# nginx

> Configuración de nginx que manda a los bots a Jazui con un proxy interno.

Página original: https://docs.jazui.com/integrations/nginx/es

nginx decide con dos `map` si la petición es de un bot y si es un archivo estático. Las de bots se reescriben a una ubicación interna que hace de proxy hacia `https://api.jazui.com/Render`; si Jazui falla, se sirve tu `index.html`.

## Antes de empezar

- nginx con soporte SSL para el proxy (el habitual).
- Tu sitio **verificado antes de activar la configuración**: con nginx, el `403` de un sitio sin verificar llega al bot.
- Tu token.

## Instalación

Este es el archivo completo. Los dos `map` van en el bloque `http` (por ejemplo en `/etc/nginx/conf.d/jazui.conf`) y el `server` sustituye o se integra en el de tu sitio:

`jazui.conf` (https://docs.jazui.com/example_config/nginx.txt):

```nginx
# Jazui para nginx: los bots reciben el HTML renderizado de la SPA; el resto de visitas, la SPA normal.
# Sustituye [JAZUI_TOKEN] por el token de render (Sitios web → Token del sitio) y adapta server_name y root.
# Si Jazui no responde, se pasa del límite o falla, se sirve la SPA (el bot nunca ve el error).

# Bots (bots.txt; las listas las rellena Sync-Integrations.ps1)
map $http_user_agent $jazui_bot {
    default 0;
    # BOTS:BEGIN
    "~*(googlebot|google-inspectiontool|storebot-google|adsbot-google|bingbot|bingpreview|msnbot|adidxbot|yandex|baiduspider|duckduckbot|slurp|applebot|seznambot|qwantbot|qwantify|petalbot|sogou|naver|exabot|yetibot|360spider|soso|gptbot|chatgpt|oai-searchbot|claudebot|claude-user|claude-searchbot|anthropic-ai|perplexity|google-cloudvertexbot|bytespider|ccbot|amazonbot|meta-externalagent|cohere-ai|mistralai-user|youbot|duckassistbot|yibot|qwenbot|tongyibot|erniebot|yiyanbot|doubaobot|tiktokspider|deepseekbot|pangubot|manus-user|kimi-agent|kimi-searchbot|kimi-user|kimibot|moonshotbot|hunyuan|chatglm-spider|agi agent|ai2bot|ai2bot-deepresearcheval|ai2bot-dolma|aihitbot|amazon-kendra|amazon-qbusiness|amazonbuyforme|amzn-searchbot|amzn-user|bedrockbot|novaact|andibot|claude-web|apifybot|apifywebsitecontentcrawler|atlassian-bot|awario|bigsur\.ai|brightbot|buddybot|cartai agentic commerce|terracotta|cledarabot|cloudflare-autorag|cloudflarebrowserrenderingcrawler|cohere-training-data-crawler|cragcrawler|crawlspace|datenbank crawler|diffbot|diffbot-user|anomura|echobot bot|echoboxbot|elevenlabsbot|elevenlabscrawler|exasearchbot|exauser|factset_spyderbot|firecrawlagent|geisthaus-pagefetcher|cloudvertexbot|gemini-deep-research|google-agent|google-firebase|google-notebooklm|googleagent-mariner|googleagent-urlcontext|googleother|googleother-image|googleother-video|notebooklm|iaskbot|iaskspider|imagesiftbot|img2dataset|isscyberriskcrawler|kagi-fetcher|keenablebot|klaviyoaibot|laiondownloader|linguee bot|linkupbot|aiwebindex|meta-externalfetcher|meta-webindexer|facebookbot|azureai-searchbot|mistralai-index|mistralai-training|mozilla-tabstack|nagetbot|netestate imprint crawler|icc-crawler|oai-adsbot|panscient|panscient\.com|shapbot|payhawk invoice fetching agent|phindbot|poggio-citations|poseidon research crawler|qualifiedbot|wpbot|querit-searchbot|queritbot|quillbot|quillbot\.com|reflectionbot|cotoyogi|sbintuitionsbot|scrybot|sidetrade indexer bot|tavilybot|agenttimes|thinkbot|timpibot|twinagent|velenpublicwebcrawler|wardbot|omgili|omgilibot|grok bot|grokappandroid|grokbot|addsearchbot|agentdatabot|aranet-searchbot|bixelbot|bravebot|channel3bot|friendlycrawler|henkbot|imagespider|kangaroo bot|kunatocrawler|laion-huggingface-processor|linerbot|mycentralaiscraperbot|terra cotta|wrtnbot|zanistabot|facebookexternalhit|facebot|twitterbot|linkedinbot|slackbot|whatsapp|telegrambot|discordbot|pinterest|redditbot|skypeuripreview|embedly|quora link preview|showyoubot|outbrain|developers\.google\.com\/\+\/web\/snippet|vkshare|tumblr|bitlybot|nuzzel|flipboard|snapchat|viber|mattermost|bitrix link preview|xing-contenttabreceiver|ahrefsbot|semrushbot|mj12bot|majestic-12|dotbot|rogerbot|screaming frog|sitebulb|serpstatbot|seokicks|siteimprove|lighthouse|google page speed|gtmetrix|pingdom|uptimerobot|uptimebot|w3c_validator|w3c-checklink|archive\.org_bot|paperlibot|dataprovider\.com|grapeshotcrawler|zoominfobot|feedly|newsblur|inoreader|integration-test)" 1;
    # BOTS:END
}

# Archivos que nunca se renderizan (extensions.txt)
map $uri $jazui_static {
    default 0;
    # EXTENSIONS:BEGIN
    "~*\.(js|mjs|css|less|map|json|xml|rss|txt|webmanifest|ico|png|jpg|jpeg|gif|webp|avif|svg|bmp|tif|tiff|psd|ai|woff|woff2|ttf|otf|eot|mp3|m4a|wav|ogg|mp4|m4v|webm|avi|mov|mpg|mpeg|wmv|flv|swf|pdf|doc|docx|xls|xlsx|ppt|pptx|csv|zip|gz|rar|7z|iso|torrent|exe|dmg|apk|wasm|dll|dat|blat)$" 1;
    # EXTENSIONS:END
}

server {
    listen 443 ssl;
    server_name misitio.com;
    root /var/www/misitio;

    location / {
        set $jazui $jazui_bot;
        # Esquema antiguo de Google para las SPA, con cualquier user-agent
        if ($args ~ "_escaped_fragment_") { set $jazui 1; }
        if ($jazui_static) { set $jazui 0; }
        if ($http_x_jazui) { set $jazui 0; }
        if ($request_method !~ ^(GET|HEAD)$) { set $jazui 0; }
        # El "?" final quita la query: la URL completa viaja en X-Jazui-Url
        if ($jazui = 1) { rewrite ^ /__jazui? last; }

        try_files $uri $uri/ /index.html;
    }

    location = /__jazui {
        internal;
        proxy_http_version 1.1;
        proxy_set_header Host api.jazui.com;
        proxy_set_header Authorization "Bearer [JAZUI_TOKEN]";
        proxy_set_header X-Jazui-Url $scheme://$host$request_uri;
        # Detrás de un CDN o balanceador usa su cabecera ($http_cf_connecting_ip, $http_x_forwarded_for…)
        proxy_set_header X-Jazui-Client-IP $remote_addr;
        # Las cookies del visitante no le hacen falta a Jazui: no se envían
        proxy_set_header Cookie "";
        proxy_ssl_server_name on;
        proxy_connect_timeout 5s;
        proxy_read_timeout 20s;
        # Errores de Jazui → la SPA. 404, 410, 3xx y 403 (bot bloqueado) llegan al bot tal cual.
        proxy_intercept_errors on;
        error_page 400 401 429 500 502 503 504 = @spa;
        proxy_pass https://api.jazui.com/Render;
    }

    location @spa {
        try_files /index.html =404;
    }
}
```

