8月5日、Runtime Wireが「Firecrawl ships open-source anydoc for faster AI document ingestion」と題した記事を公開した。FirecrawlがRust製のオープンソース文書パーサー「anydoc」を公開し、PDF・Word等のファイルをMarkdownに変換してAIへの取り込みを高速化する仕組みについて詳しく紹介されている。

Firecrawlが「anydoc」を公開——Rust製でPDFをMarkdownに変換

Firecrawlは8月4日、オープンソースのRust製ドキュメントパーサー「anydoc」をXへの投稿で発表した。PDF、Wordドキュメント、スライドデッキを含む12種類以上のフォーマットをMarkdownに変換し、RAG（検索拡張生成）やエージェントシステムへのデータ投入を高速化することを目的としている。ソースコードはGitHubリポジトリ（mendableai/anydoc）で公開されている。

Firecrawlはもともと、Webスクレイピング・クローリング用のAPIとして知られてきた。創業者のCaleb Peffer、Eric Ciarla、Nicolas Silberstein Camaraの3人は、以前に開発ドキュメント向けAIチャット製品「Mendable」を手がけており、そこで「クリーンな構造化データの取得に毎回スクレイパー・プロキシ・後処理を自前で組む必要がある」という共通の課題に直面した。Firecrawlはその課題を解決するデータレイヤーとして生まれたプロダクトだ。anydocはその範囲をWebサイトからファイルへと拡張するものである。

「5ミリ秒以下」の主張と、その読み方

Firecrawlは解析レイテンシが5ミリ秒以下と主張している。ただしベンチマーク手法は公開されておらず、独立した検証を経た数値ではなく自社申告の値である点は留意が必要だ。

ドキュメントの解析には、一様な処理パスがあるわけではない。テキストが直接埋め込まれたOfficeファイルやPDFであれば高速に抽出できるが、スキャン文書や手書き、複雑なレイアウトにはOCR（光学文字認識）と配置解析が必要となり、処理コストは大きく異なる。

Firecrawlが以前公開していたFire-PDFのドキュメントでは、PDFページを個別に分類し「直接抽出」か「レイアウト対応の重い処理」かを選択するシステムが説明されており、PDFパイプライン全体の平均処理時間は1ページあたり400ミリ秒以下と報告されていた。また/parseエンドポイントのドキュメントには「画像のみのPDFはOCR処理を経るため、結果はスキャン品質に依存する」との注意書きもある。

5ミリ秒という数値は、全フォーマット・全OCRワークロードを含むエンドツーエンドの値としては読まないほうがよい。RAGやドキュメント検索のパイプラインを構築するエンジニアにとって重要なのは、「速さ」だけでなく、財務テーブルや複数カラムのスライドを正しく再現できるかどうかだ。変換が速くても構造が壊れていれば、問題が検索や生成の段階に先送りされるだけである。

既存の/parseエンドポイントとの関係

anydocの公開は新機能の追加だけでなく、既存APIの内部実装を可視化する意味合いもある。Firecrawlは4月28日に**/parseエンドポイントをリリース済みで、ローカルや非公開のドキュメントをアップロードしてMarkdown・構造化JSON・サマリーを返すAPIとして提供している。対応フォーマットはPDF、DOCX、DOC、ODT、RTF、XLSX、XLS、HTMLで、ファイルサイズ上限は50MB**。読み取り順序やテーブルの保持にも対応している。

anydocはこの/parseの下で動くRustエンジンに独立した名前を与え、スライドデッキのサポートを追加し、パーサー層をオープンソースとして配布するものだ。開発者はanydocをスタンドアロンで使うことも、/parse経由のホスト版を使うこともできる。

競合との位置づけ

文書パーサー市場にはすでに競合が存在する。IBM Researchが立ち上げたDoclingはPDF、DOCX、PPTX、XLSX、HTML、画像など多様なフォーマットに対応し、MarkdownやJSONへのエクスポートが可能なオープンソースプロジェクトだ。他にも特化型のドキュメントAPIや、OCR・変換コンポーネントを自前で組み合わせる選択肢がある。

Firecrawlの強みは、より広いデータプラットフォームとしての統合にある。Web検索・スクレイピング・クローリング・ページ操作・ファイル解析を同一アカウント・同一API面で扱える点は、個別ツールを組み合わせる場合との差別化要因になりうる。

財務面では、Firecrawlは2025年8月にNexus Venture Partners主導のシリーズA 1,450万ドルを調達しており、Y Combinator、Zapier、Tobias Lutke（Shopify CEO）らが参加。累計調達額は1,620万ドルとされている（バリュエーションは非公開）。

オープンソースでパーサーを配布し、ホスト版APIへの流入を作るという構造は、開発者の採用ハードルを下げながら課金ワークロードを取り込む典型的な戦略だ。anydocがDoclingやその他の代替手段と実際にどう差がつくかは、独立したベンチマークが出てくるまで判断を保留するのが妥当だろう。

詳細はFirecrawl ships open-source anydoc for faster AI document ingestionを参照していただきたい。