MCP + OpenAI Agents SDK: Como construir um poderoso agente de IA

Quando abriu as suas Algumas semanas atrás, os desenvolvedores em todo o mundo foram surpreendidos – e por uma boa razão! Finalmente, uma maneira simples de construir agentes de IA orientados a objetivos que realmente possam raciocinar e Agents SDK Faça o trabalho feito Quase na mesma respiração, explodiu na cena, rapidamente se tornando a próxima tendência quente nesta paisagem de IA selvagem.Então, por que não quebrar essas duas potências juntas?! MCP Nesse guia, aproveitando o OpenAI Agents SDK e conectando-o diretamente às ferramentas do mundo real fornecidas por um servidor MCP. Prepare-se para sobrecarregar sua IA! we're going to forge a formidable AI agent Introdução rápida à integração do MCP + OpenAI Agents SDK O OpenAI Agents SDK é um dos kit de ferramentas Python mais populares para a criação de agentes inteligentes de IA, permitindo-lhes raciocinar e agir.Mas aqui está o kicker: sem informações externas, eles muitas vezes ficam presos em uma bolha de dados de treinamento. Pense em MCP como a porta USB-C universal para sua IA, dando-lhe uma maneira padronizada de se conectar. fonte de dados externa ou ferramenta – arquivos locais, APIs, bancos de dados, você nomeia-os. qualquer Integrar o MCP com o OpenAI Agents SDK significa que seus agentes obtêm contexto dinâmico em tempo real, transformando-os de bots inteligentes, mas isolados, em exploradores de dados e tomadores de ação! Construir um agente de IA com integração MCP usando o OpenAI Agents SDK Bom, teoria suficiente. você consegue – o MCP sobrecarrega os agentes de IA como se fossem em seu icônico traje de metal. Homem de Ferro Nesta seção passo a passo, vamos usar o OpenAI Agents SDK – o novo Python SDK da OpenAI – para construir um agente de IA com integração MCP. , o que significa que seu agente pode ir de inteligente para em segundos. native MCP support Superpotência Agora, pequena captura: a API da OpenAI não é gratuita. 😅 Assim, neste guia, (Não se preocupe - mostraremos como trocar em OpenAI ou qualquer outro modelo também ). we’ll run it using Gemini as the LLM engine instead Mas espere – que servidor MCP estamos usando? Grande pergunta! Para começar rapidamente, estamos conectando - um servidor MCP construído para tarefas de automação da web e dados. Permite que seu agente de IA procure, navegue, tome ações e extraia dados em tempo real da Web - com a stealth incorporada para contornar CAPTCHAs e . Serviço de Dados MCP Armadilhas anti-bot Especificamente, abaixo estão todas as ferramentas suportadas pelo 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 Scrape dados SERP (do Google, Bing, Yandex e mais) scrape_as_markdown Raspar um URL e devolver conteúdo em Markdown limpo scrape_as_html Escreva um URL e retorne o conteúdo HTML completo session_stats Ver o uso da ferramenta durante a sessão atual web_data_amazon_product Obter informações de produtos da Amazon por URL web_data_amazon_product_reviews Avaliações da Amazon para um produto web_data_linkedin_person_profile Dados do perfil do LinkedIn web_data_linkedin_company_profile Fechar dados da empresa LinkedIn web_data_zoominfo_company_profile Obter o perfil da empresa ZoomInfo web_data_instagram_profiles Detalhes do perfil do Instagram web_data_instagram_posts Obtenha dados do Instagram web_data_instagram_reels Gravar dados reais do Instagram web_data_instagram_comments Fetch comentários de uma postagem no Instagram web_data_facebook_posts Extrair informações do post do Facebook web_data_facebook_marketplace_listings Obtenha listas do Facebook Marketplace web_data_facebook_company_reviews Scrape comentários de negócios do Facebook web_data_x_posts Retirar dados de X (anteriormente Twitter) posts web_data_zillow_properties_listing Obter listas de propriedades Zillow web_data_booking_hotel_listings Fetch Lista de hotéis O Booking.com web_data_youtube_videos Extrair metadados de vídeos do YouTube scraping_browser_navigate Navegue para um novo URL em um navegador virtual scraping_browser_go_back Voltar a uma página no navegador scraping_browser_go_forward Avançar uma página no navegador scraping_browser_click Clique em um elemento de página (needs selector) scraping_browser_links Obter todos os links e seletores na