在本教程中，你将了解：

什么是 Semantic Kernel、它提供的核心功能以及其工作方式。
为什么用 MCP 扩展它会更强大。
如何使用 Semantic Kernel 集成 Bright Data Web MCP 来构建一个 AI 代理。

让我们开始吧！

什么是 Semantic Kernel？

Semantic Kernel 是由微软开发的开源 SDK，帮助你将 AI 模型和大语言模型（LLM）集成到应用中，以构建 AI 代理和先进的生成式 AI 解决方案。它充当可用于生产的中间件，提供到多个 AI 服务的连接器，并支持语义（基于提示）和原生（基于代码）的函数执行。

该 SDK 提供 C#、Python 和 Java 版本。它是一个灵活的解决方案，可用于生成文本、执行聊天补全，或连接外部数据源与服务。截至撰写时，该项目的 GitHub 仓库已有超过 26k 颗星。

主要功能

Semantic Kernel 提供的主要特性包括：

AI 模型集成：通过统一接口连接 OpenAI、Azure OpenAI 等服务，实现聊天补全、文本生成等。
插件系统：支持使用语义函数（提示）和原生函数（C#、Python 或 Java）的插件，扩展 AI 能力。
AI 代理：让你构建能解释用户请求、协调多个插件与服务以解决复杂任务的代理。
规划与函数调用：帮助代理将多步骤任务拆解执行，并选择合适的插件或函数。
检索增强生成（RAG）：通过搜索与数据连接器将真实数据注入提示，产出更准确、最新的响应。

Semantic Kernel 的工作原理

理解该库的运行方式，有助于了解其主要组件：

核心内核：编排 AI 服务与插件。
AI 服务连接器：通过通用接口将应用代码连接到不同的 AI 模型与服务。
插件：包含扩展代理能力的语义与原生函数。
AI 代理：构建在内核之上，利用插件处理请求并运行工作流。

为什么要通过 MCP 集成来扩展 Semantic Kernel

Semantic Kernel 是与模型无关的 SDK，允许你构建、编排并部署复杂的 AI 代理、工作流，甚至多代理系统。无论架构多么复杂，这些工作流与代理依然需要底层的 AI 模型来运行。

无论是 OpenAI、Azure OpenAI 还是其他 LLM，所有模型都存在同样的根本限制：它们的知识是静态的…

LLM 是在某一时间点的快照数据上训练的，这意味着其知识很快会过时。更重要的是，它们无法原生与在线网站或外部数据源互动。

这正是 Semantic Kernel 通过插件可扩展性带来不同之处的原因。通过集成 Bright Data 的 Web MCP，你可以让 AI 代理突破静态知识的限制，直接从网络检索最新、高质量的数据。

这个开源的 Web MCP 服务器提供对 60 多个开箱即用的 AI 工具的访问，这些工具都由 Bright Data 的网页交互与数据采集基础设施驱动。

即使在免费层，你的 AI 代理也已可使用两个强大的工具：

工具	描述
`search_engine`	从 Google、Bing 或 Yandex 获取搜索结果，格式为 JSON 或 Markdown。
`scrape_as_markdown`	将任意网页抓取为干净的 Markdown 格式，绕过机器人检测与 CAPTCHA。

除此之外，Web MCP 还解锁数十种专用工具，可在 Amazon、LinkedIn、Yahoo Finance、TikTok 等平台进行结构化数据采集。更多信息可查看官方 GitHub 页面。

简而言之，将 Semantic Kernel 与 Web MCP 结合，可把静态工作流转化为能与在线网站交互、访问网页数据并产出贴近真实世界洞见的动态 AI 代理。

如何在 Semantic Kernel 中构建连接 Bright Data Web MCP 的 AI 代理

在这一引导部分，你将学习如何将 Bright Data 的 Web MCP 连接到一个用 C# 编写的 Semantic Kernel AI 代理。具体而言，你将使用该集成来构建一个 Reddit 分析 AI 代理，它将：

利用 Bright Data Web MCP 工具检索来自 Reddit 帖子的信息。
使用 OpenAI 的 GPT-5 模型处理检索到的数据。
以 Markdown 报告的形式返回结果。

