Интеграция Qwen-Agent с MCP для создания агентов с живым доступом к данным

В этом руководстве вы узнаете:

• Что представляет собой библиотека Qwen-Agent и как она помогает создавать агентов искусственного интеллекта.
• Почему использование Qwen3 с сервером Bright Data MCP идеально подходит для создания агентов ИИ нового поколения.
• Как интегрировать Qwen-Agent с MCP от Bright Data для создания компетентного агента на базе Qwen3.

Давайте погрузимся!

Что такое Qwen-Agent?

Qwen-Agent – это фреймворк с открытым исходным кодом, разработанный Alibaba Cloud для создания продвинутых приложений на базе LLM. Он использует возможности моделей Qwen для создания агентов ИИ с поддержкой выполнения инструкций, использования инструментов, планирования и управления памятью.

Эта библиотека, в частности, служит бэкендом для Qwen Chat. Она предлагает основные компоненты для создания ИИ-агентов, с встроенной поддержкой вызова функций и инструментов – даже через MCP(Model Context Protocol).

Qwen-Agent обеспечивает гибкое развертывание моделей, как с помощью сервиса DashScope компании Alibaba Cloud, так и с помощью самостоятельно размещенных моделей Qwen. Он также включает веб-интерфейс на основе Gradio для быстрого развертывания и тестирования агентов в браузере.

Зачем объединять Qwen3 с MCP-сервером в Qwen-Agent

Qwen3 – это новейшая модель, разработанная Alibaba Cloud. Она обеспечивает высокую производительность и, будучи открытой, доступна бесплатно через множество онлайн-провайдеров (и вы даже можете самостоятельно разместить ее!). Это делает ее идеальным выбором для создания экономичных, но мощных агентов искусственного интеллекта.

ИИ-агенты, работающие на базе Qwen3 и созданные с помощью Qwen-Agent, уже обладают такими возможностями. Тем не менее, они наследуют ограничения базового LLM. Эти ограничения, такие как отсутствие доступа к информации в реальном времени, можно преодолеть, предоставив агенту точные данные и дав ему возможность исследовать веб-страницы в реальном времени.

Именно здесь на помощь приходит сервер Bright Data MCP. Построенный на базе Node.js, MCP-сервер интегрируется с набором инструментов для поиска данных искусственного интеллекта Bright Data. С помощью этих инструментов ваш агент получает доступ к веб-контенту в режиме реального времени, запрашивает структурированные наборы данных и выполняет веб-скрептинг в реальном времени.

На данный момент поддерживаются следующие инструменты MCP:

Чтобы изучить несколько реальных примеров, прочитайте наше руководство по скраппингу с помощью сервера MCP или посмотрите, как он интегрируется с такими инструментами, как Google SDK.

Примечание: Bright Data постоянно расширяет набор инструментов MCP, поэтому со временем ожидайте появления еще большего количества возможностей.

А теперь посмотрите, как вы можете использовать эти инструменты MCP через Qwen3 с Qwen-Agent!

Как интегрировать Qwen-Agent с сервером Bright MCP Server на Python

В этом разделе вы узнаете, как использовать Qwen-Agent для создания мощного ИИ-агента на Python, работающего на базе Qwen3. Агент будет оснащен возможностями сбора, извлечения и преобразования данных в реальном времени с помощью сервера Bright Data MCP.

В качестве примера мы покажем, как агент искусственного интеллекта может получать данные о товарах с сайта Amazon, которыйизвестен своими проблемами со скраппингом. Обратите внимание, что это лишь один из возможных вариантов использования. Агент ИИ может использовать любой из 20 с лишним инструментов, доступных на сервере MCP, для решения самых разных задач.

Примечание: Просто давая агенту ИИ различные подсказки, вы можете реализовать любой другой сценарий или вариант использования.

Выполните следующие шаги, чтобы создать свой ИИ-агент на базе Bright Data MCP с помощью Qwen-Agent и Qwen 3!

Пререквизиты

Чтобы следовать этому руководству, вы должны иметь:

• Локально установленныйPython 3.10 или выше.
• Node.js установлен локально.

Вам также понадобятся:

• Учетная запись Bright Data.
• Ключ API OpenRouter.

Приведенные ниже шаги помогут вам настроить учетные данные Bright Data и OpenRouter, когда это потребуется. Поэтому не беспокойтесь о них сейчас.

Хотя это и не обязательно, следующие знания помогут вам извлечь максимум пользы из этого учебника:

• Общее понимание того, как работает MCP.
• Базовые знания о том, как работает Qwen Agent.
• Некоторые знания о сервере Bright Data MCP и его доступных инструментах.
• Некоторый опыт работы с асинхронным программированием на Python.

