MCP + OpenAI მენეჯერი SDK: როგორ შექმნათ ძლიერი AI მენეჯერი

როდესაც OpenAI წავიდა მათიAgents SDKზოგიერთი კვირის წინ, devs ყველაფერს hyped - და კარგი მიზეზით! ბოლოს, მარტივი გზა შექმნათ მიზნით ეფუძნებული AI მექანიკაციები, რომლებიც ნამდვილად შეგვიძლია გონება დაგააკეთეთ მუშაობა

მიუხედავად იმისა, რომ თითქმის იგივე სართულზე,MCPსამთავრობდა, რომ ეს არის ერთ-ერთი ყველაზე ძვირადღირებული ტენდენტი ამ ძვირადღირებული AI- ში. ასე რომ, რატომ არ შეშფოთ ეს ორი powerhouses ერთად?!

ამ მიმოხილვაში,we're going to forge a formidable AI agentOpenAI Agents SDK- ის გამოიყენება და იგი პირდაპირი მიწოდება რეალური მსოფლიოს ინსტრუმენტებს, რომლებიც უზრუნველყოფს MCP სერვერზე. მომზადდებათ თქვენი AI- ის გადახდისთვის!

MCP + OpenAI Agents SDK ინტეგრირება

OpenAI Agents SDK არის ერთ-ერთი ყველაზე პოპულარული Python ინსტრუმენტები crafting ინტელექტუალური AI მენეჯერი, გაძლევთ მათ მიზეზი და ქმედება. მაგრამ აქ არის kicker: გარეშე გარე ინფორმაცია, ისინი ხშირად დატოვებული სასწავლო მონაცემთა ბურთი. ეს არის, სადაც MCP (Model Context Protocol) swops in!

ვფიქრობ, რომ MCP არის Universal USB-C პორტი თქვენი AI, რომელიც უზრუნველყოფს სტანდარტული გზა დააყენოთნებისმიერიგარე მონაცემთა წყარო ან ინსტრუმენტი – ადგილობრივი ფაილები, API-ები, მონაცემთა ბაზები, თქვენ ის სახელით.

MCP- ის ინტეგრირება OpenAI Agents SDK- სთან ნიშნავს, რომ თქვენი პარტნიორები მიიღებენ რეალურ დროში, დინამიური კონტაქტზე, რაც მათ სინამდვილე, მაგრამ დაზოლებული ბოტიდან powerhouse მონაცემთა ექსპერიმენტებს და ოპერაციებს გადაიხადავს!

აშენება AI Agent ერთად MCP ინტეგრირება გამოყენებით OpenAI Agents SDK

რა თქმა უნდა, საკმარისი ტესია. თქვენ გაქვთ — MCP supercharges AI agents, როგორც ისინი არიანIron მამაკაცებიIconic Metal ტანსაცმელი

ამ ეტაპზე, ჩვენ ვიყენებთ OpenAI Agents SDK- ს - yep, OpenAI- ის ახალი Python SDK- ს, რათა შექმნათ AI- ის მენეჯერი MCP- ის ინტეგრირებათან ერთად. რატომ OpenAI Agents SDK და არა სხვა ბიბლიოთეკა?native MCP support, რაც იმას ნიშნავს, რომ თქვენი პარტნიორი შეიძლება წავიდეს Smart-დანSUPERPOWERრამდენიმე წამში.

Now, small catch: OpenAI- ის API არ არის უფასო.we’ll run it using Gemini as the LLM engine instead(მე არ განიცდიან, ჩვენ განიცდიან, თუ როგორ უნდა შეცვალოთ OpenAI- ში ან ნებისმიერ სხვა მოდელი ასევე ).

დიდი კითხვა! სწრაფად დაიწყოს, ჩვენ დააყენებთMCP მონაცემთა სერვერები- MCP სერვერზე, რომელიც შექმნილია ვებ ავტომატაცია და მონაცემთა სამუშაოები. ეს საშუალებას გაძლევთ თქვენი AI- ის მენეჯერი იპოვოს, წაიკითხოთ, გაკეთდეს და რეალურ დროში მონაცემების ექსპლუატაცია Web- ზე - ინტეგრირებული stealth- ის გამოყენებით CAPTCHAs დაAnti-Bot ქურთები.

