如何将 goose 连接到 Bright Data 的 Web MCP

在本文中，你将了解：

goose 是什么以及它的独特之处。
为什么将 Bright Data 的 Web MCP 集成到 goose 中可以让其 AI 代理强大得多。
如何将 Web MCP 连接到 goose Desktop。
如何将 Bright Data 的 Web MCP 集成到 goose CLI。

让我们开始吧！

什么是 goose？

goose 是一个开源、可扩展的 AI 代理，旨在从头到尾自动化复杂的软件开发任务。

与传统代码助手不同，goose 不只是建议代码片段。相反，它可以自主构建完整项目、编写和执行代码、调试故障、编排工作流，并与外部 API 交互。

goose 的特别之处在于它可与大多数 LLM 配合使用，支持用于性能和成本优化的多模型配置，并支持技能以及与 MCP 服务器的集成。它的目标是提升你的生产力，无论你是在制作原型、优化代码，还是管理复杂的工程流水线。

该解决方案既可作为桌面应用程序，也可作为 CLI 工具使用。在撰写本文时，它在 GitHub 上拥有 25.8k 颗星：

GitHub 星标的稳定增长表明了社区的高度认可和广泛采用。

为什么用面向 Web 的能力扩展 goose AI 代理

无论集成到 goose 中的 LLM 多么先进，它仍然与所有语言模型共享一个关键限制：静态知识。

LLM 只能基于其训练所用的数据生成答案。问题在于，LLM 训练数据代表过去的一个静态快照。在快速变化的技术环境中，这些信息可能很快过时。因此，AI 模型可能会建议已过时的开发实践。

goose 通过支持经由扩展连接到第三方提供商来克服该限制。这些扩展可用于访问外部数据和资源、添加新功能等。定义 goose 扩展的最简单方式之一是通过 MCP。

例如，通过将 goose 与 Bright Data 的 Web MCP 集成，底层 AI 代理可以实时访问最新的教程、文档和指南。这之所以可能，是因为 Web MCP 提供超过 60 个 AI 就绪工具，用于自动化网页数据收集、结构化数据提取和网页交互。

即使在免费层级上，你也可以访问这两个强大的工具（以及它们的批量版本）：

工具	描述
`search_engine`	以 JSON 或 Markdown 格式检索 Google、Bing 或 Yandex 结果。
`scrape_as_markdown`	将任何网页抓取为干净的 Markdown，绕过反机器人措施。

但 Web MCP 在 [Pro 模式](https://github.com/bright-cn/brightdata-mcp?tab=readme-ov-file#-pricing, modes)下真正大放异彩，它提供高级工具，用于从 Amazon、LinkedIn、YouTube、TikTok、Zillow、Google Maps 等平台进行结构化数据提取，以及自动化浏览器操作。

Bright Data Web MCP + goose 集成允许 AI 代理：

在网络上搜索准确信息。
获取最新教程或文档页面并从中学习。
即时抓取真实网站，用于测试、模拟或分析。
做更多事情……

将 goose Desktop 与 Bright Data 的 Web MCP 集成

在本指导部分中，你将学习如何在由 goose 驱动的 AI 代理中利用 Web MCP 能力。无论你配置哪个 AI 提供商，此设置都能提供增强的、网页数据就绪的 AI 体验。

请按照以下说明操作！

先决条件

要跟随本教程部分进行操作，请确认你具备：

机器上已安装 Node.js（推荐最新 LTS 版本），用于在本地运行 Web MCP 服务器。
来自众多 goose 支持的 AI 提供商之一的 API 密钥（在本例中，我们将使用 OpenAI）。
已设置 API 密钥的 Bright Data 账户。

熟悉MCP 协议的工作方式以及 Web MCP 服务器公开的工具也会有所帮助。

注意：确保 Node.js 是通过官方安装程序安装并位于默认系统路径中（而不是通过 nvm 或类似解决方案安装）。否则，在 goose 中连接到自定义 MCP 服务器时，应用程序可能会因如下错误而失败：