Шаг №1: Настройка проекта

Откройте терминал и создайте новую папку для вашего агента ИИ на базе MCP:

mkdir qwen-agent-mcp

Папка qwen-agent-mcp будет содержать весь код для вашего агента ИИ на Python.

Затем перейдите в папку проекта и создайте в ней виртуальную среду:

cd qwen-agent-mcp
python -m venv venv

Откройте папку проекта в предпочитаемой вами среде разработки Python. Мы рекомендуем использовать Visual Studio Code с расширением Python или PyCharm Community Edition.

Создайте файл с именем agent.py в папке проекта, который теперь должен выглядеть следующим образом:

В настоящее время файл agent.py пуст, но вскоре он будет содержать логику для интеграции Qwen3 с сервером Bright Data MCP.

Активируйте виртуальную среду с помощью терминала в вашей IDE. В Linux или macOS выполните эту команду:

source venv/bin/activate

Аналогично, в Windows запустите:

venv/Scripts/activate

Все готово! Теперь у вас есть среда Python для создания агента искусственного интеллекта с помощью Qwen-Agent и MCP-сервера Bright Data.

Шаг #2: Настройка чтения переменных окружения

Ваш проект будет взаимодействовать со сторонними сервисами, такими как OpenRouter и Bright Data. Избегайте жесткого кодирования API-ключей в коде на Python. Вместо этого загружайте их из переменных окружения для повышения безопасности и удобства обслуживания.

Чтобы упростить этот процесс, мы воспользуемся библиотекой python-dotenv. Активировав виртуальную среду, установите ее, выполнив команду:

pip install python-dotenv

Далее в файле agent.py импортируйте библиотеку и загрузите переменные окружения с помощью load_dotenv():

from dotenv import load_dotenv

load_dotenv()

Это позволит вашему скрипту считывать переменные окружения из локального файла .env. Поэтому создайте файл .env в папке проекта:

Теперь вы можете обращаться к переменным окружения в своем коде следующим образом:

env_value = os.getenv("<ENV_NAME>")

Не забудьте импортировать модуль os из стандартной библиотеки Python:

import os

Отлично! Теперь вы настроены на безопасную загрузку секретов из переменных окружения.

Шаг № 3: Начало работы с Google ADK

В активированной виртуальной среде установите библиотеку Qwen-Agent, выполнив команду :

pip install "qwen-agent[gui,mcp]"

Обратите внимание, что qwen-agent поддерживает несколько дополнительных подмодулей. Для данного руководства достаточно этих двух:

• [gui] для пользовательского интерфейса на основе Gradio.
• [mcp] для интеграции с любым MCP-сервером.

Затем откройте файл agent.py и включите в него следующие импорты:

from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

Они будут использоваться на следующих шагах для подключения Qwen-Agent к серверу MCP и внедрения вашего агента ИИ.

По умолчанию Qwen-Agent ожидает наличия в вашей среде ключа API DashScope для доступа к моделям Qwen. Однако в этом руководстве мы будем использовать Qwen3 через бесплатную платформу OpenRouter.

⚠️ Внимание: Вы можете удивиться, почему мы не используем DashScope из Alibaba Cloud для прямого доступа к Qwen3. Причина в том, что на момент написания этой статьи существуют ограничения для международных пользователей (т. е. пользователей за пределами Китая). В настоящее время эти ограничения приводят к появлению следующего (несколько вводящего в заблуждение) сообщения об ошибке:

Error code: InvalidApiKey. Error message: Invalid API-key provided.

Чтобы избежать этой проблемы, вы можете использовать OpenRouter или любую другую платформу, которая предоставляет доступ к Qwen3 без региональных ограничений.

Теперь давайте разберемся, как настроить API-ключ OpenRouter для интеграции с Qwen3!

Шаг #4: Получение ключа API OpenRouter

Если вы еще этого не сделали, зарегистрируйте учетную запись OpenRouter. Если она у вас уже есть, просто войдите в нее.

Затем перейдите на страницу “Ключи API”, наведя курсор на изображение вашего профиля в правом верхнем углу и выбрав опцию “Ключи”:

Нажмите кнопку “Создать ключ API” и следуйте инструкциям, чтобы сгенерировать ключ. Затем скопируйте ключ и добавьте его в файл .env следующим образом:

OPEN_ROUTER_API_KEY="<YOUR_OPEN_ROUTER_API_KEY>"

Замените на ваш настоящий ключ API OpenRouter.

Далее в файле agent.py загрузите ключ с помощью:

OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

Потрясающе! Теперь вы готовы использовать Qwen3 с Qwen-Agent через OpenRouter.

Шаг #5: Настройка сервера Bright Data MCP Server

Начните с [создания новой учетной записи Bright Data]() или просто войдите в существующую учетную запись.

Далее следуйте официальным инструкциям:

1. Получите свой API-токен Bright Data.
2. Настройте Web Unlocker и Scraping Browser для интеграции с MCP.

После этого вы должны получить:

• Токен API Bright Data.
• Зона Web Unlocker (здесь мы будем считать, что имя зоны по умолчанию “mcp_unlocker”).
• Скрап учетных данных браузера в формате <BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>.

Теперь установите сервер Bright Data MCP глобально в среду Node.js с помощью:

npm install -g @brightdata/mcp

Затем укажите в терминале два окружения:

API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BROWSER_AUTH="<BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>"

Выполните правильную процедуру определения переменной среды в зависимости от операционной системы.

Теперь вы можете запустить сервер MCP с помощью пакета @brightdata/mcp npm:

npx -y @brightdata/mcp

Эта команда запускает MCP-сервер локально, считывая необходимые переменные окружения(API_TOKEN и BROWSER_AUTH). Если все настроено правильно, вы должны увидеть результат, подобный этому:

Checking for required zones...
Required zone "mcp_unlocker" already exists
Starting server...

Отличная работа! Сервер Bright Data MCP работает как шарм.

Затем добавьте эти две переменные окружения в файл .env:

BRIGHT_DATA_API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BRIGHT_DATA_BROWSER_AUTH="<BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>"

Замените заполнители реальными значениями.

В файле agent.py загрузите эти переменные:

BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN")
BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH")

Отлично! Теперь у вас все готово для интеграции сервера Bright Data MCP с Qwen-Agent.

Шаг #6: Определение агента Qwen3 MCP-Powered Agent

Создайте функцию для инициализации вашего агента ИИ с поддержкой Qwen3 и MCP:

def initialize_mcp_agent():
    # To connect to Qwen3 via OpenRouter
    llm_cfg = {
        "model": "qwen/qwen3-32b:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # To connect to the Bright Data MCP server
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # Define the Qwen-Agent assistant with MCP integration
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="MCP-Powered Assistant with Access to Live Data",
        description="This agent can answer questions by retrieving up-to-date information from the Internet using configured MCP tools"
    )

    return agent

Как вы можете видеть, в приведенном выше коде:

• Словарь llm_cfg устанавливает доступ к бесплатной версии Qwen3 через API OpenRouter.
• Массив инструментов определяет способ подключения к серверу Bright Data MCP, позволяя агенту ИИ вызывать внешние инструменты для получения данных.
• Наконец, класс Assistant(), предоставляемый Qwen-Agent, используется для определения агента ИИ с интеграцией LLM и инструментов.

Вот оно! Благодаря Qwen-Agent интеграция MCP в ваш ИИ-агент занимает всего несколько строк кода.

Шаг #7: Запуск агента Qwen3 MCP

Добавьте следующий код в agent.py, чтобы запустить определенный агент ИИ в интерфейсе Gradio:

if __name__ == "__main__":
    # Initialize the MCP-powered agent
    mcp_agent = initialize_mcp_agent()

    # Launch the Gradio-based web UI to interact with the AI agent in the browser
    WebUI(mcp_agent).run()

Миссия выполнена! Осталось только протестировать код и посмотреть, на что способен агент ИИ.

Шаг № 8: Соберите все вместе

Это финальный код в файле agent.py:

from dotenv import load_dotenv
import os
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

# Load the environment variables from the .env file
load_dotenv()

# Read the API key from OpenRouter to use Qwen3
OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

# Read the envs for integration with the Bright Data MCP server
BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN")
BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH")

# Define the agent with Qwen 3 and MCP configuration
def initialize_mcp_agent():
    # To connect to Qwen3 via OpenRouter
    llm_cfg = {
        "model": "qwen/qwen3-32b:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # To connect to the Bright Data MCP server
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # Define the Qwen-Agent assistant with MCP integration
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="MCP-Powered Assistant with Access to Live Data",
        description="This agent can answer questions by retrieving up-to-date information from the Internet using configured MCP tools"
    )

    return agent

if __name__ == "__main__":
    # Initialize the MCP-powered agent
    mcp_agent = initialize_mcp_agent()

    # Launch the Gradio-based web UI to interact with the AI agent in the browser
    WebUI(mcp_agent).run()

Вот это да! Всего за 50 строк кода вы можете создать мощного ИИ-агента на базе MCP – благодаря Qwen-Agent и OpenRouter.

Выполните агент ИИ с помощью:

python agent.py

В терминале вы должны увидеть следующий вывод:

2025-05-27 15:40:58,783 - mcp_manager.py - 122 - INFO - Initializing MCP tools from mcp servers: ['brightdata']
2025-05-27 15:40:58,800 - mcp_manager.py - 340 - INFO - Initializing a MCP stdio_client, if this takes forever, please check the config of this mcp server: brightdata
2025-05-27 15:41:01,098 - mcp_manager.py - 350 - INFO - No list resources: Method not found
* Running on local URL:  http://127.0.0.1:7860

Это говорит о том, что сервер MCP работает, а ваш агент ИИ подключен и доступен по адресу http://127.0.0.1:7860. Перейдите по этому URL-адресу в браузере, чтобы взаимодействовать с агентом через веб-интерфейс Gradio.