სპეციალურად, ქვემოთ ყველა ინსტრუმენტები მხარს უჭერს Bright Data MCP სერვერზე ️:

search_engine

Scrape SERP მონაცემები (Google, Bing, Yandex და სხვა)

scrape_as_markdown

Scrape URL და გადაიხადოს შინაარსი Clean Markdown

scrape_as_html

Scrape URL და დაბრუნება სრული HTML შინაარსი

session_stats

იხილეთ ინსტრუმენტების გამოყენება ამჟამად

web_data_amazon_product

მიიღეთ Amazon პროდუქტის ინფორმაცია URL- ზე

web_data_amazon_product_reviews

Fetch Amazon მიმოხილვა პროდუქტისთვის

web_data_linkedin_person_profile

LinkedIn პროფილის მონაცემები

web_data_linkedin_company_profile

Fetch LinkedIn კომპანიის მონაცემები

web_data_zoominfo_company_profile

მიიღეთ ZoomInfo კომპანიის პროფილი

web_data_instagram_profiles

Fetch Instagram პროფილი დეტალები

web_data_instagram_posts

Instagram პოსტის მონაცემები

web_data_instagram_reels

Instagram რეალური მონაცემები

web_data_instagram_comments

Fetch კომენტარები Instagram პოსტი

web_data_facebook_posts

გამოქვეყნდა Facebook Post Info

web_data_facebook_marketplace_listings

მიიღეთ Facebook Marketplace სიაები

web_data_facebook_company_reviews

Scrape Facebook ბიზნეს მიმოხილვა

web_data_x_posts

Fetch მონაცემები X (საწყისი Twitter) პოსტები

web_data_zillow_properties_listing

Get Zillow ქონების სიაები

web_data_booking_hotel_listings

FetchBooking.com საიტზესასტუმროები

web_data_youtube_videos

YouTube- ის ვიდეო მონაცემების გამოხატვა

scraping_browser_navigate

Navigate to a new URL in ვირტუალური ბრაუზერი

scraping_browser_go_back

Go back one page in ბრაუზერში

scraping_browser_go_forward

Go forward ერთი გვერდზე browser- ში

scraping_browser_click

დააწკაპუნეთ გვერდზე ელემენტს (სურველია აირჩიოს)

scraping_browser_links

მიიღეთ ყველა ბმულები და selectors გვერდზე

scraping_browser_type

ფორმით ან ინტენსიში

scraping_browser_wait_for

დაველოდოთ, რომ ერთ-ერთი ელემენტი გამოჩნდა

scraping_browser_screenshot

გადაღების Screenshot ამჟამად გვერდზე

scraping_browser_get_html

მიიღეთ Raw HTML გვერდზე

scraping_browser_get_text

ტექსტური შინაარსი აღჭურვილობა გვერდზე

შეამოწმოთ, როგორ მიიღოთ თქვენი AI- ის მენეჯერი MCP სერვერზე შეუზღუდავი ენერგიისთვის!

Step #1: პროექტის შექმნა

იმისათვის, რომ ამ სასწავლო ნაწილს შემდეგ, დარწმუნდით, რომ თქვენ გაქვთ შემდეგი მოთხოვნები:

• Python 3.10+ დააყენა ადგილობრივ
• Node.js დააყენა ადგილობრივ
• API key from a supported LLM provider for the OpenAI Agents SDK (მე გთავაზობთ Gemini ამისთვის)

ჩვენ შეშფოთებთ სასიამოვნო setup fluff და იმიტომ, რომ თქვენ უკვე შექმნა Python პროექტი ამ სტრუქტურა:

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

ახლა, გააქტიურეთ თქვენი ვირტუალური გარემო (venv/) და დააყენეთ საჭირო პაკეტები:

pip install openai-agents python-dotenv

სადაც :

• openai-agents არის OpenAI Agents Python SDK – თქვენი გარიგება AI- ის მედია
• python-dotenv არის წაიკითხვის ღირებულებები .env ფაილი

შემდეგი: Openagent.pyდრო, რომ წაიკითხოთ ამ გარემოს ვარიანტიები და მომზადება მენეჯერი დატვირთვა:

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! თქვენ გაქვთ და გაქვთ ძირითადი.

