通过 Bright Data Web MCP 赋予 Pi Agent 探索并与 Web 交互的工具

在这篇博客文章中，你将了解：

• Pi 是什么，以及它作为 CLI 代理解决方案带来了什么。
• 为什么使用 Web 访问工具扩展它会让它强大得多。
• 如何使用 Bright Data Web MCP 集成在 Pi Agent 中启用这些能力。

让我们开始吧！

什么是 Pi？

Pi，也称为 Pi Agent 或 Pi Coding Agent，是一个可扩展的 CLI 代理。它的目标是帮助你直接在终端中运行 AI 驱动的编码工作流。

与其他将你锁定在规划模式或子代理等固定功能中的 CLI 代理不同，Pi 的核心保持轻量。相反，它允许你通过 TypeScript 扩展、技能、提示模板和插件来扩展一切。

Pi 的特别之处在于它的灵活性，因为你可以塑造它的行为、工具，甚至 UI。它支持多个 LLM 提供商、会话树以及自定义原语，使它更接近可编程代理运行时，而不是固定的 CLI 助手。

这种针对 CLI 代理的极简方法受到了社区的广泛认可，该项目已达到超过 63k 个 GitHub 星标。它还超过了 npm 上每周 170 万次下载。

主要功能

Pi Agent 提供的关键能力包括：

• 完整的可扩展性模型：修改几乎每一层（例如，工具、历史处理、压缩、UI 和上下文注入），以构建完全自定义的代理行为。
• 多提供商 LLM 支持：可与 OpenAI、Anthropic、Google、Azure、Bedrock 等配合使用，并且可以在会话中轻松切换模型。
• 交互式 CLI 代理：一个完整的基于终端的编码代理，具备实时工具使用、上下文感知和对话控制能力。
• 会话树管理：将对话存储为分支，允许你回退、分叉并探索替代执行路径。
• 技能系统：动态加载 Agent 技能，以便在不膨胀上下文窗口的情况下扩展代理。
• 提示模板和自定义命令：定义可复用的提示，可通过斜杠命令触发，以加快工作流。
• Print、RPC 和 SDK 模式：通过结构化输出或程序化 API，在脚本、后端服务或嵌入式应用中使用 Pi。

为什么 Pi Coding Agent 需要可靠的 Web 访问

无论你在 Pi 中配置哪个 LLM，底层编码代理仍然面临语言模型的一个常见限制：知识过时。LLM 只能基于它训练所用的静态数据生成响应，而这些数据本质上是过去的快照。

考虑到技术格局演变的速度，这一限制变得至关重要。模型可能会建议过时的编码模式，依赖已弃用的方法，或者完全错过新发布的功能。

这为你的 Pi Agent 设置中的编码和自动化任务造成了明显瓶颈。即使你添加了基本的 Web 搜索工具，它们在规模化时也往往不可靠，并且可能被许多网站使用的反机器人保护机制阻止。

现在想象一下，Pi Coding Agent 能够可靠地获取最新的教程、文档和指南，并实时从中学习。它还可以对网页截图以进行视觉分析，与网站交互，并直接从 CLI 执行复杂得多的工作流。

这正是借助 Bright Data 的 Web MCP 服务器可以实现的！

Bright Data Web MCP 作为解决方案

Bright Data Web MCP 暴露了 70 多个工具。在底层，这些工具与 Bright Data 的基于 API 的产品交互。

Web MCP 带有[两种模式](https://github.com/bright-cn/brightdata-mcp?tab=readme-ov-file#-pricing, modes)：

• Rapid 模式：一个免费层级，每月最多 5,000 次请求，并提供有限的一组用于 Web 搜索、抓取和发现的工具。
• Pro 模式：一个付费层级，可解锁全部 70+ 工具，包括从 Amazon、LinkedIn、Yahoo Finance、YouTube、Zillow、Google Maps 以及 40+ 其他平台提取结构化数据，以及完整的浏览器自动化能力。

最相关的 Bright Data Web MCP 工具包括：

Bright Data 的独特之处在于其覆盖 195 个国家/地区的 400M+ 住宅 IP 全球网络。这一基础设施是其所有产品的基础，旨在提供企业级可靠性，支持无限并发、海量可扩展性，以及由 SLA 支持的 99.99% 正常运行时间。

如何在 Pi Agent 中设置 Bright Data Web MCP

在这个分步教程部分中，你将被引导完成在 Pi Agent 中配置 Bright Data Web MCP 集成。这样，底层编码代理将获得 Web 发现、爬虫和浏览器自动化能力。

请按照以下说明操作！

先决条件

要跟随本部分操作，请确保你具备：

• 本地已安装 Node.js（推荐使用最新 LTS 版本）。
• 来自 Pi Agent 支持的众多 LLM 提供商之一的 API 密钥（本指南中我们将使用 OpenAI API 密钥）。
• 一个带有 API 密钥的 Bright Data 账户。按照官方指南生成 Bright Data API 密钥。

虽然不是严格必需，但熟悉 MCP 的工作方式以及 Bright Data Web MCP 工具也会有所帮助。

第 #1 步：安装 Pi

通过运行以下命令使用 npm 安装 Pi：

npm install -g, ignore-scripts @earendil-works/pi-coding-agent

这会全局安装 @earendil-works/pi-coding-agent 包，它会在你的系统上注册 pi 命令。

如果你更喜欢其他安装方法，例如 PowerShell、cURL 安装程序、pnpm、Yarn 或 Bun，请参考官方文档。

安装完成后，使用以下命令启动 Pi Coding Agent：

pi

第一次运行该命令时，你应该会看到类似这样的内容：

返回的消息表示 Pi 中当前没有配置任何 AI 提供商。在下一步中，你将了解如何连接并配置一个！

第 #2 步：配置 LLM

通过运行以下命令在 Pi Coding Agent 中配置 LLM：

/login

Pi 会提示你为首选 LLM 提供商选择身份验证方法。在这种情况下，选择“使用 API 密钥”：

接下来，选择你的 AI 提供商。在本指南中，我们将使用 OpenAI：

在提示时粘贴你的 OpenAI API 密钥：

如果一切按预期进行，Pi 将使用 OpenAI 进行身份验证，并将你的 API 密钥安全地存储在其配置中。然后，它会自动为你选择一个默认模型（本示例中为 gpt-5.4）。

随后你应该会看到类似以下的确认消息：

要稍后更改模型，请运行：

/model

然后从可用选项中选择你想使用的模型：

做得好！Pi 现在已在你的机器上安装并配置完成。

第 #3 步：添加 Pi MCP Adapter 扩展

默认情况下，Pi 带有一个最小设置，并且不内置 MCP 支持。要启用 MCP 集成，请使用此命令安装 pi-mcp-adapter 扩展：

pi install npm:pi-mcp-adapter

扩展安装完成后，重启 Pi。pi-mcp-adapter 扩展期望 MCP 配置文件位于以下任一位置：

• 项目目录中的 .mcp.json，或
• ~/.config/mcp/mcp.json（Windows 上为 %USERPROFILE%/.config/mcp/mcp.json）。

该文件包含你的 MCP 服务器配置。你可以手动创建配置文件，或通过运行以下命令让 Pi 为你生成：

/mcp setup

然后，选择“Scaffold project .mcp.json”选项：

Pi 会在你的项目目录中创建一个 .mcp.json 文件。打开它，你会看到：

{
  "mcpServers": {}
}

完美！Pi Coding Agent 现在可以充当 MCP 客户端，并向底层 AI 代理暴露 MCP 工具。

第 #4 步：开始使用 Bright Data 的 Web MCP

在将 Bright Data 的 Web MCP 连接到 Pi Agent 之前，请验证 MCP 服务器能在你的机器上正确运行。有关更多详细信息，请参考 Web MCP 文档。

首先使用以下命令全局安装 Web MCP：

npm install -g @brightdata/mcp

在 Linux、macOS 或 WSL 上，使用以下命令启动 Bright Data Web MCP 服务器：

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

或者，在 PowerShell 中：

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

将 <YOUR_BRIGHT_DATA_API> 替换为你的 Bright Data API 密钥。此命令设置所需的 API_TOKEN 环境变量，并通过 @brightdata/mcp 包在本地启动 Web MCP 服务器。

如果一切配置正确，你应该会看到类似以下的输出：

在首次启动期间，@brightdata/mcp 包会在你的 Bright Data 账户中自动创建两个 API：

• mcp_unlocker：用于访问 Bright Data 网络解锁器 API（以及搜索引擎 API）。
• mcp_browser：用于与 Bright Data Browser API 交互。

这些 API 共同为通过 Web MCP 提供的 70+ 工具提供支持。如有需要，你也可以定义自定义 API 名称，如官方仓库中所述。

要确认 API 已创建，请前往 Bright Data 控制面板中的“Web Access > Web Access API”页面。你应该会在“My APIs”表格下找到列出的两个 API：

请记住，Web MCP 免费层级（Rapid 模式）只提供对一部分工具的访问。

要解锁完整的 70+ 工具集，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

注意：Pro 模式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)。

太好了！你已经确认 Bright Data Web MCP 可以在你的机器上运行。在下一步中，你将把它连接到 Pi Agent。

第 #5 步：在 Pi Agent 中配置 Web MCP

要在 Pi 中设置 Bright Data Web MCP 集成，请将以下配置添加到你的 .mcp.json 文件（或 ~/.config/mcp/mcp.json）中：

{
  "mcpServers": {
    "bright-data-web-mcp": {
      "command": "npx",
      "args": ["-y", "@brightdata/mcp"],
      "env": {
        "API_TOKEN": "<YOUR_BRIGHT_DATA_API_KEY>",
        "PRO_MODE": "true"
      }
    }
  }
}

启动时，pi-mcp-adapter 扩展将读取该文件。然后，它会在设置这些 envs 的同时，通过执行 npx -y @brightdata/mcp 命令启动本地 Web MCP 服务器：

• API_TOKEN（必需）：你的 Bright Data API 密钥。
• PRO_MODE（可选）：将其设置为 true 以启用 Pro 功能。将其设置为 false 或完全移除它，以便在 Rapid（免费）模式下运行 Web MCP。

从现在开始，Pi 将连接到 Web MCP 的本地实例。完美！

第 #6 步：验证 Web MCP 集成

通过重启 Pi 并运行以下命令，验证 Web MCP 暴露的工具是否可用：

/mcp tools

如果你以 Pro 模式配置了 Web MCP，你应该会看到完整的可用工具列表：

请注意，该列表包含全部 70+ 工具。如果你使用的是 Rapid 模式，则只会显示免费层级中包含的工具。这确认 Pi 可以成功连接到你的本地 Web MCP 实例，并访问它暴露的工具。

太棒了！你的 Pi Agent + Bright Data Web MCP 集成现在已完全配置完成。剩下的唯一事情就是看看它的实际效果。

第 #7 步：测试增强后的 AI 代理

假设你想构建一个电子商务网站，并需要设计灵感。一个好方法是从基于成功在线商店的模型开始。

例如，你可以要求你的 AI 代理访问 Nike 产品分类页面，捕获截图，然后生成一个受该页面布局和设计模式启发的静态 HTML/CSS 模型。

为实现这一点，请编写以下提示：

Search online for the Nike men’s shoes & sneakers page. Open the page and take a full viewport screenshot from a US IP. Then, create a mock e-commerce webpage using plain HTML and CSS that replicates the same visual style, layout structure, and overall design patterns shown in the screenshot. Do not copy brand assets or proprietary text,only reproduce general layout, spacing, and styling.

这是对通过 Web MCP 添加的 Web 能力的绝佳测试，因为它涉及 Web 搜索和浏览器自动化。这些能力由 Bright Data Web MCP（Pro 模式）提供。

注意：该提示明确请求美国 IP 地址，以避免欧盟 GDPR cookie 横幅，这些横幅可能会限制页面截图中的视图，并使 AI 代理更难正确分析页面结构。

打开 Pi 并运行该提示。执行过程应类似如下：

这是 Pi Coding Agent 在幕后所做的事情：

1. 使用 search_engine Web MCP 工具，通过基于美国的 Google 搜索查询定位 Nike “Men’s Shoes & Sneakers”页面。在底层，此请求由 Bright Data 的搜索引擎 API 提供支持。
2. 使用带有美国地理位置的 scraping_browser_navigate Web MCP 工具打开页面。此能力由 Bright Data 的 Browser API 提供。
3. 验证页面已成功加载，并确认页面标题和 URL。
4. 使用 scraping_browser_screenshot Web MCP 工具捕获页面截图。
5. 分析截图以理解网站的布局、结构和设计模式。
6. 规划一个受原始页面启发的品牌中立电子商务模型，同时避免使用专有品牌和资产。
7. 设计一个响应式页面结构，包含实用栏、导航菜单、促销横幅、筛选侧边栏和产品网格。
8. 使用纯 HTML 和 CSS 生成一个自包含的 src/index.html 文件。

这个工作流突出了启用 Web MCP 的代理的强大能力。独立的 LLM 无法执行这些任务，因为它缺乏对搜索引擎和云端 Web 浏览器的直接访问。此外，Nike.com 等网站使用复杂的反机器人系统来阻止自动化流量。

Web MCP 的另一个主要优势是它构建在 Bright Data 的代理基础设施之上。这使代理能够通过特定国家/地区，甚至城市级位置路由请求。因此，代理可以以更高的可靠性访问和分析网站的地区特定版本。

太棒了！让我们看一下生成的输出。

第 #8 步：分析结果

代理完成任务后，你的项目结构应如下所示：

├── .mcp.json
└── src/
    └── index.html

在浏览器中打开生成的 src/index.html 文件，你会看到类似以下的结果：

将它与作为灵感来源的原始 Nike “Men’s Shoes & Sneakers” 页面进行比较：

请注意，生成的页面在避免使用 Nike 品牌、专有内容和受版权保护资产的同时，紧密匹配了原始布局、间距、导航结构、产品网格以及整体视觉层级。

Et voilà！这个简单示例展示了当 Pi Agent 连接到 Bright Data Web MCP 时，它会变得多么强大。

通过将 Web 搜索、抓取和浏览器自动化与 AI 驱动的代码生成结合起来，代理可以完成普通 LLM 不可能完成的复杂工作流。

现在轮到你来实验了。尝试不同的提示，并探索通过 Web MCP 提供的 70+ 工具所启用的众多用例！

结论

在这篇博客文章中，你了解了 Pi 是什么以及它提供的能力。具体来说，你看到了如何通过与 Bright Data 的 Web MCP集成来扩展它。

此集成为 Pi Agent 提供了处理 Web 搜索、发现、抓取和浏览器自动化场景所需的工具。这些能力帮助它管理更复杂的自动化和编码工作流。探索 Bright Data 生态系统中面向 AI 的 Web 服务的完整范围。

立即注册 Bright Data 账户，开始探索我们面向 AI 就绪的 Web 工具！