容长度（以 token 为单位）
"max_content_tokens": 100000
}
最大使用次数
max_uses 参数限制执行的 web fetch 次数。如果 Claude 尝试超过允许的获取次数，web_fetch_tool_result 是一个错误，错误码为 max_uses_exceeded。目前没有默认限制。
域名过滤
有关使用 allowed_domains 和 blocked_domains 进行域名过滤，请参见服务器工具。
内容限制
max_content_tokens 参数限制上下文中包含的内容量。如果获取的内容超出此限制，工具会截断它。这有助于在获取大型文档时控制 token 使用量。
Note
max_content_tokens 参数限制是近似的。实际使用的输入 token 数量可能略有不同。
引用
与 web search 始终启用引用不同，web fetch 的引用是可选的。设置 "citations": {"enabled": true} 以让 Claude 引用获取文档中的特定段落。
Note
直接向最终用户显示 API 输出时，必须包含对原始来源的引用。如果你在显示给最终用户之前对 API 输出进行修改，包括重新处理和/或与你自己的材料结合，请根据与法律团队的咨询适当显示引用。
响应
以下是示例响应结构：
{
"role": "assistant",
"content": [
// 1. Claude 决定获取
{
"type": "text",
"text": "I'll fetch the content from the article to analyze it."
},
// 2. 获取请求
{
"type": "server_tool_use",
"id": "srvtoolu_01234567890abcdef",
"name": "web_fetch",
"input": {
"url": "https://example.com/article"
}
},
// 3. 获取结果
{
"type": "web_fetch_tool_result",
"tool_use_id": "srvtoolu_01234567890abcdef",
"content": {
"type": "web_fetch_result",
"url": "https://example.com/article",
"content": {
"type": "document",
"source": {
"type": "text",
"media_type": "text/plain",
"data": "Full text content of the article..."
},
"title": "Article Title",
"citations": { "enabled": true }
},
"retrieved_at": "2025-08-25T10:30:00Z"
}
},
// 4. Claude 带引用的分析（如果启用）
{
"text": "Based on the article, ",
"type": "text"
},
{
"text": "the main argument presented is that artificial intelligence will transform healthcare",
"type": "text",
"citations": [
{
"type": "char_location",
"document_index": 0,
"document_title": "Article Title",
"start_char_index": 1234,
"end_char_index": 1456,
"cited_text": "Artificial intelligence is poised to revolutionize healthcare delivery..."
}
]
}
],
"id": "msg_a930390d3a",
"usage": {
"input_tokens": 25039,
"output_tokens": 931,
"server_tool_use": {
"web_fetch_requests": 1
}
},
"stop_reason": "end_turn"
}
获取结果
获取结果包括：
url：获取的 URLcontent：包含获取内容的文档块retrieved_at：内容检索的时间戳
Note
Web fetch tool 缓存结果以提高性能并减少冗余请求。返回的内容可能不总是反映 URL 处的最新版本。缓存行为是自动管理的，可能会随时间变化以优化不同的内容类型和使用模式。
对于 PDF 文档，内容以 base64 编码数据返回：
{
"type": "web_fetch_tool_result",
"tool_use_id": "srvtoolu_02",
"content": {
"type": "web_fetch_result",
"url": "https://example.com/paper.pdf",
"content": {
"type": "document",
"source": {
"type": "base64",
"media_type": "application/pdf",
"data": "JVBERi0xLjQKJcOkw7zDtsOfCjIgMCBvYmo..."
},
"citations": { "enabled": true }
},
"retrieved_at": "2025-08-25T10:30:02Z"
}
}
错误
当 web fetch tool 遇到错误时，Claude API 返回 200（成功）响应，错误在响应体中表示：
{
"type": "web_fetch_tool_result",
"tool_use_id": "srvtoolu_a93jad",
"content": {
"type": "web_fetch_tool_error",
"error_code": "url_not_accessible"
}
}
可能的错误码：
invalid_input：无效的 URL 格式url_too_long：URL 超出最大长度（250 个字符）url_not_allowed：URL 被域名过滤规则和模型限制阻止url_not_accessible：获取内容失败（HTTP 错误）too_many_requests：超出速率限制unsupported_content_type：不支持的内容类型（仅文本和 PDF）max_uses_exceeded：超出最大 web fetch tool 使用次数unavailable：发生内部错误
URL 验证
出于安全原因，web fetch tool 只能获取先前出现在对话上下文中的 URL。这包括：
- 用户消息中的 URL
- 客户端工具结果中的 URL
- 来自先前 web search 或 web fetch 结果的 URL
该工具无法获取 Claude 生成的任意 URL 或来自基于容器的服务器工具（Code Execution、Bash 等）的 URL。
组合搜索和获取
Web fetch 与 web search 无缝配合，实现全面的信息收集：
import anthropic
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-opus-4-7",
max_tokens=4096,
messages=[
{
"role": "user",
"content": "Find recent articles about quantum computing and analyze the most relevant one in detail",
}
],
tools=[
{"type": "web_search_20250305", "name": "web_search", "max_uses": 3},
{
"type": "web_fetch_20250910",
"name": "web_fetch",
"max_uses": 5,
"citations": {"enabled": True},
},
],
)
print(response)
在此工作流中，Claude 将：
- 使用 web search 查找相关文章
- 选择最有前途的结果
- 使用 web fetch 检索完整内容
- 提供带引用的详细分析
Prompt caching
有关跨轮次缓存工具定义，请参见工具使用与 prompt caching。
流式传输
启用流式传输后，获取事件作为流的一部分，在内容检索期间有暂停：
event: message_start
data: {"type": "message_start", "message": {"id": "msg_abc123", "type": "message"}}
event: content_block_start
data: {"type": "content_block_start", "index": 0, "content_block": {"type": "text", "text": ""}}
// Claude 决定获取
event: content_block_start
data: {"type": "content_block_start", "index": 1, "content_block": {"type": "server_tool_use", "id": "srvtoolu_xyz789", "name": "web_fetch"}}
// 获取 URL 流式传输
event: content_block_delta
data: {"type": "content_block_delta", "index": 1, "delta": {"type": "input_json_delta", "partial_json": "{\"url\":\"https://example.com/article\"}"}}
// 获取执行期间暂停
// 获取结果流式传输
event: content_block_start
data: {"type": "content_block_start", "index": 2, "content_block": {"type": "web_fetch_tool_result", "tool_use_id": "srvtoolu_xyz789", "content": {"type": "web_fetch_result", "url": "https://example.com/article", "content": {"type": "document", "source": {"type": "text", "media_type": "text/plain", "data": "Article content..."}}}}}
// Claude 继续响应...
批量请求
你可以在 Messages Batches API 中包含 web fetch tool。通过 Messages Batches API 的 web fetch tool 调用与常规 Messages API 请求中的定价相同。
使用量和定价
Web fetch 使用量没有额外费用，仅标准 token 成本：
{
"usage": {
"input_tokens": 25039,
"output_tokens": 931,
"cache_read_input_tokens": 0,
"cache_creation_input_tokens": 0,
"server_tool_use": {
"web_fetch_requests": 1
}
}
}
Web fetch tool 在 Claude API 上无额外费用。你只需为成为对话上下文一部分的获取内容支付标准 token 成本。
为了防止无意中获取会消耗过多 token 的大型内容，请使用 max_content_tokens 参数根据你的用例和预算考虑设置适当的限制。
典型内容的示例 token 使用量：
- 平均网页（10 kB）：约 2,500 个 token
- 大型文档页面（100 kB）：约 25,000 个 token
- 研究论文 PDF（500 kB）：约 125,000 个 token