注意：以下代码使用 .NET 9 的 C# 编写。但你也可以轻松将其转换为 Python 或 Java，这两种语言同样受支持。

按如下步骤开始！

前提条件

开始之前，请确保你已：

在本地安装了 .NET 8.0 或更高版本（本教程以 .NET 9 为例）
拥有一个 OpenAI API 密钥
拥有一个 Bright Data 账户并准备好 API 密钥

无需担心 Bright Data 账户的设置，我们会在后续步骤中引导你完成。

步骤 1：创建你的 .NET C# 项目

使用以下命令初始化一个名为 SK_MCP_Agent 的 .NET 控制台项目：

dotnet new console -n SK_MCP_Agent

然后进入项目文件夹：

cd SK_MCP_Agent

此时你应看到如下目录结构：

SK_MCP_Agent/
├── Program.cs
├── SK_MCP_Agent.csproj
└── obj/
    ├── project.assets.json
    ├── project.nuget.cache
    ├── SK_MCP_Agent.csproj.nuget.dgspec.json
    ├── SK_MCP_Agent.csproj.nuget.g.props
    └── SK_MCP_Agent.csproj.nuget.g.targets

具体来说，Program.cs 目前包含一个默认的 “Hello, World” 程序。你将把 Semantic Kernel AI 代理的逻辑写在这个文件中。

现在，在 .NET C# IDE（如 Visual Studio 或 Visual Studio Code）中打开项目文件夹。在 IDE 的终端中，通过以下命令安装所需依赖：

dotnet add package Microsoft.Extensions.Configuration
dotnet add package Microsoft.Extensions.Configuration.EnvironmentVariables
dotnet add package Microsoft.Extensions.Configuration.UserSecrets
dotnet add package Microsoft.SemanticKernel --prerelease
dotnet add package Microsoft.SemanticKernel.Agents.Core --prerelease
dotnet add package ModelContextProtocol --prerelease
dotnet add package System.Linq.AsyncEnumerable --prerelease

所需的 NuGet 包包括：

Microsoft.Extensions.Configuration.*：提供基于键值的配置，支持从环境变量和 .NET 用户机密读取设置。
Microsoft.SemanticKernel.*：一个将 AI LLM 与传统编程语言集成的轻量 SDK，包含代理开发工具。
ModelContextProtocol：官方 MCP C# 客户端，用于连接 Bright Data Web MCP。
System.Linq.AsyncEnumerable：为 IAsyncEnumerable<T> 提供完整的 LINQ 扩展方法集。

注意：--prerelease 标志告诉 .NET CLI 安装某个 NuGet 包的最新（预发布）版本。这对于仍在开发或实验阶段的部分包是必须的。

完成！你的 .NET 开发环境已准备好使用 Semantic Kernel 构建集成 Bright Data Web MCP 的 C# AI 代理。

步骤 2：配置机密加载

你的 AI 代理将依赖第三方组件，如 OpenAI 模型与 Bright Data Web MCP 服务器。这两项集成都需要通过 API 密钥令牌进行身份验证。为避免在代码中直接暴露这些密钥，请使用 .NET 的用户机密存储系统或环境变量安全存储。

为此，先导入配置包：

using Microsoft.Extensions.Configuration;

然后，将机密加载到一个 config 对象：

var config = new ConfigurationBuilder()
    .AddUserSecrets<Program>()
    .AddEnvironmentVariables()
    .Build();

你现在可以像这样访问代码中的机密：

config["<secret_name>"]

在项目文件夹中运行以下命令初始化用户机密存储：

dotnet user-secrets init

这会为你的机密（即 API 密钥）创建一个安全的本地存储。

很好！你的 C# 程序现已可以安全处理敏感凭据，而无需在源代码中暴露它们。

步骤 3：测试 Bright Data 的 Web MCP

在将 Bright Data 的 Web MCP 连接到你的代理之前，先验证你的机器可以运行 MCP 服务器。

如果你还没有 Bright Data 账户，请新建一个。如果已有账户，直接登录。为了快速设置，请进入控制台的 “MCP” 页面并按照指引操作：

否则，请先生成一个 Bright Data API 密钥。然后将其妥善保存，稍后将用到。本节将假设该 API 密钥具有 Admin 权限，因为这能简化 Web MCP 的集成过程。

运行以下命令在系统中全局安装 Web MCP：

npm install -g @brightdata/mcp

接着，通过执行以下命令检查本地 MCP 服务器是否工作正常：

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

或在 Linux/macOS 上等效命令：

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

将 <YOUR_BRIGHT_DATA_API> 替换为你的实际 Bright Data API 令牌。该命令会设置所需的 API_TOKEN 环境变量，并通过 @brightdata/mcp 包启动 Web MCP。

如果成功，你应看到类似如下的日志：

首次启动时，Web MCP 会在你的 Bright Data 账户中自动创建两个默认的 Zone：

mcp_unlocker：用于 Web Unlocker。
mcp_browser：用于 Browser API。
MCP 服务器依赖这两个 Zone 来驱动全部 60+ 工具。

要确认这些 Zone 已创建，请登录 Bright Data 控制台，进入 “Proxies & Scraping Infrastructure” 页面，你应能在 Zone 列表中看到它们：

Web MCP 启动时创建的 mcp_unlocker 与 mcp_browser 区域

如果你的 API 令牌没有 Admin 权限，这些 Zone 将不会为你自动创建。在这种情况下，你需要在控制台中手动创建它们，并通过环境变量配置其名称（详见 GitHub 页面）。

重要：默认情况下，MCP 服务器只暴露 search_engine 与 scrape_as_markdown（及其批处理版本）这两个工具。这些工具包含在 Web MCP 免费层中。

要解锁高级工具（如浏览器自动化与结构化数据源），你需要启用 专业模式。方法是在启动 Web MCP 前设置 PRO_MODE="true" 环境变量：

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

或在 Linux/macOS 上：

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

专业模式 会解锁全部 60+ 工具，但不包含在免费层内，并会产生额外费用。

成功！你刚刚验证了 Web MCP 服务器可以在你的机器上运行。先结束 MCP 进程，接下来你将配置 Semantic Kernel 代理来启动该服务器并连接到它。

步骤 4：配置 Web MCP 集成

既然你的机器可以运行 Web MCP，首先将之前获取到的 Bright Data API 密钥添加到用户机密中：

dotnet user-secrets set "BrightData:ApiKey" "<YOUR_BRIGHT_DATA_API_KEY>"

将 <YOUR_BRIGHT_DATA_API_KEY> 替换为你的实际 API 密钥。该命令会将密钥安全地存储在项目的机密存储中。

你也可以通过设置环境变量实现同样的效果：

$Env:BrightData__ApiKey="<YOUR_BRIGHT_DATA_API_KEY>"

或在 macOS/Linux 上：

export BrightData__ApiKey="<YOUR_BRIGHT_DATA_API_KEY>"

注意：Microsoft.Extensions.Configuration 会自动将 BrightData__ApiKey 转换为 BrightData:ApiKey。

接着，使用来自 ModelContextProtocol 包的 McpClientFactory 来定义 MCP 客户端并连接到 Web MCP：

await using var mcpClient = await McpClientFactory.CreateAsync(new StdioClientTransport(new()
{
    Name = "BrightDataWebMCP",
    Command = "npx",
    Arguments = ["-y", "@brightdata/mcp"],
    EnvironmentVariables = new Dictionary<string, string?>
    {
        { "API_TOKEN", config["BrightData:ApiKey"] },
        // { "PRO_MODE", "true" }, // <-- Optional: enable Pro Mode
    }
}));

上述配置会生成与先前步骤相同的 npx 命令，并设置所需环境变量。注意 PRO_MODE 为可选，而 API_TOKEN 则从先前定义的 BrightData:ApiKey 机密中读取。

然后，加载所有可用的工具列表：

var tools = await mcpClient.ListToolsAsync().ConfigureAwait(false);

脚本会执行 npx 命令以本地进程方式启动 Web MCP 并与其连接，从而访问其暴露的工具。

你可以通过日志打印所有工具来验证是否已成功连接到 Web MCP 且拥有对这些工具的访问权：

foreach (var tool in tools)
{
    Console.WriteLine($"{tool.Name}: {tool.Description}");
}

如果此时运行脚本，你应看到类似如下的输出：

这些是 Web MCP 在免费层中暴露的 2 个默认工具（加 2 个批处理版本）。在 专业模式 下，你将能访问全部 60+ 工具。

太棒了！上述输出表明 Web MCP 集成工作正常！

步骤 5：构建可访问 MCP 工具的 Kernel

在 Semantic Kernel 中，内核（kernel）充当一个依赖注入容器，用于管理运行你的 AI 应用所需的全部服务与插件。一旦你将服务与插件提供给内核，AI 就可以在需要时调用它们。

现在是时候创建一个支持通过 MCP 调用工具的 OpenAI 集成内核了。先把你的 OpenAI API 密钥加入用户机密：

dotnet user-secrets set "OpenAI:ApiKey" "<YOUR_OPENAI_KEY>"

如前所述，你也可以设置同名环境变量 OpenAI__ApiKey。

然后，定义一个连接到 OpenAI 的新内核：

var builder = Kernel.CreateBuilder();
builder.Services
    .AddOpenAIChatCompletion(
        modelId: "gpt-5-mini",
        apiKey: config["OpenAI:ApiKey"]
    );
Kernel kernel = builder.Build();

在该示例中，内核使用存储在用户机密中的 API 密钥连接到 gpt-5-mini 模型（你也可以配置为其他任意 OpenAI 模型）。

随后，为内核添加一个用于调用工具的插件：

kernel.Plugins.AddFromFunctions("BrightData", tools.Select(aiFunction => aiFunction.AsKernelFunction()));

这行代码会将你的 MCP 工具转换为内核可调用的函数，从而由指定的 AI 模型调用。

本节所需的导入如下：

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;

完美！现在你已经拥有一个完全配置好的内核，它是你的 Semantic Kernel AI 应用的核心。

步骤 6：定义 AI 代理

先从 SemanticKernel 导入 Agents 类：

using Microsoft.SemanticKernel.Agents;

接着，使用内核初始化一个自动调用工具的 AI 代理：

var executionSettings = new OpenAIPromptExecutionSettings()
{
    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto() // Enable automatic function calling for the LLM
};

var agent = new ChatCompletionAgent()
{
    Name = "RedditAgent",
    Kernel = kernel,
    Arguments = new KernelArguments(executionSettings),
};

本质上，这个代理可以在 AI 模型判断需要一个或多个工具来完成输入提示描述的目标时，执行 Bright Data Web MCP 暴露的工具。

注意我们将该代理命名为 “RedditAgent”，因为本教程聚焦于构建一个面向 Reddit 的代理。如果你要为其他目的创建 Semantic Kernel AI 代理，请根据项目需要调整名称。

很好！下一步就是使用该代理执行一个提示。

步骤 7：在代理中执行任务

要测试由 Bright Data Web MCP 提供工具增强后的 AI 代理的网页数据检索能力，你需要一个合适的提示。例如，你可以让 AI 代理从特定 subreddit 检索信息，如下：

var prompt = @"
Scrape pages from the following subreddit:
https://www.reddit.com/r/webscraping/

From the scraped content, generate a Markdown report that includes:
- The official description of the subreddit and key stats (community type, creation date)
- A list of URLs for the ~10 most recent posts
";

这是一个用于测试网页检索能力的理想任务。标准的 OpenAI 模型在面对这样的提示时会失败，因为它们无法以编程方式访问 Reddit 页面以获取实时数据：

注意：上述输出并不可靠，其中大多数内容要么是错误的，要么完全是捏造的。没有像 Bright Data 这类外部工具的帮助，OpenAI 模型无法可靠地从网络抓取最新数据。

得益于 Web MCP 提供的工具，你的代理将能够检索所需的 Reddit 数据，并呈现准确的结果。使用以下代码执行任务并在终端打印结果：

ChatMessageContent response = await agent.InvokeAsync(prompt).FirstAsync();
Console.WriteLine($"\n\nResponse:\n{response.Content}");

这已经足以测试单个提示。在真实场景中，你通常希望让代理持续运行并具备上下文感知能力，可通过实现带有记忆的 REPL 循环来跟踪历史交互。

大功告成！你基于 Semantic Kernel 并集成 Bright Data Web MCP 的 Reddit 专家型 AI 代理现已可以正常工作。

步骤 8：整体整合

Program.cs 中的最终代码如下：

using Microsoft.Extensions.Configuration;
using ModelContextProtocol.Client;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using Microsoft.SemanticKernel.Agents;

// Load user secrets and environment variables for API keys
var config = new ConfigurationBuilder()
    .AddUserSecrets<Program>()
    .AddEnvironmentVariables()
    .Build();

// Create an MCP client for the Bright Data Web MCP server
await using var mcpClient = await McpClientFactory.CreateAsync(new StdioClientTransport(new()
{
    Name = "BrightDataWebMCP",
    Command = "npx",
    Arguments = ["-y", "@brightdata/mcp"],
    EnvironmentVariables = new Dictionary<string, string?>
    {
        { "API_TOKEN", config["BrightData:ApiKey"] },
        // { "PRO_MODE", "true" }, // <-- Optional: enable Pro Mode
    }
}));

// Retrieve the list of tools available on the Bright Data Web MCP server
var tools = await mcpClient.ListToolsAsync().ConfigureAwait(false);

// Build a Semantic Kernel and register the MCP tools as kernel functions
var builder = Kernel.CreateBuilder();
builder.Services
    .AddOpenAIChatCompletion(
        modelId: "gpt-5-mini",
        apiKey: config["OpenAI:ApiKey"]
    );
Kernel kernel = builder.Build();
// Create a plugin from the MCP tools and add it to the kernel's plugin collection
kernel.Plugins.AddFromFunctions("BrightData", tools.Select(aiFunction => aiFunction.AsKernelFunction()));

// Enable automatic function calling for the LLM
var executionSettings = new OpenAIPromptExecutionSettings()
{
    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto()
};

// Define the AI agent with MCP integration
var agent = new ChatCompletionAgent()
{
    Name = "RedditAgent",
    Kernel = kernel,
    Arguments = new KernelArguments(executionSettings), // Pass settings for MCP tool calls
};

// Test the AI agent with a subreddit scraping prompt
var prompt = @"
Scrape pages from the following subreddit:
https://www.reddit.com/r/webscraping/

From the scraped content, generate a Markdown report that includes:
- The official description of the subreddit and key stats (community type, creation date)
- A list of URLs for the ~10 most recent posts
";

ChatMessageContent response = await agent.InvokeAsync(prompt).FirstAsync();
Console.WriteLine($"\n\nResponse:\n{response.Content}");

哇！仅用大约 65 行 C# 代码，你就构建了一个集成 Bright Data Web MCP 的 Semantic Kernel AI 代理。

通过以下命令运行你的代理：

dotnet run

输出应类似如下：

注意代理如何抓取 /about 页面以获取 subreddit 信息，然后抓取 /new 页面以获取最新帖子。

输出中显示的所有数据都是准确的，你可以访问该 subreddit 的 /about 页面进行验证：

AI 代理输出中的数据与该页面显示完全一致。对最新帖子同样适用，你可以在该 subreddit 的 /new 页面找到它们。

唯一的差异在于帖子顺序，其由 Reddit 的前端决定，这里无需关心。

抓取 Reddit 具有挑战性，因为其由反机器人系统保护，会阻断自动化请求。借助 Bright Data Web MCP 服务器提供的具备反机器人绕过能力的网页抓取功能，你的 AI 代理可以使用强大的网页数据检索、交互与搜索工具集。

此示例仅展示了诸多可能场景中的一个。通过 Semantic Kernel 获取的广泛 Bright Data 工具，你可以构建更复杂的代理，覆盖更多用例。

大功告成！你已经在 C# 的 Semantic Kernel AI 代理中体验了 Bright Data Web MCP 集成的强大能力。

结论

在这篇博文中，你看到了如何将使用 Semantic Kernel 构建的 AI 代理连接到 Bright Data 的 Web MCP（现已提供免费套餐！）。这种集成为你的代理带来更强的能力，包括网页搜索、数据提取以及实时交互。

若要构建更高级的 AI 代理，欢迎探索更广泛的产品与服务——Bright Data 的 AI 基础设施。这些工具旨在为多样化的 AI 工作流和代理型用例提供动力。

立即注册免费的 Bright Data 账户，开始体验面向 AI 的网页数据解决方案！

联系销售开始免费试用

支持支付宝等多种支付方式

将 Bright Data 的 Web MCP 集成到 Semantic Kernel AI 代理中