MCP + OpenAI Agents SDK: Cómo construir un poderoso agente de IA

Cuando se abrieron sus Hace unas semanas, los desarrolladores de todo el mundo se hicieron hip-hop —y por buena razón! Finalmente, una forma sencilla de construir agentes de IA orientados a objetivos que realmente puedan razonar y . Agents SDK Haz el trabajo hecho pero casi en la misma respiración, explotó en el escenario, convirtiéndose rápidamente en la próxima tendencia caliente en este paisaje de IA salvaje. ¿Por qué no romper estos dos powerhouses juntos?! MCP En esta guía, aprovechando el SDK de Agentes de OpenAI y conectándolo directamente a las herramientas del mundo real proporcionadas por un servidor MCP. ¡Prepárate para sobrecargar tu IA! we're going to forge a formidable AI agent Introducción a la integración de MCP + OpenAI Agents SDK OpenAI Agents SDK es uno de los conjuntos de herramientas de Python más populares para elaborar agentes inteligentes de IA, permitiéndoles razonar y actuar. Pero aquí está el kicker: sin información externa, a menudo se encuentran atrapados en una burbuja de datos de entrenamiento. Piense en MCP como el puerto USB-C universal para su IA, dándole una forma estandarizada de conectar fuente de datos externa o herramienta: archivos locales, APIs, bases de datos, los nombres. cualquier La integración de MCP con el SDK de Agentes de OpenAI significa que sus agentes obtienen un contexto dinámico en tiempo real, convirtiéndolos de bots inteligentes pero aislados en exploradores de datos y tomadores de acción! Construir un agente de IA con integración de MCP utilizando el SDK de Agentes de OpenAI Bueno, la teoría es suficiente. lo obtienes: MCP sobrecarga a los agentes de IA como si fueran En su icónica ropa de metal. Hombre de hierro En esta sección paso a paso, vamos a usar el SDK de Agentes de OpenAI -yep, el nuevo SDK de Python de OpenAI- para construir un agente de IA con integración MCP. , lo que significa que su agente puede ir de inteligente a en segundos. native MCP support Superpoderes Ahora, pequeña captura: la API de OpenAI no es gratuita. 😅 Así que en esta guía, (No te preocupes, te mostraremos cómo intercambiar en OpenAI o cualquier otro modelo también). we’ll run it using Gemini as the LLM engine instead ¿Cuál es el servidor MCP que estamos utilizando? Buena pregunta! Para comenzar rápidamente, estamos conectando —un servidor MCP construido para la automatización web y las tareas de datos. Permite a su agente de IA buscar, navegar, tomar acciones y extraer datos en tiempo real de la Web —con stealth integrado para eludir CAPTCHAs y . Servicio de datos MCP Armaduras anti-bot En concreto, a continuación se muestran todas las herramientas soportadas por el servidor MCP Bright Data ️: Tool Description search_engine Scrape SERP data (from Google, Bing, Yandex, and more) scrape_as_markdown Scrape a URL and return content in clean Markdown scrape_as_html Scrape a URL and return full HTML content session_stats View tool usage during the current session web_data_amazon_product Get Amazon product info by URL web_data_amazon_product_reviews Fetch Amazon reviews for a product web_data_linkedin_person_profile Grab LinkedIn profile data web_data_linkedin_company_profile Fetch LinkedIn company data web_data_zoominfo_company_profile Get ZoomInfo company profile web_data_instagram_profiles Fetch Instagram profile details web_data_instagram_posts Get Instagram post data web_data_instagram_reels Grab Instagram reel data web_data_instagram_comments Fetch comments from an Instagram post web_data_facebook_posts Extract Facebook post info web_data_facebook_marketplace_listings Get Facebook Marketplace listings web_data_facebook_company_reviews Scrape Facebook business reviews web_data_x_posts Fetch data from X (formerly Twitter) posts web_data_zillow_properties_listing Get Zillow property listings web_data_booking_hotel_listings Fetch hotel listings Booking.com web_data_youtube_videos Extract YouTube video metadata scraping_browser_navigate Navigate to a new URL in a virtual browser