企业级 Airia AI 智能体与 Bright Data

在这篇博客文章中，你将了解：

Airia 是什么以及它提供哪些功能。
当连接到 Bright Data Web MCP 时，Airia 智能体如何变得更强大。
如何使用 Web MCP 与无代码 Airia 智能体构建器构建 Web 自动化流水线。

让我们开始吧！

什么是 Airia？

Airia 是一个企业 AI 平台，帮助组织从单一环境中构建、部署、保护和治理 AI 应用程序与智能体。

它结合了 AI 编排、安全、治理和工作流自动化。Airia 的最终目标是使技术团队和非技术团队都能创建由 AI 驱动的解决方案。此外，它还帮助公司扩展 AI 工作负载，发现和管理影子 AI，并在其现有技术栈中部署多模型系统。

主要功能

Airia 支持的核心能力包括：

智能体构建器：一种 Web 解决方案，可使用无代码、低代码或专业代码开发选项创建 AI 智能体。
AI 编排：在企业范围内设计、部署和管理 AI 工作流与智能体。
工作流自动化：使用 AI 自动化复杂业务流程和重复性任务。
企业集成：将 AI 智能体连接到数千个数据源、SaaS 平台、数据库和内部系统。
AI 安全：通过加密、访问控制和内置安全策略保护敏感数据。
AI 治理：监控 AI 使用情况，执行策略，保持可审计性，并支持法规合规。
治理控制面板：获得对 AI 活动、风险和合规状态的可见性。
审计轨迹报告：跟踪和审查整个组织内的 AI 交互与决策。
风险分类：根据组织风险级别对 AI 模型、智能体和数据进行分类。
分析和洞察：监控 AI 性能、使用情况、成本和运营影响。

为什么使用 Bright Data 的 Web MCP 扩展 Airia

毫无疑问，Airia 为构建、编排和治理 AI 智能体提供了强大的环境。尽管如此，许多企业工作流仍依赖于存在于公司边界之外的信息。

想想竞争对手情报、市场研究、潜在客户开发、价格监控、供应商分析、合规检查和趋势跟踪。所有这些用例都需要访问实时 Web 数据。

这给 AI 智能体带来了挑战。默认情况下，LLM 无法搜索 Web、检索实时信息或与现代网站交互。即使启用内置模型搜索工具，这些工具也经常存在可扩展性问题，并且难以访问许多网站。毕竟，在线平台越来越多地部署复杂的反机器人防护。

因此，智能体最终会缺乏做出明智决策和端到端自动化业务流程所需的外部上下文。解决方案是通过利用其 MCP 集成支持，为 Airia 智能体配备高级 Web 访问能力。

用于企业 Web 情报的 Bright Data Web MCP

Bright Data 的 Web MCP 使 Airia 智能体能够直接访问 Web 搜索、来源发现、数据提取和浏览器自动化工具。连接后，智能体可以自主搜索信息、抓取网站、收集结构化数据，并与网页交互。

Web MCP 暴露了 70 多个工具，这些工具与 Bright Data 基于 API 的产品交互。它提供[两个不同层级](https://github.com/bright-cn/brightdata-mcp?tab=readme-ov-file#-pricing, modes)：

Rapid 模式：一个免费计划，包括每月最多 5,000 次请求，以及用于 Web 搜索、网站发现和数据提取的一组核心工具。
Pro 模式：一个付费计划，可解锁 70+ 工具的完整目录，包括从 Amazon、LinkedIn、Yahoo Finance、Crunchbase、YouTube、Zillow、Google Maps 以及 40 多个其他来源等平台收集结构化数据。此外，它还提供高级浏览器自动化功能。

