MCP + OpenAI Agents SDK- ը: Ինչպես ստեղծել հզոր AI- ը

Երբ դադարեցնում են իրենցAgents SDKՄի քանի շաբաթ առաջ, արտադրողները ամբողջ աշխարհում ստացել են hyped - եւ լավ պատճառով! վերջապես, հեշտ ճանապարհ է կառուցել նպատակային հիմնված AI գործիչներ, որոնք կարող են ճշգրտել եւԱվելացնել աշխատանքը

Մինչեւ մի քանի ոտքերում, միասին,MCPԱրդյոք, թե ինչպե՞ս կարող եք փոխել այն, թե ինչպե՞ս կարող եք փոխել այն, թե ինչպե՞ս կարող եք փոխել այն, թե ինչպե՞ս կարող եք փոխել այն, թե ինչպե՞ս կարող եք փոխել այն, թե ինչպե՞ս կարող եք փոխել այն.

Այս ուղեցույցում,we're going to forge a formidable AI agentOpenAI Agents SDK- ի օգտագործման եւ մուտքագրման միջոցով MCP- ի սերվերի ապահովված իրական աշխարհի գործիքները: Խնդրում ենք պատրաստել ձեր AI-ի supercharge- ը:

A Quick Intro to MCP + OpenAI Agents SDK Integration- ը

OpenAI Agents SDK- ը ամենամեծ պլանավոր Python- ի գործիքների սարքավորումներն է, որոնք օգտագործվում են խելացի AI- ի գործիչների ստեղծման համար, որը թույլ է տալիս նրանց խոսել եւ գործել: Բայց այստեղ է սեղմիչը: առանց արտաքին տեղեկատվության, նրանք հաճախ կանգնած են դասընթացային տվյալների փոշի մեջ: Դա այնտեղ է, որտեղ MCP (Model Context Protocol) սեղմվում է:

Տեսեք MCP- ը որպես ձեր AI-ի ամենամեծ USB-C նավահանգիստ, որը թույլ է տալիս այն ստանդարտացնելՈչԱրդյունաբերական տվյալների աղբյուրը կամ գործիք — տեղական ֆայլեր, API-ներ, տվյալների բազաններ, դուք այն կոչեք:

MCP- ի ինտեգրումը OpenAI Agents SDK- ի հետ նշանակում է, որ ձեր գործակալները ստանում են իրական ժամանակի, մանրաձայնային ինտեգրման, այնպես որ նրանք մանրաձայնային, բայց ինտեգրված bots- ից Powerhouse data explorers եւ action-takers:

MCP Integration- ի հետ կառուցել AI-ի գործիչ, օգտագործելով OpenAI Agents SDK- ը

Ավելի լավ է, շատ սերտիֆիկներ. Դուք ստանում եք այն — MCP- ը supercharges AI- ի գործիչները, քանի որ նրանք ենIron ՄարդըՀիմնական հոդված՝ Iconic Metal Dress

Այս փոստի մասում, մենք կօգտագործենք OpenAI Agents SDK- ը - yep, նոր Python SDK- ը OpenAI- ից - կառուցելու համար AI- ի գործիչը MCP- ի ինտեգրման հետ: Ինչու OpenAI Agents SDK- ը եւ ոչ մի այլ գրասենյակը: Քանի որ այն ունի:native MCP support, որը նշանակում է, որ ձեր գործակալը կարող է գնալ Smart- իցSuperpower- ըՄի քանի րոպե.

Այժմ, փոքր քիչ: OpenAI- ի API-ը չի անվճար: 😅 Այնպես որ, այս ուղեցույցում,we’ll run it using Gemini as the LLM engine instead(Մեք չեք վախենում, մենք կասկածենք, թե ինչպես է փոխել OpenAI- ում կամ ցանկացած այլ մոդելում)

Ի՞նչ է MCP սերվեր, որը մենք օգտագործում ենք:

Լավ հարց: Ինչպե՞ս սկսել, մենք փնտրում ենքMCP Server- ի մանրամասներ— MCP սերվեր, որը ստեղծվել է կայքի ավտոմատացման եւ տվյալների գործիքների համար: Այն թույլ է տալիս ձեր AI- ի գործողը գտնել, բեռնել, գործել եւ արտադրել իրական ժամանակի տվյալները Web- ից — տեղադրված stealth- ի հետ CAPTCHA- ի եւAnti-Bot պտուտակներ.

