Wanneer OpenAI hunAgents SDKEen paar weken geleden werden overal ontwikkelaars geprezen - en om goede redenen!Doe het werk
Maar in bijna dezelfde ademhaling,MCPexplodeerde op het toneel, snel de volgende hot trend in dit wilde AI-landschap. Dus, waarom niet deze twee powerhouses samen te breken?!
In deze gids,we're going to forge a formidable AI agentgebruik maken van de OpenAI Agents SDK en deze rechtstreeks aansluiten op de real-world tools die door een MCP-server worden geleverd.
Een snelle inleiding tot MCP + OpenAI Agents SDK-integratie
OpenAI Agents SDK is een van de meest populaire Python-toolsets voor het maken van intelligente AI-agenten, waardoor ze redeneren en handelen.Maar hier is de kicker: zonder externe informatie zitten ze vaak vast in een trainingsgegevensbubbel.
Denk aan MCP als de universele USB-C-poort voor uw AI, waardoor het een gestandaardiseerde manier is om in te schakelenIedereexterne gegevensbron of tool - lokale bestanden, API's, databases, u noemt het.
Het integreren van MCP met de OpenAI Agents SDK betekent dat uw agenten real-time, dynamische context krijgen, waardoor ze van slimme maar geïsoleerde robots worden omgezet in powerhouse data explorers en action-takers!
Een AI-agent bouwen met MCP-integratie met behulp van de OpenAI Agents SDK
Goed, genoeg theorie. je krijgt het - MCP overbelast AI-agenten zoals ze zijnIJzeren manIn zijn iconische metalen jurk.
In deze stap-voor-stap-sectie zullen we de OpenAI Agents SDK gebruiken - yep, de nieuwe Python SDK van OpenAI - om een AI-agent met MCP-integratie te bouwen.native MCP support, wat betekent dat uw agent kan gaan van slim naarSupermachtIn een seconde.
Nu, kleine vangst: de API van OpenAI is niet gratis. 😅 Dus in deze gids,we’ll run it using Gemini as the LLM engine instead(Maak je geen zorgen - we zullen je laten zien hoe je kunt wisselen in OpenAI of een ander model ook ).
Maar wacht - welke MCP-server gebruiken we?
Geweldige vraag! Om snel te beginnen, zijn we aan te sluitenBright Data MCP-server- een MCP-server gebouwd voor webautomatisering en gegevensopdrachten. Het stelt uw AI-agent in staat om te zoeken, te surfen, actie te ondernemen en real-time gegevens uit het web te extraheren - met ingebouwde stealth om CAPTCHA's enAnti-bot vallen.
Specifiek, hieronder zijn alle tools die worden ondersteund door de Bright Data MCP-server ️:
Tool |
Description |
---|---|
|
Scrape SERP data (from Google, Bing, Yandex, and more) |
|
Scrape a URL and return content in clean Markdown |
|
Scrape a URL and return full HTML content |
|
View tool usage during the current session |
|
Get Amazon product info by URL |
|
Fetch Amazon reviews for a product |
|
Grab LinkedIn profile data |
|
Fetch LinkedIn company data |
|
Get ZoomInfo company profile |
|
Fetch Instagram profile details |
|
Get Instagram post data |
|
Grab Instagram reel data |
|
Fetch comments from an Instagram post |
|
Extract Facebook post info |
|
Get Facebook Marketplace listings |
|
Scrape Facebook business reviews |
|
Fetch data from X (formerly Twitter) posts |
|
Get Zillow property listings |
|
Fetch Booking.com hotel listings |
|
Extract YouTube video metadata |
|
Navigate to a new URL in a virtual browser |
|
Go back one page in the browser |
|
Go forward one page in the browser |
|
Click a page element (needs selector) |
|
Get all links and selectors on the page |
|
Type into a form or input |
|
Wait for an element to appear |
|
Capture a screenshot of the current page |
|
Get raw HTML from the page |
|
Extract text content from the page |
search_engine
Scrape SERP-gegevens (van Google, Bing, Yandex en meer)
scrape_as_markdown
Een URL scrapen en inhoud retourneren in Clean Markdown
scrape_as_html
Een URL scrapen en volledige HTML-inhoud retourneren
session_stats
Tools gebruiken tijdens de huidige sessie bekijken
web_data_amazon_product
Krijg Amazon productinformatie door URL
web_data_amazon_product_reviews
Fetch Amazon reviews voor een product
web_data_linkedin_person_profile
Verzamel LinkedIn profielgegevens
web_data_linkedin_company_profile
Linkedin bedrijfsgegevens
web_data_zoominfo_company_profile
ZoomInfo bedrijfsprofiel openen
web_data_instagram_profiles
Fetch Instagram profiel details
web_data_instagram_posts
Krijg Instagram postgegevens
web_data_instagram_reels
Gebruik Instagram Real Data
web_data_instagram_comments
Fetch opmerkingen van een Instagram-post
web_data_facebook_posts
Extract Facebook post info
web_data_facebook_marketplace_listings
Krijg Facebook Marketplace-lijsten
web_data_facebook_company_reviews
Scrape Facebook Business beoordelingen
web_data_x_posts
Gegevens ophalen van X (voorheen Twitter) berichten
web_data_zillow_properties_listing
Krijg Zillow onroerend goed lijsten
web_data_booking_hotel_listings
Fetchop Booking.comHotellijstjes
web_data_youtube_videos
YouTube video metagegevens verwijderen
scraping_browser_navigate
Navigeren naar een nieuwe URL in een virtuele browser
scraping_browser_go_back
Ga terug naar één pagina in de browser
scraping_browser_go_forward
Ga één pagina vooruit in de browser
scraping_browser_click
Klik op een paginaelement (needs selector)
scraping_browser_links
Vind alle links en selectors op de pagina
scraping_browser_type
Type in een vorm of input
scraping_browser_wait_for
Wacht tot een element verschijnt
scraping_browser_screenshot
Een screenshot maken van de huidige pagina
scraping_browser_get_html
Krijg raw HTML van de pagina
scraping_browser_get_text
Tekstinhoud extraheren van de pagina
Zie hoe u uw AI-agent kunt krijgen om met de MCP-server te praten voor onbeperkte kracht!
Stap #1: project opzetten
Om samen met deze tutorial sectie te volgen, zorg ervoor dat u de volgende voorwaarden hebt:
- Python 3.10+ lokaal geïnstalleerd
- Node.js lokaal geïnstalleerd
- Een API-sleutel van een ondersteunde LLM-provider voor de OpenAI Agents SDK (we raden Gemini aan voor deze)
We zullen de saaie setup fluff overslaan en aannemen dat je al een Python-project hebt gemaakt met deze structuur:
/openai-agents-mcp
├── venv/
├── .env
└── agent.py
Nu, activeer uw virtuele omgeving (venv/
) en installeer de vereiste pakketten:
pip install openai-agents python-dotenv
Waar :
- openai-agents is de OpenAI Agents Python SDK – uw poort naar AI-agentmagie
- python-dotenv is voor het lezen van waarden uit een .env-bestand
Volgende: Openagent.py
Tijd om in die omgevingsvariabelen te lezen en voor te bereiden op de agentlancering:
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! je staat op en loopt met de basics.
Stap #2: Begin met de Bright Data MCP Server
Dus, jijWilt u dat uw AI-agent met een MCP-server praat?
Nou, raad eens wat – je hebt eerst een MCP-server nodig (ja,Kapitein duidelijkInformatie over de taak!
Zoals eerder vermeld, zullen we deBright Data MCP Servervoor dit deel. eerst,Grijp je API-sleutel en initialiser de server volgens de officiële Bright Data MCP-serverdocumenten.
Wanneer u klaar bent, start u de server met deze opdracht:
npx -y @brightdata/mcp
Als alles correct is geconfigureerd, ziet u een output die vergelijkbaar is met deze:
Checking for required zones...
Required zone "mcp_unlocker" already exists
Starting server...
Mooi!
Stel nu de omgevingsvariabelen in die de agent zal gebruiken om verbinding te maken met de Bright Data MCP-server..env
File en voeg deze twee regels toe:
BRIGHT_DATA_API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BRIGHT_DATA_BROWSER_AUTH="<BRIGHT_DATA_BROWSER_AUTH>"
Vervang de plaatshouders met de waarden die u hebt verkregen zoals uitgelegd in de Bright Data MCP-serverdocumenten.
Terug inagent.py
Lees in die twee inventies zo:
BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN")
BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH")
We zullen deze waarden binnenkort gebruiken bij het initialiseren van de MCP-verbinding vanuit code.
En net zoals dat - bam 💥 - uw MCP-server staat op, loopt en is klaar om uw AI-agent te dienen als een trouwe sidekick.
Stap #3: Maak je eigen AI-agent
Zoals gezegd in de introductie van deze sectie, zullen we Gemini (yep, Google's glanzende LLM) gebruiken met de OpenAI Agents SDK.
Eerst af -Kun je dat zelfs doen?De tweede -Waarom zou je OpenAI niet direct gebruiken?
ResponseJa, dat kan je wel! 🙂Gemini exposes an OpenAI-compatible API, wat betekent dat je het rechtstreeks kunt aansluiten op de OpenAI Agents SDK als een drop-in vervanging.It’s free—in tegenstelling tot OpenAI, die je graag door de token betaalt.
Dus, hier is waarom het logisch is om Gemini in plaats van OpenAI rechtstreeks te gebruiken! 💡
Genoeg chit-chat, laten we de dingen draaien ☀.Gemini API sleutel van Google AI Studioen pop het in je.env
Het bestand:
GEMINI_API_KEY="<YOUR_GEMINI_API_KEY>"
Daarna, inagent.py
Lees deze sleutel als volgt:
GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
Nu, bouw een functie die alles met elkaar verbindt - deGemini model, OpenAI SDK, and the MCP server(die we binnenkort in de code zullen configureren ️):
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
Als u een ander ondersteund model wilt gebruiken (zoals Claude, Mistral of andere modellen), wisselt u debase_url
en modelnaam dienovereenkomstig.
Extra: Wilt u OpenAI gebruiken in plaats daarvan? Geen probleem.OPENAI_API_KEY
Vervang de bovenstaande logica met:
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
Gemakkelijk wisselen, dezelfde interface – dat is de schoonheid van de SDK... 😎
En als je je afvraagt waar demcp_server
argument komt van – we zullen het in de volgende stap initialiseren ( 👇 spoiler alert).
Stap #4: Initialiseren van de MCP-server
Binnenin uwrun()
async-functie, de Bright Data MCP-server met behulpnpx
Zoals dit:
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...
️ Wat gebeurt er hier? Dit lanceert de MCP-servernpx -y @brightdata/mcp
, doorgeven in uw credentials via omgevingsvariabelen.
Opmerking: vergeet niet om te bumpclient_session_timeout_seconds
Twee180
seconden (default is5
) – omdatReal-time scraping, CAPTCHA oplossen en anti-bot ninja bewegingenuitgevoerd door de Bright Data MCP-server duurt tijd .
Het enige wat overblijft is om de AI-agentloop uit te schakelen... Laten we het omhullen.
Stap #5: Definieer de AI Agent Loop
In het asynchrone blok van de MCP-server drukt u een REPL (Read-Eval-Print) loop in zodat gebruikers hun verzoeken kunnen typen, ze via de MCP-aangedreven agent kunnen verzenden en de magie terug kunnen krijgen ✨:
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")
Dit kleine Python-snippet is het commandocentrum van je AI-agent. Het grijpt je verzoeken voortdurend vast, voedt ze aan de agent en spoelt vervolgens het uiteindelijke, glorieuze resultaat uit.
Heb je dat ‘whoa’ moment al gehad?Zo niet, laat ik het voor je uitleggen:you just wired up a full AI agent loop using the OpenAI Agents SDK + Bright Data’s MCP server + Gemini!
Nu ben je klaar om de volledige code te bekijken, allemaal samengevoegd als een prachtig monster van AI-automatie van Frankenstein.
Stap #6: Doe het allemaal samen
Dit is uw laatste Python-script voor OpenAI Agents SDK + MCP-integratie (gedreven door Gemini om geld te besparen ):
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())
Een AI-agent die het web kan surfen, anti-bots kan omzeilen, real-time gegevens vangt en terug praat - alsof het geen grote zaak is.
Dankzij de nieuweDe protocollenEn ontwikkelaars-eerste tools zoals OpenAI Agents SDK en Bright Data MCP, AI automatisering is nu... bijna te gemakkelijk.
Stap #7: Test de MCP-Powered AI Agent
Voer uw AI-agent vanuit de terminal uit met:
python agent.py
Voor Linux en macOS:
python3 agent.py
U wordt begroet door een vriendelijke prompt zoals:
Your request ->
Probeer bijvoorbeeld de agent te vragen welke MCP-tools het heeft:
What tools are you linked to through MCP?
Je krijgt terug iets als:
Zoals u kunt zien, is uw AI-agent zich bewust van alle Bright Data MCP-tools waarmee hij verbinding kan maken - en het is klaar om ze te gebruiken!
Laten we die glanzende MCP-tools op de ultieme test zetten: bestel uw AI-agent om wat sappige gegevens van de Amazon P5-pagina te schrapen :
Om dit te bereiken, geef het een prompt zoals:
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
Doe dit en het resultaat zal zijn:
In het bijzonder moet de output iets zijn als:
{
"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¤cy=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.En niet alleen elke site - Amazon is beruchte moeilijk te scrapen dankzij agressieve CAPTCHA's en anti-bot verdedigingen.
Dus, hoe werkte dat? Achter de schermen riep de AI-agent op deweb_data_amazon_product
MCP-tool – een van de vooraf ingebouwde power tools blootgesteld door de Bright Data MCP-server. Het deed het vuile werk: het oplossen van CAPTCHAs, het omzeilen van botdetectie en het ophalen van de goederen.
En het stopt daar niet!
Dat gesneden gegevens? U kunt het gebruiken om de AI-agent om verdere analyse te vragen door meer complexe aanwijzingen te maken.De mogelijkheden zijn echt eindeloos️
Met zo’n krachtige uitstraling, deDe wereld is van jou!(Just don’t go full van Tony Montana)
Laatste gedachten
Nu weet je hoe je elke AI-agent die is gebouwd met de OpenAI Agents SDK kunt overladen - of het nu op GPT, Gemini of wat dan ook draait - door het aan te sluiten op een MCP-server.
In het bijzonder hebben we de machtigeBright Data MCP serverAlleen een van deVeel services die we hebben gebouwd om echte AI-werkstromen op schaal te ondersteunen.
Bij Bright Data is onze missie eenvoudig: AI toegankelijk maken voor iedereen, overal, dus tot de volgende keer – blijf nieuwsgierig, blijf moedig en blijf de toekomst van AI met creativiteit bouwen.