ნაბიჯი #2: დაიწყეთ Bright Data MCP სერვერზე

ეს, თქვენგსურთ, რომ თქვენი AI Agent განიხილავს MCP სერვერზე?

რა უნდა გააკეთოთ, რა უნდა გააკეთოთ, თუ თქვენ უნდა გააკეთოთ MCP სერვერზე (და,Captain ჩვეულებრივგამოგზავნილია:

როგორც ადრე ვთქვა, ჩვენ ვიყენებთBright Data MCP Serverპირველი, ამ ნაწილშიმიიღეთ თქვენი API key და დაინახეთ სერვერზე როგორც ოფიციალური Bright Data MCP სერვერის დოკუმენტები.

მას შემდეგ, რაც თქვენ მზად ხართ, დაიწყეთ სერვერს ამ ბრძანებით:

npx -y @brightdata/mcp 

If everything is configured correctly, you should see output similar to this:

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

ლამაზი

ახლა დააყენეთ გარემოს ვარიანტი, რომელიც მენეჯერი გამოიყენებს Bright Data MCP სერვერზე..envფაილი და დაამატეთ ეს ორი ხაზები:

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

გადაიხადეთ ადგილობრივი შენარჩუნების ღირებულებები, რომელიც თქვენ მიიღებთ, როგორც გააჩნია Bright Data MCP სერვერის დოკუმენტებში.

Back inagent.pyდა წაიკითხეთ ეს ორი ნომერი, როგორც:

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

ამ ღირებულებების ადრე გამოიყენებთ, როდესაც MCP კავშირი კოდიდან ინტიმურიდება.

და ისევე, როგორც - ბამ 💥 - თქვენი MCP სერვერზე არის, მუშაობს, და მზად არის, რომ მომსახურება თქვენი AI- ის პარტნიორს, როგორც მუდმივი sidekick.

ნაბიჯი #3: შექმნა თქვენი AI Agent

როგორც ამ სექციაში ინტეგრირებული, ჩვენ ვიყენებთ Gemini (ჯეპ, Google- ის სილამაზის LLM) ერთად OpenAI Agents SDK.

დაწყებული -შეგიძლიათ კი გააკეთოთ ეს?და მეორე -რატომ არ გამოიყენოთ OpenAI პირდაპირი?

ResponseYes, თქვენ შეგიძლიათ გააკეთოთ ეს!Gemini exposes an OpenAI-compatible API, რაც ნიშნავს, რომ თქვენ შეგიძლიათ დააყენოთ იგი OpenAI Agents SDK როგორც drop-in შეცვალოს. საუკეთესო ნაწილი?It’s free— განსხვავებით OpenAI, რომელიც გსურთ გადაიხადოს თქვენ მიერ token.

ასე რომ, აქ არის მიზეზი, რომ გამოიყენოთ Gemini, ვიდრე OpenAI პირდაპირი! 💡

Chit-chat, let's wire things up ☀. პირველი, მიიღეთ თქვენიGemini API Key Google AI სტუდიადა pop მას თქვენს.envფაილი :

GEMINI_API_KEY="<YOUR_GEMINI_API_KEY>"

შემდეგ, inagent.pyწაიკითხეთ ეს Key:

GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")

ახლა შექმნათ ფუნქციას, რომელიც ყველაფერს შეუერთებს -Gemini model, OpenAI SDK, and the MCP server(სამთავრობით, რომ ჩვენ დააყენებთ კოდი ️):

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

თუ გსურთ გამოიყენოთ სხვა მხარს უჭერს მოდელი (გალითად, Claude, Mistral ან სხვა მოდელები), უბრალოდ შეცვალოსbase_urlდა მოდელი სახელი შესაბამისად.

Extra: გსურთ გამოიყენოთ OpenAI instead? არ არის პრობლემა. უბრალოდ დაამატოთ თქვენიOPENAI_API_KEYდა შეცვალოს ზედაპირზე ლოგიკური ერთად:

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, იგივე ინტერფეისი – ეს არის სილამაზის SDK ...

და თუ გსურთ იცოდეთ, სადაცmcp_serverგანიხილოთ, თუ როგორ უნდა დასაწყისში დასაწყისში (spoiler alert) წაიკითხოთ!

ნაბიჯი #4: დაწყება MCP სერვერზე

ინდივიდუალურიrun()async ფუნქცია, spin up Bright Data MCP სერვერზე გამოყენებითnpxროგორც ეს :

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...

️ რა ხდება აქ? ეს იწყება MCP სერვერზე გამოყენებითnpx -y @brightdata/mcp, გადაცემის თქვენი ქრისტანციები მეშვეობით გარემოს ცვლილებები.

შენიშვნა: არ დაგავიწყდეთ, რომ bumpclient_session_timeout_secondsორი1802 წამში (სურველია)52) რადგანრეალურ დროში scraping, CAPTCHA გადაწყვეტა, და ანტი-ბოტი ninja movesBright Data MCP სერვერზე მუშაობა დრო იღებს . თქვენ არ გსურთ, რომ მას მიუთითებს მიზნით.

✅ ლამაზი! ერთ-ერთი რამ, რაც გაგრძელდება, არის AI- ის მენეჯერი loop- ის დატოვება ... Let's wrap it up.

ნაბიჯი #5: განმარტეთ AI Agent Loop

MCP სერვერზე async ბლოკში, დატოვეთ REPL (Read-Eval-Print) loop ასე რომ მომხმარებლები შეუძლიათ დააწკაპუნოთ მათი მოთხოვნებს, გაგზავნოთ მათ MCP-powered მექანიზმებით, და მიიღეთ მექანიზმი ✨:

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")

ეს მცირე Python სექტი არის თქვენი AI- ის მექანიკური ცენტრი. ეს მუდმივად მიიღებს თქვენი მოთხოვნებს, მათ გაფართოებს მექანიკური, და შემდეგ გაფართოებს საბოლოო, ფანტასტიკური შედეგს. ვფიქრობ, რომ ეს არის თქვენი AI- ის ტვინის არასამთავრობო კონცენტრაცია, მზად მიიღოს ბრძანებებს, სანამ თქვენ გთხოვთ, რომ "შემოთ" .

თქვენ უბრალოდ გაქვთ ამ “whoa” დრო?თუ არა, გთხოვთ გაიგოთ თქვენთვის:you just wired up a full AI agent loop using the OpenAI Agents SDK + Bright Data’s MCP server + Gemini!

ახლა თქვენ მზად ვხედავთ სრული კოდი, ყველა ერთად, როგორც ლამაზი Frankenstein's Monster of AI ავტომატაცია.

ნაბიჯი #6: დააყენეთ ყველა ერთად

ეს არის თქვენი საბოლოო Python სკრიპტი OpenAI Agents SDK + MCP ინტეგრირებისთვის (გუმჯობესებული Gemini ფული გადარჩენა ):

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())

მხოლოდ 81 ხაზის კოდი. და რა თქვენ მიიღებთ? AI- ის მენეჯერი, რომელიც შეუძლია ინტერნეტში surfing, ანტი-ბოტიის გადახურვა, რეალურ დროში მონაცემების მოპოვება და პასუხისმგებლობა - როგორც ეს არ არის დიდი მნიშვნელობა. მაშინაც კი Superman შეიძლება იპოვოს ეს ერთი. ♂️

მადლობა ახალიProtokollsდა dev-first ინსტრუმენტები, როგორიცაა OpenAI Agents SDK და Bright Data MCP, AI ავტომატაცია ახლა ... თითქმის ძალიან მარტივი.

Step #7: ტესტირება MCP-Powered AI Agent

დაიწყეთ თქვენი AI ადმინისტრატორი ტერმინალში ერთად:

python agent.py

ან Linux / macOS:

python3 agent.py

თქვენ მიიღებთ მეგობრული მოთხოვნა, როგორიცაა:

Your request ->

მაგალითად, შეამოწმეთ, რა MCP ინსტრუმენტები ის აქვს:

What tools are you linked to through MCP?

თქვენ მიიღებთ უკან რაღაც, როგორიცაა:

როგორც ხედავთ, თქვენი AI- ის მენეჯერი იცის ყველა Bright Data MCP- ის ინსტრუმენტებს, რომლებიც შეუძლიათ კავშირი - და ეს არის მზად გამოიყენოს მათ!

რა თქმა უნდა, ახლა არის დრო, რომ გათავისუფლოთ ცხოველს! გთხოვთ, რომ ამ სინათლის MCP ინსტრუმენტებს საბოლოო ტესტირება: ბრძანეთ თქვენი AI- ის მენეჯერი, რომ Amazon P5 გვერდზე ზოგიერთი ხიდი მონაცემები :

იმისათვის, რომ გააკეთოთ ეს, გთხოვთ გააკეთოთ ეს სწრაფად:

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

გააკეთეთ ეს და შედეგები იქნება:

განსაკუთრებით გამომავალი უნდა იყოს არაფერი, როგორც:

{
  "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.და არა მხოლოდ ნებისმიერი საიტზე - Amazon არის ცნობილია, რომ რთული scrape thanks to aggressive CAPTCHAs და ანტი-ბოტი დაცვა.

როგორ მუშაობს ეს? სინათლის შემდეგ, AI- ის მენეჯერი მოვუწოდაweb_data_amazon_productMCP ინსტრუმენტი — ერთ-ერთი წინასწარ აშენებული ენერგიის ინსტრუმენტი, რომელიც Bright Data MCP სერვერზე გამოჩნდა. იგი გააკეთა მშრალი სამუშაო: CAPTCHA- ს გადაწყვეტა, bot- ის აღჭურვილობა და პროდუქტის მოპოვება.

და ეს არ დასრულებს აქ!

ეს scraped მონაცემები? თქვენ შეგიძლიათ გამოიყენოთ ეს, რათა მოითხოვოთ AI- ის მენეჯერი შემდგომი ანალიზი, შექმნის უფრო რთული შეტყობინებები. საბოლოოდ, AI- ის მენეჯერი შეუძლია თავისუფლად აირჩიოთ და მეშვეობით ინსტრუმენტები მისი MCP-powered ინსტრუმენტები, ასე რომშესაძლებლობები ნამდვილად უამრავი️

ამ სიმძლავრის გამოყენებით, ესმსოფლიო არის თქვენი!(სამთავრობით, ეს არ არის Tony Montana)

ბოლო მიმოხილვა

ახლა თქვენ იცით, თუ როგორ უნდა გადატვირთოთ ნებისმიერი AI- ის მენეჯერი, რომელიც შეიქმნა OpenAI Agents SDK- ის გამოყენებით - თუ ის იყენებს GPT, Gemini, ან რა თქმა უნდა - მას MCP სერვერზე.

განიხილეთ, თუ რამდენად ძლიერიBright Data MCP serverმხოლოდ ერთ-ერთიბევრი მომსახურება, რომელიც ჩვენ აშენდა, რათა მხარს უჭერს რეალურ სამყაროში AI სამუშაო ფართობი.

Bright Data- ში, ჩვენი მიზნით არის მარტივი: გააკეთოთ AI- ის ხელმისაწვდომია ყველასთვის, ნებისმიერ ადგილას. ასე რომ, მომდევნო დროს – შენარჩუნეთ სასიამოვნო, შენარჩუნეთ ძალისხმევა და მუდმივად შექმნათ AI- ის მომავალი შექმნით.