Բարձրապես, ներսում են բոլոր գործիքները, որոնք աջակցում են Bright Data MCP Server ️:

search_engine

SERP տվյալները (Google, Bing, Yandex եւ այլն)

scrape_as_markdown

Պահպանեք URL-ը եւ վերադարձեք նյութը Clean Markdown- ում

scrape_as_html

Պահպանեք URL-ը եւ վերադարձեք ամբողջ HTML- ի բաղադրիչը

session_stats

Տեսեք գործիքների օգտագործման ժամանակ aktually session

web_data_amazon_product

Amazon- ի արտադրանքի տեղեկատվություն ստանալ է URL- ի միջոցով

web_data_amazon_product_reviews

Fetch Amazon մեկնաբանություններ մի արտադրանքի համար

web_data_linkedin_person_profile

Բեռնել LinkedIn Profil տվյալները

web_data_linkedin_company_profile

LinkedIn ընկերության տվյալները

web_data_zoominfo_company_profile

Get ZoomInfo ընկերության պրոֆիլը

web_data_instagram_profiles

Fetch Instagram պրոֆիլը Details

web_data_instagram_posts

Instagram-ի տվյալները

web_data_instagram_reels

Instagram-ի ճիշտ տվյալները

web_data_instagram_comments

Fetch մեկնաբանություններ Instagram- ից

web_data_facebook_posts

Facebook-ի գրասենյակների տեղեկատվություն

web_data_facebook_marketplace_listings

Facebook Marketplace- ի ցուցակները

web_data_facebook_company_reviews

Scrape Facebook-ի բիզնեսի մեկնաբանություններ

web_data_x_posts

Տեղադրեք տվյալները X- ից (երբին Twitter- ից) գրքերից

web_data_zillow_properties_listing

Տեղադրեք Zillow Property Listings- ը

web_data_booking_hotel_listings

ՏեսակներBooking.com մասինՀեղինակներ Hotel Listings

web_data_youtube_videos

YouTube- ի տեսանյութերի մետատանտակտներ

scraping_browser_navigate

Navigate to a new URL in a virtual browser- ը

scraping_browser_go_back

Go Back One Page- ը Browser- ում

scraping_browser_go_forward

Հեռնել մի էջ Browser- ում

scraping_browser_click

Սեղմեք մի էջի բաղադրիչ (needs selector)

scraping_browser_links

Ստացեք բոլոր հղումներ եւ ընտրողները էջում

scraping_browser_type

Տեղադրեք մի ձեւը կամ տպագրություն

scraping_browser_wait_for

Տեսեք, թե ինչ-որ բաղադրիչը ցույց է տալիս

scraping_browser_screenshot

Ստացեք մի Screenshot- ը current page- ից

scraping_browser_get_html

Ստացեք Raw HTML- ը էջից

scraping_browser_get_text

Պահպանեք տեքստային բաղադրիչը էջից

Տեսեք, թե ինչպես կարող եք ձեր AI- ի գործակալը խոսել MCP- ի սերվերի հետ անսահմանափակ հզորության համար!