página scraping_browser_type Tipar em um formulário ou entrada scraping_browser_wait_for Espere que um elemento apareça scraping_browser_screenshot Capturar uma captura de tela da página atual scraping_browser_get_html Obtenha HTML bruto da página scraping_browser_get_text Extrair conteúdo de texto da página Pronto para rolar? veja como obter seu agente de IA falando com o servidor MCP para poder ilimitado! Passo #1: Configuração do projeto Para seguir junto com esta seção de tutorial, certifique-se de que você tem os seguintes pré-requisitos no lugar: Python 3.10+ instalado localmente Node.js instalado localmente Uma chave API de um provedor de LLM suportado para o OpenAI Agents SDK (recomendamos Gemini para este) Vamos pular o aborrecido fluxo de configuração e assumir que você já criou um projeto Python com esta estrutura: /openai-agents-mcp ├── venv/ ├── .env └── agent.py Agora, ative o seu ambiente virtual ( Instale os pacotes necessários: venv/ pip install openai-agents python-dotenv Onde é: openai-agents é o OpenAI Agents Python SDK – sua porta de entrada para a magia do agente de IA python-dotenv é para ler valores de um arquivo .env Em seguida, abre É hora de ler essas variáveis ambientais e se preparar para o lançamento do 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!Você está de pé e correndo com os fundamentos. Passo #2: Comece com o Bright Data MCP Server Então, você Quer que seu agente de IA fale com um servidor MCP? Bem, adivinhe o que – você precisará de um servidor MCP em execução primeiro (sim, Avaliação do dever! Capitão óbvio Como mencionado anteriormente, usaremos o Por isso, em primeiro lugar, . Bright Data MCP Server Pegue sua chave da API e inicialize o servidor de acordo com os documentos oficiais do servidor MCP Bright Data Quando estiver pronto, inicie o servidor com este comando: npx -y @brightdata/mcp Se tudo estiver configurado corretamente, você deve ver uma saída semelhante a esta: Checking for required zones... Required zone "mcp_unlocker" already exists Starting server... Muito bom! Agora, configure as variáveis de ambiente que o agente usará para se conectar ao servidor MCP Bright Data. Faça um arquivo e adicione essas duas linhas: .env BRIGHT_DATA_API_TOKEN=" " BRIGHT_DATA_BROWSER_AUTH=" " Substitua os detentores de lugar pelos valores obtidos, conforme explicado nos documentos do servidor MCP Bright Data. Voltar em Leia em dois versos como este: agent.py BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN") BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH") Usaremos estes valores em breve ao inicializar a conexão MCP a partir do código. E assim como isso - bam 💥 - seu servidor MCP está em andamento, em execução e pronto para servir seu agente de IA como um lado leal. Passo #3: Crie seu agente de IA Como teimado na introdução desta seção, vamos usar Gemini (yep, o LLM brilhante do Google) com o OpenAI Agents SDK. Primeiro de tudo - Em segundo lugar – Você pode até fazer isso? Por que não usar o OpenAI diretamente? Sim, você pode fazer isso! 🙂 , o que significa que você pode conectá-lo diretamente ao OpenAI Agents SDK como uma substituição drop-in. — Ao contrário de OpenAI, que gosta de cobrar pelo token. Response Gemini exposes an OpenAI-compatible API It’s free Então, aqui está por que faz sentido usar Gemini em vez de OpenAI diretamente! 💡 Basta chit-chat, vamos arrastar as coisas ☀. Primeiro, pegue o seu e pule-o em seu Arquivo em: Gemini API Key do Google AI Studio .env GEMINI_API_KEY=" " Em seguida, em Leia a chave assim: agent.py GEMINI_API_KEY = os.getenv("GEMINI_API_KEY") Agora, construa uma função que liga tudo juntos – o (que vamos configurar no código em breve ️): 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 Se você quiser usar um modelo suportado diferente (como Claude, Mistral ou outros modelos), basta trocar o nome do modelo em conformidade. base_url : Quer usar o OpenAI em vez disso?Não há problema. Substitua a lógica acima 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 Intercâmbio fácil, a mesma interface – essa é a beleza do SDK... 