scraping_browser_go_back Go back one page in the browser scraping_browser_go_forward Go forward one page in the browser scraping_browser_click Click a page element (needs selector) scraping_browser_links Get all links and selectors on the page scraping_browser_type Type into a form or input scraping_browser_wait_for Wait for an element to appear scraping_browser_screenshot Capture a screenshot of the current page scraping_browser_get_html Get raw HTML from the page scraping_browser_get_text Extract text content from the page search_engine Grabar datos de SERP (de Google, Bing, Yandex y más) scrape_as_markdown Raspar una URL y devolver el contenido en Markdown limpio scrape_as_html Grabar una URL y devolver el contenido HTML completo session_stats Ver el uso de la herramienta durante la sesión actual web_data_amazon_product Obtener información de productos de Amazon por URL web_data_amazon_product_reviews Comentarios de Amazon para un producto web_data_linkedin_person_profile Recopilación de datos de perfil de LinkedIn web_data_linkedin_company_profile Datos de la empresa Linkedin web_data_zoominfo_company_profile Obtener el perfil de ZoomInfo web_data_instagram_profiles Detalles del perfil de Instagram web_data_instagram_posts Obtener datos de Instagram Post web_data_instagram_reels Obtener datos reales de Instagram web_data_instagram_comments Fetch comentarios de un post de Instagram web_data_facebook_posts Extracto de Facebook Post Info web_data_facebook_marketplace_listings Obtener listas de Facebook Marketplace web_data_facebook_company_reviews Scrape comentarios de negocios de Facebook web_data_x_posts Recopilación de datos de X (anteriormente Twitter) publicaciones web_data_zillow_properties_listing Obtener listas de propiedades de Zillow web_data_booking_hotel_listings Fetch Lista de hoteles por Booking.com web_data_youtube_videos Extracción de metadatos de video de YouTube scraping_browser_navigate Navegar a una nueva URL en un navegador virtual scraping_browser_go_back Volver a una página en el navegador scraping_browser_go_forward Avanzar una página en el navegador scraping_browser_click Haga clic en un elemento de página (needs selector) scraping_browser_links Obtenga todos los enlaces y selectores en la página scraping_browser_type Tipo en un formulario o entrada scraping_browser_wait_for Esperar a que aparezca un elemento scraping_browser_screenshot Capturar una captura de pantalla de la página actual scraping_browser_get_html Obtener HTML crudo de la página scraping_browser_get_text Extraer contenido de texto de la página ¿Estás listo para rodar? ¡Ve cómo conseguir que tu agente de IA hable con el servidor MCP para obtener potencia ilimitada! Paso #1: Desarrollo del proyecto Para seguir junto con esta sección de tutoria, asegúrese de tener los siguientes requisitos previos en su lugar: Python 3.10+ instalado localmente Node.js instalado localmente Una clave de API de un proveedor de LLM compatible para el SDK de Agentes de OpenAI (recomendamos Gemini para este) Saltaremos el aburrido flujo de configuración y asumiremos que ya ha creado un proyecto de Python con esta estructura: /openai-agents-mcp ├── venv/ ├── .env └── agent.py Ahora, activa tu entorno virtual ( Instalar los paquetes necesarios: venv/ pip install openai-agents python-dotenv Dónde es: openai-agents es el OpenAI Agents Python SDK, tu puerta de entrada a la magia del agente de IA python-dotenv es para leer valores de un archivo .env A continuación, abierto Tiempo para leer en esas variables ambientales y prepararse para el lanzamiento del agente: agent.py import asyncio from dotenv import load_dotenv import os from agents import ( Runner, Agent, OpenAIChatCompletionsModel, set_default_openai_client, set_tracing_disabled ) from openai import AsyncOpenAI from agents.mcp import MCPServerStdio # Load environment variables from the .env file load_dotenv() async def run(): # AI Agent logic goes here... pass if __name__ == "__main__": asyncio.run(run()) Boom! estás de pie y corriendo con los básicos. Paso #2: Comience con el servidor MCP de datos brillantes Entonces, tú ¿Quieres que tu agente de IA hable con un servidor MCP? Bueno, adivinen qué — necesitará un servidor MCP que funcione primero (sí, Informar por el deber! El Capitán Obvio Como se mencionó anteriormente, se utilizará el En este caso, primero, . Bright Data MCP Server Agarra tu clave de API e inicia el servidor de acuerdo con los documentos oficiales del servidor MCP de Bright Data Una vez que esté listo, inicie el servidor con este comando: npx -y @brightdata/mcp Si todo está configurado correctamente, debe ver una salida similar a esta: Checking for required zones... Required zone "mcp_unlocker" already exists Starting server... ¡Muy bueno! Ahora, configure las variables de entorno que el agente utilizará para conectarse al servidor MCP Bright Data. Descargar y agregar estas dos líneas: .env BRIGHT_DATA_API_TOKEN=" " BRIGHT_DATA_BROWSER_AUTH=" " Reemplaza los portadores de espacio con los valores obtenidos como se explica en los documentos del servidor MCP de Bright Data. Volver en Lea en estos dos versos así: agent.py BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN") BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH") Usaremos estos valores pronto al inicializar la conexión MCP desde el código. Y al igual que eso, tu servidor MCP está en funcionamiento, en funcionamiento y listo para servir a tu agente de IA como un sidekick leal. Paso #3: Crea tu agente de IA Como se teje en la introducción de esta sección, vamos a usar Gemini (yep, el brillante LLM de Google) con el SDK de Agentes de OpenAI. En primer lugar - En segundo lugar - ¿Puedes incluso hacer eso? ¿Por qué no usar OpenAI directamente? ¡Sí, usted puede hacer eso! 🙂 , lo que significa que puedes conectarlo directamente al SDK de OpenAI Agents como un reemplazo de drop-in. —A diferencia de OpenAI, que le gusta cargar por el token. Response Gemini exposes an OpenAI-compatible API It’s free Así que aquí está por qué tiene sentido usar Gemini en lugar de OpenAI directamente! 💡 Basta de chit-chat, vamos a arrastrar las cosas ☀. Primero, agarra tu y lo pongo en tu El archivo: La clave de API Gemini de Google AI Studio .env GEMINI_API_KEY=" " Luego, en Lea la clave así: agent.py GEMINI_API_KEY = os.getenv("GEMINI_API_KEY") Ahora, construya una función que conecte todo: el (que configuraremos en el código pronto ️): Gemini model, OpenAI SDK, and the MCP server async def create_mcp_ai_agent(mcp_server): # Initialize Gemini client using its OpenAI-compatible interface gemini_client = AsyncOpenAI( api_key=GEMINI_API_KEY, base_url="https://generativelanguage.googleapis.com/v1beta/openai/" ) # Set the default OpenAI client to Gemini set_default_openai_client(gemini_client) # Disable tracing to avoid tracing errors being logged in the terminal set_tracing_disabled(True) # Create an agent configured to use the MCP server and Gemini model agent = Agent( name="Assistant", instructions="You are a helpful assistant", model=OpenAIChatCompletionsModel( model="gemini-2.0-flash", openai_client=gemini_client, ), mcp_servers=[mcp_server] ) return agent Si desea utilizar otro modelo compatible (como Claude, Mistral u otros modelos), simplemente cambie el El nombre del modelo en consecuencia. base_url : ¿Quieres usar OpenAI en su lugar? No hay problema. y sustituye la lógica anterior por: Extra OPENAI_API_KEY async def create_mcp_ai_agent(mcp_server): # Create an agent configured to use the MCP server and Gemini model agent = Agent( name="Assistant", instructions="You are a helpful assistant", mcp_servers=[mcp_server] ) return agent Intercambio fácil, la misma interfaz: esa es la belleza del SDK. Y si te preguntas dónde está el El argumento proviene de – lo inicializaremos en el siguiente paso (alerta de spoiler). mcp_server Paso #4: Iniciar el servidor MCP Dentro de tu la función async, reemplazar el servidor MCP Bright Data utilizando como esto: run() npx async with MCPServerStdio( name="Bright Data web data MCP server, via npx", params={ "command": "npx", "args": ["-y", "@brightdata/mcp"], "env": { "API_TOKEN": BRIGHT_DATA_API_TOKEN, "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH, } }, client_session_timeout_seconds=180 # To avoid timeout errors ) as server: # Create and initialize the AI agent with the running MCP server agent = await create_mcp_ai_agent(server) # AI agent loop logic... ️ ¿Qué está sucediendo aquí? Esto inicia el servidor MCP usando , pasando sus credenciales a través de variables ambientales. npx -y @brightdata/mcp Título: No te olvides de batir Dos segundos (default es ) porque La operación realizada por el servidor MCP de Bright Data toma tiempo . No quieres que se acorte en medio de la misión. client_session_timeout_seconds 180 5 rascado en tiempo real, resolución de CAPTCHA y movimientos de ninja anti-bot ✅ dulce! Lo único que queda es arrancar la loop del agente de IA... Vamos a envolverlo. Paso #5: Define el loop de agente de IA Dentro del bloque de asíncope del servidor MCP, caiga en un loop REPL (Read-Eval-Print) para que los usuarios puedan escribir sus solicitudes, enviarlas a través del agente alimentado por MCP y recuperar la magia ✨: while True: # Read the user's request request = input("Your request -> ") # Exit condition if request.lower() == "exit": print("Exiting the agent...") break # Run the request through the agent output = await Runner.run(agent, input=request) # Print the result to the user print(f"Output -> \n{output.final_output}\n\n") Este pequeño fragmento de Python es el centro de comando de tu agente de IA. Continuamente captura tus solicitudes, las alimenta al agente, y luego salta el resultado final, glorioso.Piensa en él como la consola de no frills para tu cerebro de IA, listo para tomar órdenes hasta que le digas que "salga" . Si no, déjame que te lo explique: ¿Habéis tenido ese momento “whoa”? you just wired up a full AI agent loop using the OpenAI Agents SDK + Bright Data’s MCP server + Gemini! Ahora estás listo para ver el código completo, todo unido como un hermoso monstruo de la automatización de la IA de Frankenstein. Paso #6: Ponlo todo juntos Este es tu script de Python final para la integración OpenAI Agents SDK + MCP (alimentado por Gemini para ahorrar dinero ): import asyncio from dotenv import load_dotenv import os from agents import ( Runner, Agent, OpenAIChatCompletionsModel, set_default_openai_client, set_tracing_disabled ) from openai import AsyncOpenAI from agents.mcp import MCPServerStdio # Load environment variables from the .env file load_dotenv() # Read the required secrets envs from environment variables BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN") BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH") GEMINI_API_KEY = os.getenv("GEMINI_API_KEY") async def create_mcp_ai_agent(mcp_server): # Initialize Gemini client using its OpenAI-compatible interface gemini_client = AsyncOpenAI( api_key=GEMINI_API_KEY, base_url="https://generativelanguage.googleapis.com/v1beta/openai/" ) # Set the default OpenAI client to Gemini set_default_openai_client(gemini_client) # Disable tracing to avoid tracing errors being logged in the terminal set_tracing_disabled(True) # Create an agent configured to use the MCP server and Gemini model agent = Agent( name="Assistant", instructions="You are a helpful assistant", model=OpenAIChatCompletionsModel( model="gemini-2.0-flash", openai_client=gemini_client, ), mcp_servers=[mcp_server] ) return agent async def run(): # Start the Bright Data MCP server via npx async with MCPServerStdio( name="Bright Data web data MCP server, via npx", params={ "command": "npx", "args": ["-y", "@brightdata/mcp"], "env": { "API_TOKEN": BRIGHT_DATA_API_TOKEN, "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH, } }, client_session_timeout_seconds=180 # To avoid timeout errors ) as server: # Create and initialize the AI agent with the running MCP server agent = await create_mcp_ai_agent(server) # Main REPL loop to process user requests while True: # Read the user's request request = input("Your request -> ") # Exit condition if