Step #1: Ծրագրային կարգավորումը

Եթե դուք ցանկանում եք հետեւել այս դասընթացը, համոզվեք, որ դուք ունեք հետեւյալ պահանջները տեղում:

• Python 3.10+ տեղադրվել է տեղականում
• Node.js տեղադրվել է տեղականում
• Մի API-ի սեղմը աջակցված LLM- ի մատակարարից OpenAI Agents SDK-ի համար (Մենք առաջարկում ենք Gemini- ը այս համար)

Մենք կցանկանենք սեղմել սեղմման սխալը եւ կարծում ենք, որ դուք արդեն ստեղծել եք Python ծրագրը այս կառուցվածքի հետ:

/openai-agents-mcp
├── venv/
├── .env
└── agent.py

Միացեք ձեր Virtual Environment- ը (venv/) եւ տեղադրել անհրաժեշտ փաթեթներ:

pip install openai-agents python-dotenv

Ո՞վ է:

• openai-agents- ը OpenAI Agents Python SDK- ը է, որը ձեր հագուստ է AI- ի գործիչների հագուստին
• python-dotenv- ը կարդալ է .env ֆայլերի արժեքները

Հաջորդ, Openagent.pyԺամանակն է կարդալ այդ միջավայրի տարբերակները եւ պատրաստել Agen- ի սկսելու համար:

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! Դուք վերեւում եք եւ աշխատում եք բազանների հետ:

Step #2: Ստացեք Started հետ Bright Data MCP Server

Այո, դուքԴուք ցանկանում եք, որ ձեր AI Agent- ը խոսել է MCP սերվերի հետ:

Այո, հավատեք, թե ինչ-որ, դուք պետք է մի MCP սերվեր, որը աշխատում է առաջին անգամ (հա,Հիմնական CaptainՏեղադրեք ձեր աշխատանքը!

Ինչպես ասում է, մենք կարող ենք օգտագործելBright Data MCP ServerԱյս մասը, առաջինըՏեղադրեք ձեր API սեղմիչը եւ սկսեք սերտիֆիկը, քանի որ Oficial Bright Data MCP Server Docs- ը.

Երբ դուք պատրաստ եք, սկսեք սերտիֆիկը այս փոստով:

npx -y @brightdata/mcp 

Եթե ամեն ինչ ճիշտ է konfigurated, դուք պետք է տեսնել արտադրանքը նման է այս:

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

Լավ!

Այժմ տեղադրեք միջավայրի տարբերակները, որոնք գործիչը օգտագործում է Bright Data MCP սերվերի հետ միակցելու համար:.envՏեղադրեք եւ ավելացեք այս երկու գծեր:

BRIGHT_DATA_API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BRIGHT_DATA_BROWSER_AUTH="<BRIGHT_DATA_BROWSER_AUTH>"

Տեղադրեք տեղադրիչները, որոնք ստացել եք, ինչպես բացահայտվում են Bright Data MCP սերվերի դեկտրոնները:

Բեռնել inagent.pyՀաջորդը, ինչպիսիք են այդ երկու սերտիֆիկները:

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

Մենք կօգտագործենք այդ արժեքները, երբ MCP- ի կապը սեղմում է.

Այսպիսով, ձեր MCP- ի սերվերը տեղադրվում է, աշխատում է եւ պատրաստ է ծառայել ձեր AI- ի գործիչը, ինչպիսիք են ճշգրիտ side-kick.

Step #3: ստեղծեք ձեր AI- ի գործիչը

Այս մասի ներսում, մենք կօգտագործենք Gemini- ը (հա, Google- ի գեղեցիկ LLM- ը) OpenAI Agents SDK- ի հետ:

Առաջին սեղմում -Դուք կարող եք նույնիսկ դա անել:Երկրորդը -Ինչու չեք օգտագործել OpenAI- ը միայն ուղղակիորեն:

ResponseԱհա, դուք կարող եք անել այն!Gemini exposes an OpenAI-compatible API, որը նշանակում է, որ դուք կարող եք սեղմել այն OpenAI Agents SDK- ում որպես drop-in փոխարինման: Լավագույն մասը:It’s free—Անհարկե OpenAI, որը սիրում է բեռնել ձեզ token- ի կողմից:

Այսպիսով, այստեղ է, թե ինչու այն նշանակում է օգտագործել Gemini, այլեւ OpenAI ուղղությամբ! 💡

Արդյոք, մենք պետք է անում ենք այն, ինչ մենք պետք է անում ենք, եւ մենք պետք է անում ենք այն, ինչ մենք պետք է անում ենք:Google AI Studio-ի Gemini API-ի սեղմիչըՏեղադրեք այն ձեր.envՖիլմեր :