Например, попробуйте задать ему такой вопрос:

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

Это отличный тест, позволяющий проверить, может ли агент ИИ получать (и, следовательно, использовать/обучаться) данные со страницы товара Amazon PS5 в режиме реального времени:

При запуске этой подсказки в пользовательском интерфейсе должно произойти вот что:

Во-первых, обратите внимание, что на правой панели находится список всех доступных инструментов сервера Bright Data MCP. Также посмотрите, как Qwen-Agent использует инструмент web_data_amazon_product с сервера Bright Data MCP для выполнения запроса.

Вы можете убедиться в этом, проверив список патронов в интерфейсе, который показывает результат выполнения инструмента:

В итоге конечный результат в формате JSON должен выглядеть следующим образом:

{
  "title": "PlayStation®5 console (slim)",
  "url": "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H",
  "brand": "Sony",
  "model_number": "CFI-2015",
  "price": {
    "currency": "USD",
    "final_price": 499
  },
  "availability": "In Stock",
  "rating": 4.7,
  "reviews_count": 6824,
  "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...",
  "key_features": [
    "Custom CPU, GPU, and SSD with Integrated I/O",
    "Support for haptic feedback, adaptive triggers, and 3D Audio",
    "Backward compatibility with PS4 games",
    "1TB SSD and 10.6 lb console weight",
    "Includes DualSense Wireless Controller"
  ],
  "delivery_info": "FREE delivery Sunday, June 1. Or Prime members get FREE Same-Day delivery Today 10 AM - 3 PM.",
  "images": [
    "https://m.media-amazon.com/images/I/41ECK5cY-2L.SL1000.jpg",
    "https://m.media-amazon.com/images/I/41srF-iY93L.SL1000.jpg"
    // more image URLs...
  ],
  "product_details": {
    "ASIN": "B0CL61F39H",
    "Release Date": "December 10, 2023",
    "Dimensions": "14 x 17 x 7 inches",
    "Weight": "10.6 pounds",
    "Best Seller Rank": "#18 in Video Games",
    "Manufacturer": "Sony"
  },
  // omitted for brevity...
}

Этот простой пример демонстрирует, насколько мощным является ваш ИИ-агент. Он может извлекать живые структурированные данные с любого сайта на лету. Это идеально подходит для живого поиска, RAG(Retrieval-Augmented Generation) и принятия актуальных решений.

Более того, агент также может использовать Agent Browser (ранее Scraping Browser) для прямого взаимодействия с веб-страницами, что позволяет автоматизировать работу на высоком уровне и создавать сложные рабочие процессы.

И вуаля! Такова мощь Qwen3 + интеграция MCP с Qwen-Agent для создания агентов ИИ нового поколения.

Заключение

В этой статье вы узнали, как создать мощного агента искусственного интеллекта на Python с помощью библиотеки Qwen-Agent в сочетании с Qwen3 и Bright Data MCP.

Как показано на рисунке, интеграция многофункционального сервера MCP с Qwen-Agent позволяет вашему агенту ИИ получать данные из Интернета в режиме реального времени и автономно выполнять сложные задачи. Это лишь один пример того, как инструменты Bright Data могут обеспечить интеллектуальные, автоматизированные рабочие процессы ИИ.

Изучите решения в нашей инфраструктуре искусственного интеллекта:

• Автономные агенты искусственного интеллекта: Поиск, доступ и взаимодействие с любыми веб-сайтами в режиме реального времени с помощью мощного набора API.
• Вертикальные приложения искусственного интеллекта: создавайте надежные пользовательские конвейеры данных для извлечения веб-данных из отраслевых источников.
• Базовые модели: Доступ к совместимым наборам данных веб-масштаба для предварительного обучения, оценки и тонкой настройки.
• Мультимодальный ИИ: воспользуйтесь крупнейшим в мире хранилищем изображений, видео и аудио, оптимизированных для ИИ.
• Поставщики данных: Подключайтесь к надежным поставщикам, чтобы получать высококачественные, готовые к искусственному интеллекту наборы данных в масштабе.
• Пакеты данных: Получайте курируемые, готовые к использованию, структурированные, обогащенные и аннотированные наборы данных.

Для получения дополнительной информации изучите наш центр искусственного интеллекта.

Создайте учетную запись Bright Data и попробуйте все наши продукты и услуги для разработки агентов искусственного интеллекта!