如何将 Qwen-Agent 与 MCP 集成用于实时人工智能代理

在本指南中，您将了解到

Qwen-Agent 库是什么，它如何帮助您构建人工智能代理。
为什么使用 Qwen3 和 Bright Data MCP 服务器是创建下一代人工智能代理的理想选择？
如何将 Qwen-Agent 与 Bright Data 的 MCP 集成，以构建由 Qwen3 支持的合格代理。

让我们深入了解一下！

什么是 Qwen-Agent？

Qwen-Agent是阿里巴巴云开发的一个开源框架，用于构建由 LLM 驱动的高级应用。它利用 Qwen 模型的功能创建人工智能代理，支持指令跟踪、工具使用、规划和内存管理。

该库主要用作Qwen Chat 的后台。它为构建人工智能代理提供了核心组件，并为函数和工具调用（甚至通过 MCP（模型上下文协议））提供本地支持。

无论是通过阿里云的 DashScope 服务还是自托管的 Qwen 模型，Qwen-Agent 都能实现灵活的模型部署。它还包括一个基于 Gradio 的 Web UI，用于在浏览器中快速部署和测试代理。

为什么要将 Qwen3 与 Qwen-Agent 中的 MCP 服务器相结合

Qwen3是阿里云开发的最新机型。它性能强大，而且开源，可通过多个在线提供商免费获取（您甚至可以自行托管！）。因此，它是构建经济高效、功能强大的人工智能代理的理想选择。

现在，由 Qwen3 支持并使用 Qwen-Agent 构建的人工智能代理已经具备了能力。不过，它们仍然继承了底层 LLM 的局限性。这些局限性（如无法获取实时信息）可以通过为代理提供准确数据并使其能够执行实时网络探索来克服。

这就是 Bright Data MCP 服务器的用武之地。MCP 服务器基于 Node.js 构建，与Bright Data 的人工智能数据检索工具套件集成。通过这些工具，您的代理可获得访问实时网络内容、查询结构化数据集和执行实时网络抓取的能力。

目前，支持的 MCP 工具有

工具	说明
`search_engine`	从 Google、Bing 或 Yandex 抓取搜索结果。以 markdown 格式（URL、标题、描述）返回 SERP 结果。
`scrape_as_markdown`	抓取单个网页，并以 Markdown 格式返回提取的内容。即使是受僵尸保护或验证码保护的网页也能正常运行。
`scrape_as_html`	同上，但返回原始 HTML 内容。
`session_stats`	提供当前会话期间工具使用情况的摘要。
`web_data_amazon_product`	使用`/dp/`URL 检索结构化亚马逊产品数据。由于有缓存，因此比抓取更可靠。
`web_data_amazon_product_reviews`	使用`/dp/`URL 检索结构化亚马逊评论数据。缓存且可靠。
`web_data_linkedin_person_profile`	访问结构化的 LinkedIn 个人资料数据。高速缓存，保证一致性和速度。
`web_data_linkedin_company_profile`	访问结构化的 LinkedIn 公司数据。缓存版本提高了可靠性。
`web_data_zoominfo_company_profile`	读取结构化的 ZoomInfo 公司数据。需要有效的 ZoomInfo URL。
`web_data_instagram_profiles`	结构化 Instagram 个人资料数据。需要有效的 Instagram URL。
`web_data_instagram_posts`	检索 Instagram 帖子的结构化数据。
`web_data_instagram_reels`	检索 Instagram 卷轴的结构化数据。
`web_data_instagram_comments`	以结构化数据形式检索 Instagram 评论。
`web_data_facebook_posts`	访问 Facebook 帖子的结构化数据。
`web_data_facebook_marketplace_listings`	从 Facebook Marketplace 检索结构化列表。
`web_data_facebook_company_reviews`	检索 Facebook 公司评论。需要公司 URL 和评论数量。
`web_data_x_posts`	从 X（原 Twitter）帖子中检索结构化数据。
`web_data_zillow_properties_listing`	访问结构化的 Zillow 房源数据。
`web_data_booking_hotel_listings`	从 Booking.com 检索结构化酒店列表。
`web_data_youtube_videos`	结构化 YouTube 视频数据。需要有效的视频 URL。
`scraping_browser_navigate`	将抓取浏览器导航到新的 URL。
`scraping_browser_go_back`	返回上一页。
`scraping_browser_go_forward`	在浏览器历史记录中向前浏览。
`scraping_browser_click`	点击页面上的特定元素。需要使用元素选择器。
`scraping_browser_links`	读取当前页面上的所有链接及其选择器和文本。
`scraping_browser_type`	模拟在输入框中输入文本。
`scraping_browser_wait_for`	等待特定元素变为可见。
`scraping_browser_screenshot`	给当前页面截图。
`scraping_browser_get_html`	读取当前页面的 HTML 全文。如果不需要完整页面内容，请谨慎使用。
`scraping_browser_get_text`	读取当前页面的可见文本内容。

要了解一些实际案例，请阅读我们的MCP 服务器抓取指南，或了解它如何与 Google SDK 等工具集成。

注：Bright Data 将继续扩展 MCP 工具集，因此，随着时间的推移，您将获得更多的功能。

现在来看看如何通过 Qwen3 和 Qwen-Agent 使用这些 MCP 工具！

如何用 Python 将 Qwen-Agent 与 Bright MCP 服务器整合在一起

在本节中，您将学习如何使用 Qwen-Agent 构建一个由 Qwen3 支持的强大 Python AI 代理。该代理将通过 Bright Data MCP 服务器具备实时数据抓取、检索和转换功能。

举例来说，我们将展示人工智能代理如何从亚马逊检索实时产品数据，而亚马逊因其抓取难题而闻名。请注意，这只是一个可能的用例。人工智能代理可以利用 MCP 服务器提供的 20 多种工具中的任何一种来处理各种任务。

注：只需给人工智能代理不同的提示，就能完成任何其他场景或用例。

请按照以下步骤使用 Qwen-Agent 和 Qwen 3 构建由 Bright Data MCP 驱动的人工智能代理！

先决条件

要学习本教程，您必须具备以下条件：

本地已安装Python 3.10 或更高版本。
本地已安装Node.js。

您还需要

一个 Bright Data 账户。
OpenRouter API 密钥。

下面的步骤将指导您在需要时设置 Bright Data 和 OpenRouter 凭据。因此，现在不用担心这些问题。

以下知识虽然不是必需的，但可以帮助您从本教程中获得最大收益：

大致了解 MCP 的工作原理。
基本熟悉 Qwen Agent 的功能。
对 Bright Data MCP 服务器及其可用工具有一定了解。
具有一定的Python 异步编程经验。

步骤 #1：项目设置

打开终端，为你的 MCP 驱动的人工智能代理创建一个新文件夹：

mkdir qwen-agent-mcp

qwen-agent-mcp文件夹将包含 Python 人工智能代理的所有代码。

接下来，导航进入项目文件夹，并在其中创建一个虚拟环境：

cd qwen-agent-mcp
python -m venv venv

在你喜欢的 Python IDE 中打开项目文件夹。我们建议使用带有 Python 扩展的 Visual Studio Code或PyCharm Community Edition。

在项目文件夹中创建名为agent.py 的文件，该文件现在应该是这个样子：

agent.py文件目前是空的，但很快就会包含将 Qwen3 与 Bright Data MCP 服务器整合的逻辑。

使用集成开发环境中的终端激活虚拟环境。在 Linux 或 macOS 中，执行此命令：

source venv/bin/activate

同样，在 Windows 上，启动

venv/Scripts/activate

一切就绪！现在您有了一个 Python 环境，可以使用 Qwen-Agent 和 Bright Data MCP 服务器构建一个人工智能代理。

步骤 #2：设置环境变量阅读

您的项目将与 OpenRouter 和 Bright Data 等第三方服务交互。避免在 Python 代码中硬编码 API 密钥。相反，从环境变量中加载它们可以获得更好的安全性和可维护性。

为了简化这一过程，我们将利用python-dotenv库。激活虚拟环境后，运行以下命令进行安装：

pip install python-dotenv

接下来，在agent.py文件中导入该库，并使用load_dotenv() 加载环境变量：

from dotenv import load_dotenv

load_dotenv()

这样，脚本就能从本地.env文件读取环境变量。因此，请在项目文件夹中创建一个.env文件：

现在，您可以像这样在代码中访问环境变量：

env_value = os.getenv("<ENV_NAME>")