GEMINI_API_KEY="<YOUR_GEMINI_API_KEY>"

Այնուհետեւ, inagent.pyՏեսեք այս սեղմը, թե ինչպես է:

GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")

Այժմ ստեղծեք մի գործառույթ, որը բոլորը միացվի միասին:Gemini model, OpenAI SDK, and the MCP server(Տեսանյութը կարող է տեւել ️):

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

Եթե դուք ցանկանում եք օգտագործել այլ աջակցված մոդել (կամ Claude, Mistral կամ այլ մոդելներ), պարզապես փոխելbase_urlՀիմնական անունը այնպես էլ.

Extra: Դուք ցանկանում եք օգտագործել OpenAI- ը, այլն: Ոչ մի խնդիր, պարզապես ավելացեք ձերOPENAI_API_KEYԱպրիշը փոխվել է այնպես, որ:

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

Easy swap, same interface — այդ է SDK- ի գեղեցկությունը...

Եթե դուք չգիտեք, թե որտեղ էmcp_serverԱրդյոք, մենք պետք է վերցնել այն, թե ինչ է, եւ մենք պետք է վերցնել այն, թե ինչ է, եւ մենք պետք է վերցնել այն.

Step #4: Initialize է MCP Server- ը

Իմ ներսումrun()async գործառույթը, անջատում է Bright Data MCP սերվերը, օգտագործելովnpxԱյսպես է:

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...

️ Ի՞նչ է կատարվում այստեղ: Այսպիսով սկսվում է MCP սերվեր, որը օգտագործումnpx -y @brightdata/mcp, ուղարկելով ձեր հավելվածքների միջոցով միջավայրի տարբերակներ.

Խնդրում ենք, որ չգիտեք, որ Bumpclient_session_timeout_secondsԵրկու180Հաջորդը (լուսանկարներ)5(Անհարկե քանի որReal-time scraping, CAPTCHA լուծում, եւ anti-bot ninja movesBright Data- ի MCP-ի սերվերը պետք է ժամանակ տեւել, բայց դուք չեք ցանկանում, որ այն տեւել է տեւողության ընթացքում:

Արդյոք, ամեն ինչ, ինչ պետք է անել, այն է, որ սեղմեք սեղմել սեղմել.

Step #5: Տպագրեք AI Agent Loop- ը

MCP- ի սերվերի async բլոգում ներքեւեք REPL (Read-Eval-Print) սեղմում, որպեսզի օգտագործողները կարող են տպագրել իրենց պահանջները, ուղարկել նրանց MCP- ի գործիչի միջոցով, եւ վերցնել Magic ✨:

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")

Այս փոքր Python- ի բաղադրիչը ձեր AI-ի գործիչի կառավարման կենտրոն է: Դա անմիջապես փնտրում է ձեր պահանջները, սննդում է այն գործիչին, եւ ապա փնտրում է վերջնական, գեղեցիկ արդյունքը: Տեսեք այն որպես ձեր AI- ի բաղադրիչի ոչ-խաղադրիչ կոճակը, պատրաստ է վերցնել आदेशներ, մինչեւ դուք ասում եք, որ "խաղադրեք" .

-Ինչպե՞ս եք ստացել այս «WHOA» ժամանակը:Եթե չեք, կարող եմ ձեզ համար գրել:you just wired up a full AI agent loop using the OpenAI Agents SDK + Bright Data’s MCP server + Gemini!