Cambia `[JAZUI_TOKEN]` por tu token, y `server_name` y `root` por los de tu sitio. Si ya tienes un bloque `location /`, añade las líneas de `set` e `if` al principio y copia las ubicaciones `/__jazui` y `@spa`. Después comprueba y recarga:

```bash
sudo nginx -t && sudo nginx -s reload
```

## Qué hace

- `$jazui_bot` vale 1 si el agente de usuario está en la lista; `$jazui_static`, si la ruta es un archivo.
- En `location /` se combinan con `_escaped_fragment_`, la cabecera `X-Jazui` y el método: si hay que renderizar, se reescribe a `/__jazui`.
- `/__jazui` es interna: envía `Authorization`, `X-Jazui-Url` (la dirección completa) y `X-Jazui-Client-IP`, con 5 s para conectar y 20 s para responder.
- Con `proxy_intercept_errors`, los códigos 400, 401, 429 y 5xx de Jazui van a `@spa`, que sirve tu `index.html`.

## Mantener al día la lista de bots

Esta configuración lleva la lista de bots escrita dentro, entre las marcas `BOTS:BEGIN` y `BOTS:END`, porque el servidor no puede descargarla solo. Cuando Jazui añade bots nuevos:

1. En el panel, ve a **Sitios web** y pulsa **Token del sitio** en cualquiera de tus sitios.
2. En **Bots en nginx, IIS y Apache**, elige la pestaña de tu servidor y copia el bloque. Verás cuántos bots tiene y la fecha de la lista.
3. Sustituye en tu configuración todo lo que hay entre `BOTS:BEGIN` y `BOTS:END` por ese bloque y recarga el servidor.

También puedes descargar la lista en texto con `GET https://api.jazui.com/v2/bots.txt` o los bloques ya hechos con `GET https://api.jazui.com/v2/bots/config`.

## <p>Pide tu portada como si fueras un bot, con el agente de usuario de pruebas integration-test:</p><pre>curl -I -A "integration-test" https://misitio.com/</pre><p>La respuesta debe llevar x-jazui: true y x-jazui-cache: MISS la primera vez y HIT después. Sin agente de bot (curl -I https://misitio.com/) debe llegar tu web de siempre, sin x-jazui. En el panel, la petición aparece en Tráfico de bots y la página en Páginas en caché.</p>

Pide tu portada como si fueras un bot, con el agente de usuario de pruebas `integration-test`:

```
curl -I -A "integration-test" https://misitio.com/
```

La respuesta debe llevar `x-jazui: true` y `x-jazui-cache: MISS` la primera vez y `HIT` después. Sin agente de bot (`curl -I https://misitio.com/`) debe llegar tu web de siempre, sin `x-jazui`. En el panel, la petición aparece en **Tráfico de bots** y la página en **Páginas en caché**.

## Si algo no funciona

- **Detrás de Cloudflare u otro CDN**, `$remote_addr` es la IP del CDN: usa `$http_cf_connecting_ip` en `X-Jazui-Client-IP` o configura `real_ip_header`.
- **`nginx -t` falla en `map`**: los `map` tienen que estar dentro de `http`, no de `server`.
- **Error de SSL con la API**: deja `proxy_ssl_server_name on` y el `Host api.jazui.com`.
- **Los bots reciben 403**: el sitio no está verificado o bloqueaste a ese bot de IA o con una regla (mira la cabecera `X-Jazui-Blocked`).