一些最相关的 Bright Data Web MCP 工具包括：

工具	描述	底层 Bright Data 产品
`search_engine`	执行 Web 搜索（在 Google、Bing、Yandex 等上）并以 JSON 返回搜索引擎结果	搜索引擎 API
`scrape_as_markdown`	检索网页内容并将其转换为干净的 Markdown 格式，同时绕过反机器人	解锁器 API
`discover`	使用 AI 驱动的相关性评分查找并排序相关网页	发现 API
`scraping_browser_navigate`	启动浏览器会话并导航到目标 URL	浏览器 API
`scraping_browser_click_ref`	点击给定页面上的元素	浏览器 API
`scraping_browser_screenshot`	捕获当前页面的屏幕截图，包括在需要时捕获整页截图	浏览器 API

重要提示：Bright Data 运营着全球基础设施，包括分布在 195 个国家/地区的超过 4 亿个住宅 IP。该网络为所有 Bright Data 服务提供动力，并实现企业级性能、高可用性、无限并发、大规模可扩展性和 99.99% 正常运行时间。

如何在 Airia Agent Builder 中使用 Web MCP 构建 Web 自动化流水线

在本分步部分中，你将学习如何使用 Airia Agent Builder 将 Bright Data 的 Web MCP 集成到智能体中。

具体来说，你将构建一个定价竞争对手分析智能体工作流，它会：

使用竞争对手的名称在线搜索其定价页面。
从竞争对手的网站抓取并提取定价信息。
从你自己产品的定价页面检索定价数据。
比较两个定价结构、计划和功能。
生成针对电子邮件投递优化的结构化 HTML 报告。
自动通过电子邮件发送报告。

注意：这只是你可以使用 Bright Data Web MCP 构建的一个企业就绪示例。

请按照以下说明操作！

先决条件

在继续下一步之前，请确保你拥有：

一个 Airia 账户（即使是免费试用也可以）。
一个配置了 API 密钥的 Bright Data 账户。按照官方指南生成 Bright Data API 密钥。
一个 Google 账户（用于自动化 Gmail 电子邮件发送）。

熟悉 MCP 的工作方式以及 Web MCP 服务器暴露的工具也会很有用。

第 #1 步：获取 Bright Data Web MCP 远程连接 URL

由于 Airia 在云端运行，你需要将其连接到 Bright Data Web MCP 服务器的远程版本。在创建 Airia 智能体之前，获取 Airia 将用于访问远程 Web MCP 服务器的远程连接 URL。

注意：Bright Data Web MCP 远程服务器专为企业场景构建。它支持无限并发连接和可扩展性，就像所有其他 Bright Data 服务一样。

首先，熟悉标准 Web MCP 远程连接 URL 格式：

https://mcp.brightdata.com/mcp?token=<YOUR_BRIGHT_DATA_API_KEY>&pro=1

将 <YOUR_BRIGHT_DATA_API_KEY> 占位符替换为你的实际 Bright Data API 密钥。token 参数对发送到 Web MCP 服务器的请求进行身份验证，并将其链接到你的 Bright Data 账户。

在上述 URL 格式中，&pro=1 参数是可选的：

不带 &pro=1：你只能访问免费工具，其中包括 Rapid 模式下每月最多 5,000 次请求。
带 &pro=1：你可以访问 70+ 工具和高级能力的完整目录。标准 Bright Data 使用费用适用。

如果你需要更多控制，例如仅启用特定工具或工具组，你可以直接从 Bright Data 控制面板生成自定义 MCP 连接 URL。

登录你的 Bright Data 账户并导航到 “AI Gateways > MCP” 页面。然后，按照设置向导配置你的 MCP 服务器。在这里，你可以生成自定义 Web MCP 连接 URL：

复制 “Streamable HTTP” 连接 URL，或按前面描述的方式填充 URL。你将在下一步需要它，以便将 Bright Data Web MCP 连接到你的 Airia 智能体。太好了！

第 #2 步：在 Airia 中配置 Web MCP 连接

首先登录 Airia。从左侧导航菜单，进入 “Studio > Projects > Default Project” 页面：

在 “Default Project” 页面上，打开 “MCP & Tools” 选项卡并点击 “New Tool” 按钮：

这会将你带到 “Tools” 页面，你可以在此配置到 MCP 服务器的连接。点击 “Add a New Tool” 下拉菜单并选择 “Add an MCP 服务器”：

在 “Connect to Custom MCP 服务器” 对话框中，为连接提供一个名称（例如，“Bright Data Web MCP”）并按如下方式填写表单：

URL：粘贴你的 Web MCP 连接 URL。
Credential type：选择 “None”（因为身份验证通过 URL 的 token 参数中包含的 Bright Data API 密钥处理）。

点击 “Connect MCP 服务器” 创建连接。设置完成后，你应该会在 “MCP (Legacy)” 部分下看到你的新条目：

注意 “MCP (Legacy)” 部分中的 “Bright Data Web MCP” 条目

太棒了！Bright Data Web MCP 现在可供你的 Airia 智能体使用。

第 #3 步：定义你的 Airia 智能体

返回 “Default Project” 页面，打开 “Agents” 选项卡，并点击 “Add a New Agent > Create from Scratch”：

点击 “Add a New Agent > Create from Scratch” 按钮

给你的智能体一个描述性名称，例如 “Web Data Access Agent”。默认情况下，智能体画布包含三个块：

Input：以文本或图像形式接收用户输入。
AI Model：连接到 AI 模型（默认是 Claude Haiku 4.5），该模型根据你的指令处理输入。
Output：返回智能体生成的最终响应。

接下来，添加一个 Gmail 操作，智能体可用它来发送电子邮件。点击左侧边栏中的 “Add to Canvas”，打开 “Actions” 类别，并将 “Gmail Message Send” 块拖到画布上：

将 “Gmail Message Send” 块放置在 “AI Model” 和 “Output” 之间。你的智能体工作流将是：

完美！你的智能体基本结构现在已经就位。在下一步中，你将配置每个块并定义智能体的行为。

第 #4 步：配置 Input 块

此智能体需要两个输入变量：

pricing_page_url (URL)：你公司定价页面的 URL。
competitor_name (Text)：你想监控其定价的竞争对手名称。

pricing_page_url 变量让智能体能够直接从你的网站检索定价信息。competitor_name 变量使智能体能够在 Web 上搜索竞争对手的定价页面和相关信息，然后提取相关数据。在两种情况下，这些操作都由 Bright Data 的 Web MCP 工具支持。

要定义这些变量，请选择 “Input” 块。在 “INPUT VARIABLES” 部分，点击 “+ Create” 并通过为变量指定名称和类型来填写表单。完成后，点击 “✓” 按钮保存：

对 competitor_name 重复相同过程。完成后，你应该会在 “Input” 块中看到列出的两个输入变量：

“pricing_page_url” 和 “competitor_name” 输入变量

太好了！你的自动化竞争对手定价分析智能体的输入层现在已准备就绪。

第 #5 步：设置 AI Model 块

首先将 Bright Data Web MCP 工具连接到 “AI Model” 块。

选择 “AI Model block” 并打开 “Tools” 选项卡。在 “SELECT TOOLS or MCPs” 字段中，选择你之前配置的 Bright Data Web MCP 连接：

选择后，Web MCP 工具将可供 AI 模型使用：

接下来，切换到 “Model” 选项卡并定义智能体的指令。要引用之前创建的输入变量，请点击 “Instructions” 编辑器内部，并使用左侧的 “Variables” 面板插入 competitor_name 和 pricing_page_url 变量：

最终提示词将是：

Search online for the pricing page of the company "{{Variables.competitor_name}}".
Scrape the pricing page in Markdown. If the pricing page does not contain clear pricing information, search for additional reliable sources online and extract the missing pricing details.
Next, scrape the pricing information from the page "{{Variables.pricing_page_url}}".
Finally, compare the pricing data from both sources and generate a concise, responsive HTML report optimized for email delivery. The report should clearly present pricing plans, included features, and the key differences between the two offerings.
Return only the raw HTML string. Do not include any explanations, Markdown, code fences, or additional text.

此提示词指示智能体查找并分析两个定价页面，从可靠的在线来源收集任何缺失的定价信息，比较两种产品，并生成一份适合电子邮件的 HTML 报告，总结计划、功能和定价差异。

做得好！“AI Model” 块现在可以执行由 Bright Data Web MCP 支持的自动化竞争对手定价分析。

第 #6 步：配置 Gmail Message Send 块

最后一步是设置 “Gmail Message Send” 块。这使智能体能够在工作流结束时自动通过电子邮件发送生成的竞争对手定价报告。

选择 “Gmail Message Send” 块。然后，打开 “Select a credential” 下拉菜单并选择 “Create a new credential”：

按下 “Sign in with Google” 并授予所需权限。在这种情况下，唯一需要的权限是 “Send Emails (Gmail)”：

完成 Gmail 集成向导，将你的 Airia 智能体连接到你的 Google 账户。

连接建立后，按如下方式配置 “Gmail Message Send” 块：

Subject：Competitor Pricing Report
Body：{{Inputs.AI_Model.Value}}（这样，电子邮件正文包含由 “AI Model” 块生成的 HTML 报告。）
Is HTML Enabled：true（因为 AI 被指示返回 HTML）
To：竞争对手定价分析报告将发送到的电子邮件地址。

很酷！你的 Airia 智能体现在拥有执行自动化竞争对手定价分析、生成比较报告并直接通过电子邮件发送所需的所有组件。

第 #7 步：启动智能体工作流

点击右上角的 “Publish” 按钮以部署你的智能体：

然后，点击左侧的 “Open Playground” 按钮，开始与你的智能体交互：

对于此示例，假设你是 ClickUp 公司，并希望定期接收类似 Asana 这样的公司的竞争对手定价分析。

在 “Playground” 区域中，打开 “Variable Values” 部分。在那里，你将能够填写第 #4 步中定义的输入变量。这些值将传递给 “AI Model” 块，并用于启动智能体工作流。按如下方式填写输入字段：

pricing_page_url：https://clickup.com/pricing
competitor_name：Asana

通过输入一个简单提示词（例如 “Perform the task”）来启动工作流，然后点击发送按钮。这是你应该看到的内容：

如果一切设置正确，所有块都会变为绿色，你将在配置的收件箱中收到电子邮件。开始了！

第 #8 步：探索输出

检查你之前配置的目标收件箱中收到的电子邮件。你应该会注意到一封 “Competitor Pricing Report” 电子邮件：

这就是你的 Airia 竞争对手分析智能体发送的电子邮件。打开它，你会看到一份详细的、数据驱动的定价比较报告：

正如预期，输出被格式化为 HTML 报告。提取的信息与目标网站的定价数据相匹配。看看 ClickUp 定价页面：

以及动态发现的 Asana 定价页面：

这确认了智能体成功检索了所需的定价数据。

第 #9 步：了解智能体的工作方式

要验证 Airia 智能体是否使用 Bright Data Web MCP 正确检索了数据，请返回 Airia 智能体页面。点击右上角的 “See your previous Agent executions” 按钮，并选择最近一次执行：

在 Steps 部分，你可以准确看到智能体在执行期间做了什么：

具体来说，智能体：

读取输入变量并将它们传递给 AI 模型。
使用 Web MCP 中的 search_engine 工具检索 “Asana pricing” 查询的 Google 搜索引擎结果（解析为 JSON）。在幕后，这会调用 Bright Data 的搜索引擎 API。
分析返回的搜索引擎 JSON，并识别相关的 Asana 定价页面。
使用 scrape_as_markdown 工具抓取页面，该工具由 Bright Data 的网络解锁器 API 支持。由于页面已经包含所需的定价数据，因此不需要额外搜索。
使用相同的 scrape_as_markdown 工具爬取输入的 ClickUp 定价页面。
将所有提取的数据聚合成结构化 HTML 报告。
使用 “Gmail Message Send” 块通过电子邮件发送最终报告。