Այժմ դուք պատրաստ եք տեսնել ամբողջ կոդը, բոլորը միասին միասին, ինչպիսիք են գեղեցիկ Frankenstein- ի AI- ի ավտոմատացման բարդը:

Step #6: Տեսեք բոլորը միասին

Այս է ձեր վերջնական Python սխալը OpenAI Agents SDK + MCP ինտեգրման համար (հարեցված է Gemini- ի համար, որպեսզի վճարել ):

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())

միայն 81 գծի կոդը. եւ ինչ եք ստանում: A AI գործակալ, որը կարող է սեղմել կայքը, վերցնել anti-boots, կտրում իրական ժամանակի տվյալները, եւ խոսում է վերցնել, քանի որ դա ոչ մի մեծ խնդիր է. նույնիսկ Superman կարող է վախենում այս մեկ. ♂️

Շնորհակալություն նորԱրդյոք protocolsԱպրանքներ, ինչպիսիք են OpenAI Agents SDK- ը եւ Bright Data MCP- ը, AI- ի ավտոմատությունը այժմ շատ հեշտ է:

Step #7: Ստացեք MCP-Powered AI Agent- ը

Օգտագործեք ձեր AI-ի գործիչը Terminal- ից:

python agent.py

Linux / macOS համակարգի համար:

python3 agent.py

Ձեզ կունենա մի երջանիկ բաղադրիչ, ինչպիսիք են:

Your request ->

Օրինակ, փորձեք հարցնել, թե ինչ MCP գործիքները այն ունի:

What tools are you linked to through MCP?

Դուք կարող եք վերցնել ինչ-որ բան, ինչ-որ բան:

Ինչպես տեսնում եք, ձեր AI-ը գիտի բոլոր Bright Data MCP- ի գործիքները, որոնք կարող են կապել, եւ այն պատրաստ է օգտագործել նրանց համար:

Ավելի լավ, ժամանակ է բացահայտել բարդը! Տեսենք այդ գեղեցիկ MCP գործիքները վերջնական փորձի համար: Ստեղծեք ձեր AI գործիչը, որպեսզի Amazon P5 էջից մի քանի խոշոր տվյալները կտրել:

Ինչպե՞ս ստանալ այն, ինչպիսիք են:

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

Սեղմեք այն եւ արդյունքը կլինի:

Հիմնականապես, արտադրանքը պետք է լինել ինչ-որ բան:

{
  "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! 🤯

One prompt, and you just scraped all the data from an Amazon product page.եւ ոչ միայն ցանկացած կայքը — Amazon- ը հեշտ է ծախսել, քանի որ պրակտիկ CAPTCHA- ի եւ anti-bot պաշտպանների հետ:

Ինչպե՞ս է այն աշխատել: Պահպանած սենյակները, AI-ի գործիչը զանգահարել էweb_data_amazon_productMCP գործիք — մեկը նախընտրված Power գործիքներ, որոնք հայտնաբերվել են Bright Data MCP սերվերի. Այն աշխատել է սխալ աշխատանքը: լուծել CAPTCHA- ում, վերցնել bot- ի դիզայնը, եւ վերցնել ապրանքներ.

Դա այնտեղ չի ավարտվում!

Արդյոք, AI- ը կարող է ազատ ընտրել եւ միավորել գործիքները իր MCP- ի գործիքների սարքից, այնպես որԽնդրում ենք, որ հնարավորությունները իրականում անսահմանափակ են️

Այս հզորության հետ, այնԱշխարհը ձեր է!(Տեսանյութ) «Tony Montana»-ի գրասենյակը

Սպիտակներ

Այժմ դուք գիտեք, թե ինչպե՞ս supercharge ցանկացած AI- ի գործիչը, որը կառուցված է OpenAI Agents SDK- ի հետ - այնպես էլ, որ այն աշխատում է GPT- ում, Gemini- ում կամ ինչ-որ բանից հետո - այն մուտքագրելով այն MCP- ի սերվով:

Հիմնականում, մենք ստացել ենք հզորBright Data MCP serverՄինչեւ միայն մեկըՇատ ծառայություններ, որոնք մենք կառուցել ենք, որ աջակցում են իրական աշխարհում AI workflows- ում.

Bright Data- ում մեր ուղեւորությունը պարզ է: AI-ը պետք է հասանելի լինել բոլորի համար, ցանկացած վայրում: Այսպիսով, մինչեւ հաջորդ անգամ - վերցրեք կարիքը, վերցրեք հզորությունը եւ վերցրեք AI- ի مستقبلը ստեղծագործականությամբ: