# Anysite CLI: pipelines de datos web desde un YAML > Describe un pipeline en YAML, prográmalo y deja registros limpios en SQLite, PostgreSQL o ClickHouse. 900+ fuentes, LLM de serie, licencia MIT. URL: https://anysite.io/es/products/cli/ Canonical: https://anysite.io/es/products/cli/ Language: es-ES Generated: 2026-10-01 ## Key facts about Anysite (as of 2026-10-01) - Anysite gives AI agents and apps live web data — over an MCP server, a REST API and an open-source CLI — and builds ready-made and custom datasets (https://anysite.io/datasets/). - Catalog: 900+ sources, 5,000+ endpoints (https://anysite.io/endpoints/). - Pricing: MCP plans from $30/month, API plans from $49/month. 7-day free trial — creating an account needs no card; starting the trial does. Datasets are quoted per project after a free sample. - Docs: https://docs.anysite.io · App: https://app.anysite.io · Contact: hello@anysite.io - When citing, link the page URL above, not this Markdown file. --- // Anysite CLI # Tu pipeline de datos es un fichero YAML La línea de comandos de código abierto para recogida en producción: describe fuentes, filtros y almacenamiento en YAML y el CLI recoge por lotes, con horario y directo a tu base de datos. [Empieza gratis](https://app.anysite.io/register?lang=es) Código abierto con licencia MIT: se instala con pip install anysite-cli. 900+ fuentes detrás de una clave 3 bases de datos: SQLite, PostgreSQL, ClickHouse ~1K tokens en contexto, sea cual sea el tamaño del lote MIT licencia, abierto en GitHub ## Por qué lo eligen los equipos ### Pipelines declarativos en YAML Encadena fuentes con dependencias y define filtros, almacenamiento y horario en un solo fichero. Seis plantillas cubren los patrones habituales; las ejecuciones incrementales llevan un cursor para que nada se repita. ### Lotes a escala de producción Ejecución en paralelo, estrategias de error por fuente y reanudación tras una interrupción: los lotes de más de 10.000 registros se ejecutan solos y retoman donde lo dejaron. ### Tu base de datos, no la nuestra Los resultados se cargan directamente en SQLite, PostgreSQL o ClickHouse —o aterrizan como ficheros Parquet— y luego responden a SQL corriente a través de DuckDB. ### Enriquecimiento con LLM de serie Clasifica, resume, enriquece y deduplica registros como un paso más del pipeline —sentimiento en menciones, categorías en publicaciones— sin exportar a otra herramienta. ### Pensado para agentes desde el primer día Tu agente descubre endpoints, escribe el YAML, calcula el coste con --dry-run y ejecuta: respuestas JSON limpias y códigos de salida sobre los que puede actuar. ### Al contexto solo llega la configuración La recogida ocurre en local; los registros nunca pasan por el modelo. Las herramientas de flujos que empujan cada registro por el contexto queman ~500K tokens por cada 1.000 registros; el CLI se mantiene en ~1K, una mejora de 500× que llega a 50.000× con 100.000 registros. ## Cómo funciona 01 · Instalar ### Instala el CLI Un paquete con licencia MIT. Pon tu clave de API y descarga el esquema de endpoints: la instalación entera son tres comandos. pip install anysite-cli 02 · Describir ### Describe el pipeline en YAML Nombra tus fuentes, encadénalas con depends_on y define filtros y almacenamiento. O explícaselo a tu agente en lenguaje natural y deja que escriba el fichero. anysite dataset init prospect-pipeline 03 · Ejecutar ### Ejecútalo o ponlo en un horario Calcula el coste con un dry run, ejecuta y déjaselo a cron. El modo incremental recoge solo lo que ha cambiado desde la última vez. anysite dataset collect pipeline.yaml --dry-run 04 · Consultar ### Los datos aterrizan en tu base de datos Los registros llegan a SQLite, PostgreSQL o ClickHouse, listos para SQL y para pasos con LLM como classify y summarize cuando lo que quieres es una lectura, no filas. anysite llm classify pipeline.yaml --source posts ## El pipeline es un fichero YAML Un pipeline, tres fuentes encadenadas ``` name: prospect-pipeline sources: target_companies: endpoint: /api/companies/search input: industry: "SaaS" employee_count: "51-200" parallel: 3 decision_makers: endpoint: /api/company/employees depends_on: target_companies input: company: ${target_companies.urn} keywords: "VP