request.lower() == "exit": print("Exiting the agent...") break # Run the request through the agent output = await Runner.run(agent, input=request) # Print the result to the user print(f"Output -> \n{output.final_output}\n\n") if __name__ == "__main__": asyncio.run(run()) Un agente de IA que puede navegar por la web, eludir los anti-bots, agarrar datos en tiempo real y hablar de nuevo, como si no fuera una gran cosa. Gracias a la nueva y herramientas de desarrollo como OpenAI Agents SDK y Bright Data MCP, la automatización de la IA es ahora... casi demasiado fácil. Los protocolos Paso #7: Prueba el agente de IA alimentado por MCP Execute su agente AI desde el terminal con: python agent.py Para Linux y macOS: python3 agent.py Usted será recibido por un prompt amigable como: Your request -> Por ejemplo, trate de preguntar al agente qué herramientas MCP tiene: What tools are you linked to through MCP? Te devolverás algo como: Como puede ver, su agente de IA está al tanto de todas las herramientas de MCP de datos brillantes a las que puede conectarse, y está listo para usarlas! Bueno, es hora de liberar la bestia! Pongamos esas brillantes herramientas de MCP a la prueba final: Comanda a tu agente de IA para raspar algunos datos jugosos de la página de Amazon P5 : Para lograrlo, da una promptura como: From the Amazon product page "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H/", extract the main info and return it in JSON format Hazlo y el resultado será: En particular, la salida debe ser algo como: { "title": "PlayStation®5 console (slim)", "seller_name": "Amazon.com", "brand": "Sony", "description": "The PS5 console unleashes new gaming possibilities that you never anticipated. Experience lightning fast loading with an ultra-high speed SSD, deeper immersion with support for haptic feedback, adaptive triggers, and 3D Audio*, and an all-new generation of incredible PlayStation games. Lightning Speed - Harness the power of a custom CPU, GPU, and SSD with Integrated I/O that rewrite the rules of what a PlayStation console can do. Stunning Games - Marvel at incredible graphics and experience new PS5 features. Play a back catalog of supported PS4 games. Breathtaking Immersion - Discover a deeper gaming experience with support for haptic feedback, adaptive triggers, and 3D Audio technology. Vertical stand sold separately. *3D audio via built-in TV speakers or analog/USB stereo headphones. Set up and latest system software update required.", "initial_price": 499, "currency": "USD", "availability": "In Stock", "reviews_count": 6759, "categories": [ "Video Games", "PlayStation 5", "Consoles" ], "asin": "B0CL61F39H", "buybox_seller": "Amazon.com", "number_of_sellers": 1, "root_bs_rank": 18, "answered_questions": 0, "domain": "https://www.amazon.com/", "images_count": 5, "url": "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H?th=1&psc=1&language=en_US&currency=USD", "video_count": 6, "image_url": "https://m.media-amazon.com/images/I/41ECK5cY-2L._SL1000_.jpg", "item_weight": "10.6 pounds", "rating": 4.7, "product_dimensions": "14 x 17 x 7 inches; 10.6 Pounds", "seller_id": "ATVPDKIKX0DER", "date_first_available": "December 10, 2023", "model_number": "CFI-2015", "manufacturer": "Sony", "department": "Video Games", "plus_content": true, "video": true, "final_price": 499, "delivery": [ "FREE delivery Monday, May 26", "Or Prime members get FREE delivery Tomorrow, May 22. Order within 15 hrs 43 mins. Join Prime" ], "features": [ "Model Number CFI-2000", "Includes DualSense Wireless Controller, 1TB SSD, Disc Drive, 2 Horizontal Stand Feet, HDMI Cable, AC power cord, USB cable, printed materials, ASTRO’s PLAYROOM (Pre-installed game)", "Vertical Stand sold separately" ], "bought_past_month": 8000, "is_available": true, "root_bs_category": "Video Games", "bs_category": "PlayStation Consoles", "bs_rank": 15, "badge": "Amazon's Choice", "subcategory_rank": [ { "subcategory_name": "PlayStation 5 Consoles", "subcategory_rank": 1 } ], "amazon_choice": true, "product_details": [ { "type": "ASIN", "value": "B0CL61F39H" }, { "type": "Release date", "value": "December 10, 2023" }, { "type": "Customer Reviews", "value": "4.74.7 out of 5 stars6,759 ratings4.7 out of 5 stars" }, { "type": "Best Sellers Rank", "value": "#18 in Video Games (See Top 100 in Video Games)#1 in PlayStation 5 Consoles" }, { "type": "Product Dimensions", "value": "14 x 17 x 7 inches; 10.6 Pounds" }, { "type": "Type of item", "value": "Video Game" }, { "type": "Item model number", "value": "CFI-2015" }, { "type": "Item Weight", "value": "10.6 pounds" }, { "type": "Manufacturer", "value": "Sony" }, { "type": "Country of Origin", "value": "China" }, { "type": "Batteries", "value": "1 Lithium Ion batteries required. (included)" }, { "type": "Date First Available", "value": "December 10, 2023" } ], "country_of_origin": "China", "seller_url": "https://www.amazon.com/sp?ie=UTF8&seller=ATVPDKIKX0DER&asin=B0CL61F39H", "customers_say": "Customers find the PlayStation 5 console runs well and performs mind-blowingly fast, with quick loading times and smooth game performance. The graphics quality receives positive feedback, with one customer highlighting its stunning 120Hz visuals, while the console is easy to set up with an intuitive user interface. Customers consider the price worth the investment and appreciate its pristine condition. The noise level receives mixed reviews, with some customers finding it super quiet while others report it being loud.", "climate_pledge_friendly": false, "sponsered": true, "store_url": "https://www.amazon.com/stores/PlayStationPlayHasNoLimits/page/5AF5EF82-86EF-4699-B450-C232B3BD720E?lp_asin=B0CL61F39H&ref_=ast_bln&store_ref=bl_ast_dp_brandLogo_sto", "ships_from": "Amazon.com", "customers_say": { "text": "Customers find the PlayStation 5 console runs well and performs mind-blowingly fast, with quick loading times and smooth game performance. The graphics quality receives positive feedback, with one customer highlighting its stunning 120Hz visuals, while the console is easy to set up with an intuitive user interface. Customers consider the price worth the investment and appreciate its pristine condition. The noise level receives mixed reviews, with some customers finding it super quiet while others report it being loud.", "keywords": { "positive": [ "Functionality", "Gaming experience", "Value for money", "Graphics quality", "Quality", "Speed", "Ease of setup" ], "negative": null, "mixed": [ "Noise level" ] } }, "max_quantity_available": 30, "timestamp": "2025-05-21T10:46:13.487Z" } Wow! 🤯 Y no sólo cualquier sitio - Amazon es notoriamente difícil de raspar gracias a los CAPTCHAs agresivos y las defensas anti-bot. One prompt, and you just scraped all the data from an Amazon product page. ¿Cómo ha funcionado eso?Detrás de las escenas, el agente de la IA llamó a la La herramienta MCP —una de las herramientas de potencia pre-construidas expuestas por el servidor MCP Bright Data. Se encargó del trabajo sucio: resolver CAPTCHAs, eludir la detección de bot y recoger la mercancía. web_data_amazon_product ¡Y no se detiene ahí! ¿Puedes usarlo para pedir al agente de la IA un análisis adicional elaborando prompts más complejos.Después de todo, el agente de la IA puede elegir y unir libremente herramientas de su conjunto de herramientas alimentado por MCP, por lo que ️ Las posibilidades son verdaderamente infinitas Con este poderoso sistema, el (Sólo no vayas lleno de Tony Montana) ¡El mundo es tuyo! Pensamientos finales Ahora sabes cómo sobrecargar cualquier agente de IA construido con el SDK de Agentes de OpenAI, ya sea que se ejecute en GPT, Gemini o cualquier otra cosa, conectándolo a un servidor MCP. En detalle, nos metimos en el poderoso Sólo una de las . Bright Data MCP server Muchos servicios que hemos construido para soportar flujos de trabajo de IA en el mundo real a escala En Bright Data, nuestra misión es simple: hacer que la IA sea accesible para todos, en cualquier lugar. Así que hasta la próxima vez, mantente curioso, mantente audaz y continúe construyendo el futuro de la IA con creatividad.