不要忘记从 Python 标准库中导入os模块：

import os

太好了！现在你已经可以从环境变量中安全加载秘密了。

步骤 #3：开始使用 Google ADK

在已激活的虚拟环境中，运行Qwen-Agent 程序库以安装Qwen-Agent：

pip install "qwen-agent[gui,mcp]"

请注意，qwen-agent支持一些可选的子模块。在本教程中，这两个就足够了：

[gui]，用于基于 Gradio 的用户界面。
[mcp]用于与任何 MCP 服务器整合。

然后打开agent.py文件，加入以下导入：

from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

在接下来的步骤中，将使用这些信息连接 Qwen-Agent 与 MCP 服务器，并实施人工智能代理。

默认情况下，Qwen-Agent 希望在您的环境中使用DashScope API 密钥来访问 Qwen 模型。不过，在本教程中，我们将通过免费的 OpenRouter 平台使用 Qwen3。

⚠️警告：您可能会问，为什么我们不使用阿里云的 DashScope 直接访问 Qwen3。原因是，截至本文撰写之时，国际用户（即中国以外的用户）受到了限制。这些限制目前会导致以下错误信息（有些误导性）：

Error code: InvalidApiKey. Error message: Invalid API-key provided.

为了避免这个问题，您可以使用 OpenRouter 或任何其他不受区域限制的平台来访问 Qwen3。

现在让我们来了解一下如何设置 OpenRouter API 密钥以集成 Qwen3！

步骤 #4：获取 OpenRouter API 密钥

如果尚未注册，请注册 OpenRouter 账户。如果您已经有一个，只需登录即可。

接下来，将鼠标悬停在右上角的个人资料图片上，选择 “密钥 “选项，即可进入 “API 密钥 “页面：

点击 “创建 API 密钥 “按钮，然后按照说明生成密钥。然后，复制密钥并将其添加到.env文件中，如下所示：

OPEN_ROUTER_API_KEY="<YOUR_OPEN_ROUTER_API_KEY>"

将占位符替换为实际的 OpenRouter API 密钥。

接下来，在agent.py文件中使用

OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

太好了！现在您可以通过 OpenRouter 将 Qwen3 与 Qwen-Agent 结合使用了。

步骤 #5：设置 Bright Data MCP 服务器

首先[创建一个新的 Bright Data 帐户]() 或直接登录您的现有帐户。

接下来，请按照官方说明进行操作：

读取您的 Bright Data API 令牌。
配置 Web Unlocker 和 Scraping Browser，以便集成 MCP。

完成后，您就可以

一个 Bright Data API 令牌。
一个 Web 解锁区（在此，我们假设该区名称为默认的 “mcp_unlocker”）。
以<BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD> 格式抓取浏览器凭证。

现在，在 Node.js 环境中全局安装Bright Data MCP 服务器：

npm install -g @brightdata/mcp

然后，确保在终端中指定两个环境：

API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BROWSER_AUTH="<BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>"

根据操作系统，按照正确的程序定义环境变量。

现在，您可以使用@brightdata/mcpnpm 软件包启动 MCP 服务器：

npx -y @brightdata/mcp

该命令在本地启动 MCP 服务器，读取所需的环境变量（API_TOKEN和BROWSER_AUTH）。如果一切配置正确，就会出现如下输出：

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

干得漂亮Bright Data MCP 服务器运行得非常好。

然后，将这两个环境变量添加到.env文件中：

BRIGHT_DATA_API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BRIGHT_DATA_BROWSER_AUTH="<BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>"

用实际值替换占位符。

在agent.py 中，用

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

完美！现在，您已完成将 Bright Data MCP 服务器与 Qwen-Agent 集成的所有设置。

第 6 步：定义 Qwen3 MCP 驱动的代理

创建一个函数，利用 Qwen3 和 MCP 支持初始化人工智能代理：

def initialize_mcp_agent():
    # To connect to Qwen3 via OpenRouter
    llm_cfg = {
        "model": "qwen/qwen3-32b:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # To connect to the Bright Data MCP server
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # Define the Qwen-Agent assistant with MCP integration
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="MCP-Powered Assistant with Access to Live Data",
        description="This agent can answer questions by retrieving up-to-date information from the Internet using configured MCP tools"
    )

    return agent

正如您所看到的，在上述代码中

llm_cfg字典通过 OpenRouter API 设置对免费版 Qwen3 的访问。
工具阵列定义了如何连接到 Bright Data MCP 服务器，使人工智能代理能够调用外部数据检索工具。
最后，Qwen-Agent 提供的Assistant()类用于定义与 LLM 和工具集成的人工智能代理。

就是这样！有了 Qwen-Agent，只需几行代码就能将 MCP 集成到您的人工智能代理中。

步骤 #7：启动 Qwen3 MCP 代理

在agent.py中添加以下代码，在 Gradio 界面中运行已定义的人工智能代理：

if __name__ == "__main__":
    # Initialize the MCP-powered agent
    mcp_agent = initialize_mcp_agent()

    # Launch the Gradio-based web UI to interact with the AI agent in the browser
    WebUI(mcp_agent).run()

任务完成！只剩下测试代码和看看人工智能代理的能力了。

步骤 #8：将所有内容整合在一起

这是agent.py 中的最终代码：

from dotenv import load_dotenv
import os
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

# Load the environment variables from the .env file
load_dotenv()

# Read the API key from OpenRouter to use Qwen3
OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

# Read the envs for integration with the Bright Data MCP server
BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN")
BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH")

# Define the agent with Qwen 3 and MCP configuration
def initialize_mcp_agent():
    # To connect to Qwen3 via OpenRouter
    llm_cfg = {
        "model": "qwen/qwen3-32b:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # To connect to the Bright Data MCP server
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # Define the Qwen-Agent assistant with MCP integration
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="MCP-Powered Assistant with Access to Live Data",
        description="This agent can answer questions by retrieving up-to-date information from the Internet using configured MCP tools"
    )

    return agent

if __name__ == "__main__":
    # Initialize the MCP-powered agent
    mcp_agent = initialize_mcp_agent()

    # Launch the Gradio-based web UI to interact with the AI agent in the browser
    WebUI(mcp_agent).run()

哇多亏了 Qwen-Agent 和 OpenRouter，只需大约 50 行代码，您就可以构建一个强大的 MCP 驱动的人工智能代理。

执行人工智能代理：

python agent.py

在终端中，您会看到如下输出：

2025-05-27 15:40:58,783 - mcp_manager.py - 122 - INFO - Initializing MCP tools from mcp servers: ['brightdata']
2025-05-27 15:40:58,800 - mcp_manager.py - 340 - INFO - Initializing a MCP stdio_client, if this takes forever, please check the config of this mcp server: brightdata
2025-05-27 15:41:01,098 - mcp_manager.py - 350 - INFO - No list resources: Method not found
* Running on local URL:  http://127.0.0.1:7860

这说明 MCP 服务器已启动并运行，人工智能代理已连接并可访问http://127.0.0.1:7860。在浏览器中访问该 URL，即可通过 Gradio Web UI 与代理互动。

例如，试着向它提出这样的提示：

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

这是一个很好的测试，可以验证人工智能代理能否从亚马逊 PS5 产品页面获取实时数据（从而利用/学习这些数据）：

在用户界面中运行此提示时，应该会出现以下情况：

首先，请注意右侧面板上列出了所有可用的 Bright Data MCP 服务器工具。此外，请看 Qwen-Agent 如何使用 Bright Data MCP 服务器中的web_data_amazon_product工具来满足请求。

您可以通过查看界面中的弹出列表来验证这一点，该列表显示了工具的执行结果：

最后，最终的 JSON 输出应该是这样的：

{
  "title": "PlayStation®5 console (slim)",
  "url": "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H",
  "brand": "Sony",
  "model_number": "CFI-2015",
  "price": {
    "currency": "USD",
    "final_price": 499
  },
  "availability": "In Stock",
  "rating": 4.7,
  "reviews_count": 6824,
  "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...",
  "key_features": [
    "Custom CPU, GPU, and SSD with Integrated I/O",
    "Support for haptic feedback, adaptive triggers, and 3D Audio",
    "Backward compatibility with PS4 games",
    "1TB SSD and 10.6 lb console weight",
    "Includes DualSense Wireless Controller"
  ],
  "delivery_info": "FREE delivery Sunday, June 1. Or Prime members get FREE Same-Day delivery Today 10 AM - 3 PM.",
  "images": [
    "https://m.media-amazon.com/images/I/41ECK5cY-2L.SL1000.jpg",
    "https://m.media-amazon.com/images/I/41srF-iY93L.SL1000.jpg"
    // more image URLs...
  ],
  "product_details": {
    "ASIN": "B0CL61F39H",
    "Release Date": "December 10, 2023",
    "Dimensions": "14 x 17 x 7 inches",
    "Weight": "10.6 pounds",
    "Best Seller Rank": "#18 in Video Games",
    "Manufacturer": "Sony"
  },
  // omitted for brevity...
}

现在，这个简单的例子展示了人工智能代理的强大功能。它可以从任何网站即时提取结构化数据。这非常适合实时搜索、RAG（检索增强生成）和最新决策。

更妙的是，代理还可以使用代理浏览器（以前的抓取浏览器）直接与网页交互，从而实现高级自动化和复杂的工作流程。

就是这样！这就是 Qwen3 + MCP 与 Qwen-Agent 集成的威力，可用于构建下一代人工智能代理。

结论

在这篇博文中，您将了解到如何使用 Qwen-Agent 库结合 Qwen3 和 Bright Data MCP 在 Python 中构建一个功能强大的人工智能代理。

如图所示，将功能丰富的 MCP 服务器与 Qwen-Agent 集成后，您的人工智能代理就能从网络上检索实时数据并自主执行高级任务。这只是 Bright Data 工具如何为智能、自动化人工智能工作流程提供动力的一个例子。

探索我们人工智能基础设施中的解决方案：

自主人工智能代理：使用一套功能强大的应用程序接口，实时搜索、访问任何网站并与之互动。
垂直 AI 应用程序：建立可靠的自定义数据管道，从特定行业来源提取网络数据。
基础模型：访问符合要求的网络规模数据集，以便进行预训练、评估和微调。
多模态人工智能：利用世界上最大的图像、视频和音频资源库，为人工智能进行优化。
数据提供商：与值得信赖的提供商建立联系，大规模获取高质量的人工智能就绪数据集。
数据包：获取精心策划、随时可用、结构化、丰富和注释的数据集。

如需了解更多信息，请访问我们的人工智能中心。

创建 Bright Data 帐户，试用我们为人工智能代理开发提供的所有产品和服务！

免费试用

用Gmail账号注册

支持支付宝等多种支付方式

Antonello Zanini

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。

View all articles

将 Qwen-Agent 与 MCP 集成，构建可访问实时数据的代理

什么是 Qwen-Agent？

为什么要将 Qwen3 与 Qwen-Agent 中的 MCP 服务器相结合

如何用 Python 将 Qwen-Agent 与 Bright MCP 服务器整合在一起

先决条件

步骤 #1：项目设置

步骤 #2：设置环境变量阅读

步骤 #3：开始使用 Google ADK

步骤 #4：获取 OpenRouter API 密钥

步骤 #5：设置 Bright Data MCP 服务器

第 6 步：定义 Qwen3 MCP 驱动的代理

步骤 #7：启动 Qwen3 MCP 代理

步骤 #8：将所有内容整合在一起

结论

你也可能对此有兴趣

如何抓取 Target 产品：2025 指南

最佳托管数据采集服务

网络爬虫是 AI 基础设施的基石

将 Qwen-Agent 与 MCP 集成，构建可访问实时数据的代理

什么是 Qwen-Agent？

为什么要将 Qwen3 与 Qwen-Agent 中的 MCP 服务器相结合

如何用 Python 将 Qwen-Agent 与 Bright MCP 服务器整合在一起

先决条件

步骤 #1：项目设置

步骤 #2：设置环境变量 阅读

步骤 #3：开始使用 Google ADK

步骤 #4：获取 OpenRouter API 密钥

步骤 #5：设置 Bright Data MCP 服务器

第 6 步：定义 Qwen3 MCP 驱动的代理

步骤 #7：启动 Qwen3 MCP 代理

步骤 #8：将所有内容整合在一起

结论

你也可能对此有兴趣

如何抓取 Target 产品：2025 指南

最佳托管数据采集服务

网络爬虫是 AI 基础设施的基石

步骤 #2：设置环境变量阅读