😎 Se você está se perguntando onde o O argumento vem de – vamos inicializá-lo no próximo passo ( alerta de spoiler). mcp_server Passo #4: Iniciar o servidor MCP Dentro do seu função async, spin up o servidor MCP Bright Data usando como este: 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... ️ O que está acontecendo aqui? Isto inicia o servidor MCP usando , passando em suas credenciais através de variáveis ambientais. npx -y @brightdata/mcp Nota: Não se esqueça de bater Dois segundos (o padrão é 2) Porque executado pelo servidor MCP Bright Data leva tempo . Você não quer que ele tenha um tempo no meio da missão. client_session_timeout_seconds 180 5 Rastreamento em tempo real, resolução de CAPTCHA e movimentos de ninja anti-bot A única coisa que resta é desligar o loop do agente de IA... Vamos envolver. Passo #5: Defina o Loop de Agente AI Dentro do bloco de assíncope do servidor MCP, lance um loop REPL (Leia-Eval-Imprimir) para que os usuários possam digitar seus pedidos, enviá-los através do agente alimentado pelo MCP e recuperar a 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 pequeno fragmento de Python é o centro de comando do seu agente de IA. Ele continuamente captura suas solicitações, as alimenta ao agente e, em seguida, espalha o resultado final e glorioso. Se não, deixe-me esclarecer isso para você: Você só teve esse momento “whoa”? you just wired up a full AI agent loop using the OpenAI Agents SDK + Bright Data’s MCP server + Gemini! Agora você está pronto para olhar para o código completo, tudo apertado como um belo monstro de automação de IA de Frankenstein. Passo #6: Coloque tudo em conjunto Este é o seu script de Python final para a integração OpenAI Agents SDK + MCP (powered by Gemini to save money ): 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()) Apenas 81 linhas de código. E o que você obtém? Um agente de IA que pode navegar na web, contornar anti-bots, pegar dados em tempo real e falar de volta – como se isso não fosse uma grande coisa. Graças ao novo e ferramentas de desenvolvimento como o OpenAI Agents SDK e o Bright Data MCP, a automação de IA é agora... quase muito fácil. Os protocolos Passo #7: Teste o MCP-Powered AI Agent Execute seu agente de IA a partir do terminal com: python agent.py Para Linux ou macOS: python3 agent.py Você será recebido por um convidado amigável como: Your request -> Por exemplo, tente perguntar ao agente que ferramentas MCP ele tem: What tools are you linked to through MCP? Você receberá de volta algo como: Como você pode ver, seu agente de IA está ciente de todas as ferramentas de MCP Bright Data que ele pode se conectar - e está pronto para usá-las! Vamos colocar essas ferramentas de MCP brilhantes no teste final: Comande seu agente de IA para raspar alguns dados suculentos da página do Amazon P5 : Para conseguir isso, dê uma prompt 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 Faça isso e o resultado será: Em particular, a saída deve 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! 🤯 E não apenas qualquer site – a Amazon é notoriamente difícil de raspar graças a CAPTCHAs agressivas e defesas anti-bot. One prompt, and you just scraped all the data from an Amazon product page. Então, como isso funcionou?Por trás das cenas, o agente da IA ligou para o Ferramenta MCP – uma das ferramentas de energia pré-construídas expostas pelo servidor MCP Bright Data. Ele lidou com o trabalho sujo: resolver CAPTCHAs, contornar a detecção de bots e pegar a mercadoria. web_data_amazon_product E não pára por aí! Você pode usá-lo para pedir ao agente de IA para análises adicionais, criando prompts mais complexos.Afinal, o agente de IA pode escolher livremente e juntar ferramentas de seu kit de ferramentas alimentado por MCP, então ️ As possibilidades são verdadeiramente infinitas Com uma estrutura tão poderosa, o (Just Don't Go Full de Tony Montana) O mundo é seu! Pensamentos finais Agora você sabe como sobrecarregar qualquer agente de IA construído com o OpenAI Agents SDK – seja ele executado em GPT, Gemini ou qualquer outra coisa – conectando-o a um servidor MCP. Em outras palavras, entramos no poderoso Apenas uma das . Bright Data MCP server muitos serviços que construímos para suportar fluxos de trabalho de IA do mundo real em escala Na Bright Data, nossa missão é simples: tornar a IA acessível a todos, em qualquer lugar.Então, até a próxima vez – fique curioso, fique ousado e continue construindo o futuro da IA com criatividade.