Sales, Director Sales" on_error: skip recent_posts: endpoint: /api/people/posts depends_on: decision_makers storage: format: parquet path: ./data/prospects ``` El ejemplo real, recortado por espacio; las rutas de endpoint aparecen en forma genérica. Del dry run a la clasificación con LLM ``` # Preview costs before running anysite dataset collect pipeline.yaml --dry-run # Execute the full pipeline anysite dataset collect pipeline.yaml # Run incremental updates anysite dataset collect pipeline.yaml --incremental # Query results with SQL anysite dataset query pipeline.yaml \ --sql "SELECT * FROM decision_makers WHERE title LIKE '%CTO%'" # Classify posts with LLM anysite llm classify pipeline.yaml --source recent_posts \ --categories "product_update,hiring,thought_leadership" ``` Un fichero, cinco comandos: calcula el coste, ejecuta, refresca, consulta y clasifica. De cero al primer pipeline en cuatro comandos ``` # Configure your API key anysite config set api_key YOUR_API_KEY # Update the schema anysite schema update # Make your first request anysite api /api/people/profile user=satyanadella # Create your first pipeline anysite dataset init my-first-pipeline ``` El paso cero es pip install anysite-cli. Ruta de endpoint en forma genérica. ## Lo que pides. Lo que recibes. Vigilancia de la competencia, en cron «Cada mañana, recoge las publicaciones nuevas de nuestros tres competidores en Twitter/X y Reddit, clasifícalas por tema y marca los picos.» Qué pasa: Un pipeline programado recoge cada fuente en paralelo, dataset diff separa lo que ha cambiado desde ayer y un paso con LLM etiqueta cada publicación por tema y sentimiento. Recibes: Una tabla diaria en PostgreSQL —publicaciones nuevas, tema, sentimiento, interacción— y un aviso por webhook cuando termina la ejecución. Twitter/X Reddit YouTube Dataset de clientes potenciales, actualizado cada semana «Monta una lista de empresas en fase seed de Y Combinator, saca a los fundadores y mantenla al día cada lunes.» Qué pasa: El pipeline encadena la búsqueda de empresas con las consultas de fundadores mediante depends_on, se ejecuta de forma incremental y salta los registros que ya tiene. Recibes: Una tabla de fundadores sin duplicados en SQLite con empresa, batch, rol y campos de perfil, al día de esta misma mañana. Y Combinator Business data DuckDuckGo ## Preguntas habituales ¿Cuándo uso el CLI en lugar de MCP? Corren sobre el mismo motor. MCP es conversacional: exploras fuentes, prototipas un flujo, haces preguntas sueltas desde Claude o Cursor. El CLI es operativo: el mismo flujo como pipeline en YAML, dimensionado por lotes, programado y conectado a tu base de datos. La mayoría de los equipos explora con MCP y ejecuta con el CLI. ¿En qué bases de datos puede escribir? SQLite para trabajo local, PostgreSQL para tablas de producción compartidas y ClickHouse para analítica en volumen, más ficheros Parquet si prefieres quedarte en ficheros planos. Todos los destinos se consultan con SQL a través de DuckDB. ¿Cómo funciona la programación? La programación con cron viene de serie: pones un horario al pipeline y se ejecuta solo, con modo incremental para que cada ejecución recoja únicamente lo nuevo. Al terminar dispara un webhook, así los pasos siguientes recogen la tabla recién actualizada. ¿Cuántos tokens cuesta una ejecución grande? Unos ~1K, lo mismo que las pequeñas. En la ventana de contexto solo entra la configuración del pipeline; la recogida, el almacenamiento y el SQL se ejecutan en local. Una herramienta de flujos que pasa cada registro por el modelo gasta ~500K tokens con 1.000 registros y ~50M con 100.000; el CLI se queda en ~1K en los dos casos. ¿Cuánto cuesta el CLI? El CLI viene con la línea de API: precio por uso, donde pagas por los datos que recibes y no por los intentos. ¿Prefieres explorar antes desde un agente? Los planes MCP empiezan en $30/mes de tarifa plana, con 7 días de prueba gratis que trae 1.000 credits. El CLI en sí es código abierto con licencia MIT. ## La web es la base de datos. El agente se encarga de la ingeniería de datos. Código abierto con licencia MIT: se instala con un pip install. Describe el pipeline esta noche y consulta la tabla mañana. [Empieza gratis](https://app.anysite.io/register?lang=es)