Failed to add extension: process quit before initialization: stderr =

暂时不用担心设置 Bright Data 账户，因为我们稍后会在专门步骤中介绍。

步骤 #1：安装并配置 goose Desktop

首先下载适用于你的操作系统的正确 goose Desktop 安装程序。打开它，并启动应用程序。你应该会看到如下内容：

在“Quick Setup with API”密钥部分，粘贴你首选 AI 提供商的 API 密钥。在本例中，我们将使用 OpenAI API 密钥：

按右箭头（“→”）按钮，“Choose Model”模态框将出现：

在这里，你需要选择模型提供商和一个具体模型。由于我们配置了 OpenAI API 密钥，提供商将自动设置为“OpenAI”。然后，选择一个模型，例如“gpt-5-mini。”

点击“Select model”按钮确认后，你应该会进入 goose 主屏幕：

注意模型更改通知，确认模型已成功更新。

注意：为避免 Windows 上的安全问题，请确保在下载的 goose 文件夹上运行以下命令，以解除所有文件的阻止：

Get-ChildItem -Path "<YOUR_GOOSE_PATH>" -Recurse | Unblock-File

例如，<YOUR_GOOSE_PATH> 可以是 C:\Users\<YOUR_USERNAME>\Downloads\goose-win32-x64。然后，重启应用程序。

做得好！你现在已经有一个配置完整、可随时使用的 goose 应用程序。

步骤 #2：开始使用 Bright Data Web MCP

在将 goose Desktop 连接到 Bright Data 的 Web MCP 之前，请检查你的本地机器是否可以运行 MCP 服务器。

首先，你需要一个 Bright Data 账户。如果你已经有一个，只需登录。为了快速设置，请按照控制面板的“MCP”部分中的说明操作：

如需更多指导，请参考以下说明。

首先生成你的 Bright Data API 密钥。将其存放在安全位置，因为你很快将使用它来将你的本地 Web MCP 实例与 Bright Data 账户进行身份验证。

然后，通过 @brightdata/mcp 包在你的机器上全局安装 Web MCP：

npm install -g @brightdata/mcp

通过执行以下命令验证 MCP 服务器在本地运行：

API_TOKEN="<YOUR_BRIGHT_DATA_API>" npx -y @brightdata/mcp

或者，在 PowerShell 中等效地执行：

$Env:API_TOKEN="<YOUR_BRIGHT_DATA_API>"; npx -y @brightdata/mcp

将 <YOUR_BRIGHT_DATA_API> 占位符替换为你的 Bright Data API 令牌。这两个（等效）命令会设置 API_TOKEN 环境变量（这是必需的）并在本地启动 Web MCP 服务器。

如果成功，你应该会看到类似如下的输出：

默认情况下，在首次启动时，Web MCP 会在你的 Bright Data 账户中创建两个区域：

mcp_unlocker：用于网络解锁器的区域。
mcp_browser：用于浏览器 API的区域。

这两个区域为 Web MCP 中可用的 60+ 个工具提供支持。

要验证这些区域是否已创建，请前往 Bright Data 控制面板中的“代理与抓取基础设施”页面。你应该会在表格中看到两个区域：

Web MCP 在启动时创建的 mcp_unlocker 和 mcp_browser 区域

现在，请记住，在 Web MCP 免费层级中，只有 search_engine 和 scrape_as_markdown 工具（以及它们的批量版本）可用。

要解锁所有工具，请通过设置 PRO_MODE="true" 环境变量启用 Pro 模式：

API_TOKEN="<YOUR_BRIGHT_DATA_API>" PRO_MODE="true" npx -y @brightdata/mcp

或者，在 Windows 上：

$Env:API_TOKEN="<YOUR_BRIGHT_DATA_API>"; $Env:PRO_MODE="true"; npx -y @brightdata/mcp

Pro 模式会解锁全部 60+ 个工具，但它不包含在免费层级中，并且[会产生额外费用](https://github.com/bright-cn/brightdata-mcp?tab=readme-ov-file#-pricing, modes)。

很好！你现在已经验证 Web MCP 服务器可在你的机器上工作。终止该进程，因为接下来你将配置 goose 在本地启动服务器并连接到它。

步骤 #3：将 Web MCP 配置为 goose 扩展

在 goose Desktop 中连接到外部 MCP 服务器的官方方式是将其添加为自定义扩展。

为此，请点击左侧菜单中的“Extensions”：

接下来，选择“Add custom extension”按钮：

按如下所示填写“Add custom extension modal”：

Extension Name：“Bright Data”
Description：“用实时、可靠的公共网页数据访问能力增强你的 AI 模型和代理。”
Command: npx -y @brightdata/mcp
Timeout: 300.
Environment Variables:

– API_TOKEN: <YOUR_BRIGHT_DATA_API_KEY>（将其替换为你的实际 Bright Data API 密钥值）

– PRO_MODE: true（可选；仅在你想启用 Pro Mode 时设置此项）

接下来，按“Add Extension”按钮继续。

“Bright Data”扩展将被添加并默认启用。如果它未启动，请自行切换该扩展以启用它。

这种方法本质上是告诉 goose 运行我们之前用于在本地启动 Web MCP 服务器的同一命令。goose 会为你执行该命令并自动连接到本地服务器，使代理能够访问其工具。

注意：类似地，除了在本地运行服务器之外，你也可以通过 Streamable HTTP 连接到远程 Bright Data Web MCP。此选项更适合企业级用例。

太棒了！goose 现在将能够连接到 Bright Data 的 Web MCP。

步骤 #4：验证 Web MCP 连接

截至撰写本文时，goose 不提供直接列出已连接工具的方法。也就是说，你可以使用一个简单技巧来验证一切是否正常工作。

前往 goose 主页，并点击底部聊天部分中的“autonomous”标签：

此设置控制 AI 代理在使用扩展公开的工具时的行为。默认情况下，它设置为“Autonomous”，这意味着 goose 可以使用扩展、修改文件和删除文件，而无需请求批准。

按“Manual”条目中的齿轮图标：

你将在“Permission Rules”模态框中看到已启用扩展的列表。选择“bright-data”这个扩展：

此时，goose 将列出 Web MCP 服务器公开的所有工具（允许你为每个工具单独配置权限）：

在此示例中，该列表包括 60+ 个工具，因为 Web MCP 服务器是在 Pro 模式下配置的。如果你以常规模式运行它，则只有四个免费工具（search_engine 和 scrape_as_markdown，以及它们的批量版本）可用。

从这里开始，你可以细粒度地配置计划使用的工具权限，也可以继续使用 Autonomous 模式。

太好了！goose 已成功连接到 Bright Data Web MCP。

步骤 #5：测试集成

要验证集成是否有效，想象你想创建一个需要最新文档信息的真实项目。这是单独一个 LLM 不会具备的东西。

为了提高准确性，你可以指示 AI 代理访问类似项目的 GitHub 页面、探索其文件、从中学习并生成所需结果。例如，测试如下提示词，以便在 Node.js 中开始使用 Bright Data 的搜索引擎 API 集成：

Given the following GitHub project: "https://github.com/luminati-io/bright-data-serp-api-nodejs-project", access it and identify the main GitHub file URLs. Extract structured information from these GitHub file URLs and use it to generate a simple Node.js project that automates integration with the SERP API through a dedicated function.

通常，LLM 可能不知道所有细节，并可能产生幻觉。相反，通过依赖官方 GitHub 信息，输出会变得准确得多。

具体来说，AI 代理应使用 Web MCP 工具从目标项目读取信息，然后使用专门的 GitHub 工具从仓库文件中提取结构化数据。

在 goose 中启动该提示词：

如你所见，代理调用“抓取为 Markdown”工具，首先读取官方仓库页面并以 LLM 就绪的 Markdown 格式返回它（这是用于 AI 代理摄取的理想格式）。

注意“抓取为 Markdown”工具的输出，它是目标页面的 Markdown 版本

从那里，它发现最重要文件的链接，并通过 Web MCP 中的高级“Web Data GitHub Repository File”工具访问它们。此工具会从给定的 GitHub URL 抓取结构化 JSON 数据：

最后，代理从检索到的数据中学习，并生成非常详细、带有上下文的说明来设置所需项目，包括带有清晰注释的代码。

瞧！得益于 Bright Data Web MCP 连接，你的 goose AI 代理现在比以往更强大，可以访问获得高质量结果所需的所有工具。

在 goose CLI 中连接 Bright Data Web MCP：分步教程

本指导部分将带你完成通过 goose 的 CLI 将 Bright Data Web MCP 集成到 goose 中的过程。

步骤 #1：安装并配置 goose CLI

首先按照适用于你的操作系统的官方说明安装 goose CLI。在安装过程中，goose configure 命令会自动执行：

此界面允许你配置你的 goose 设置。

现在，在“Configure Providers”选项上按 Enter，并按照说明设置你的 AI 提供商 API 密钥并选择你想使用的模型（在本例中为 gpt-5-mini）：

在该过程结束时，在 Windows 上，你应该会看到类似如下的输出：

C:\Users\<YOUR_USERNAME>\AppData\Roaming\Block\goose\config\config.yaml
goose CLI installation completed successfully!
goose is installed at: C:\Users\<YOUR_USERNAME>\.local\bin\goose.exe

这确认 goose 主配置文件已使用所需信息正确更新。将来，你既可以重新运行 goose configure 命令进行引导式设置，也可以直接编辑配置文件。

goose 配置文件位于：

macOS/Linux: ~/.config/goose/config.yaml
Windows: %APPDATA%\Block\goose\config\config.yaml

很好！你现在已经拥有一个可工作的 goose CLI 安装。

步骤 #2：配置 Bright Data 扩展

再次运行 goose configure，但这次选择“Add Extension”选项：

同样，请记住，定义自定义扩展是在 goose 中集成自定义 MCP 服务器的官方支持方式。用以下信息回答问题：

Extension name: “bright-data”
Description：“用实时、可靠的公共网页数据访问能力增强你的 AI 模型和代理。”
Command: npx -y @brightdata/mcp
Timeout: 300.
Environment variables:

– API_TOKEN: <YOUR_BRIGHT_DATA_API_KEY>（将其替换为你的实际 Bright Data API 密钥值）

– PRO_MODE: true（可选；仅在你想启用 Pro Mode 时设置此项）

如果你打开 goose 配置文件，将看到新添加的扩展：

请注意，该扩展应默认添加并启用。如果不是，请启动 goose configure，选择“Toggle Extensions”并手动启用它。

完美！Bright Data MCP 现在已完全集成到 goose CLI 中。

步骤 #3：测试集成

要验证集成是否有效，请使用以下命令启动 goose CLI：

goose session

这将启动一个 goose 会话，你可以在其中与连接到已配置扩展的底层 AI 代理聊天。尝试如下简单提示词：

Retrieve and present the main stats from the "https://github.com/block/goose" repository

这是普通 AI 模型自身无法处理的事情，因为它需要访问外部页面。连接 Bright Data Web MCP 工具后，这样的任务可以轻松完成。

输出将类似于：

注意 AI 代理如何使用 scrape_as_markdown 工具从实时 URL 及其仓库页面检索信息。响应与目标 GitHub 页面上可用的信息完全一致：

任务完成！你现在拥有一个由 goose 驱动的 CLI AI 代理，并通过 Bright Data Web MCP 能力进行了扩展，可用于网页探索、交互和数据检索。

结论

在这篇博客文章中，你学习了如何在 goose 中利用 MCP 集成，无论是通过其 Desktop 还是 CLI 应用程序。特别是，你看到了如何通过连接到 Bright Data 的 Web MCP 的扩展来扩展 goose AI 代理。

此设置为 goose AI 代理配备了强大的能力，例如网页搜索、结构化数据提取、实时网页数据检索和自动化网页交互。要构建更高级的工作流，请探索 Bright Data 面向 AI 的生态系统中提供的全套服务。

立即注册 Bright Data 账户，开始试用我们的 AI 就绪网页数据工具！

联系销售开始免费试用

支持支付宝等多种支付方式

Antonello Zanini

技术写作

5.5 years experience

Antonello是一名软件工程师，但他更喜欢称自己为技术传教士。通过写作传播知识是他的使命。

Expertise

Web 开发网页抓取 AI 集成

View all articles