如何将 Zed 与 Bright Data Web MCP 集成（逐步指南）

学习如何将 Zed 的 AI 原生编辑器连接到 Bright Data 的 Web MCP，在开发环境中直接实现实时网页访问、干净的数据抽取以及具备网页上下文感知能力的 AI 工作流。

在本教程中，你将学到：

什么是 Zed，以及它基于 AI、具备 Agent 能力的编辑模型在现代代码编辑器中的工作方式。
为什么需要为 Zed 扩展实时网页交互和数据采集能力，以提升 AI 辅助开发的准确性。
如何将 Zed 连接到 Bright Data 的 Web MCP，使 AI Agent 能在编辑器内直接获取并使用实时公网数据。

下面开始！

什么是 Zed？

Zed 是一款现代、高性能的代码编辑器，专注于速度、协作和 AI 辅助开发。从底层设计上就强调响应速度和低延迟，目标是在大型代码库中也能让编码体验保持即时、流畅。

Zed 完全使用 Rust 编写，架构上充分利用多核 CPU 和 GPU 加速。这种设计使 Zed 拥有快速启动、流畅的界面交互和极低的输入延迟，这些都是其开发者体验的核心。

Zed 支持在 macOS、Linux 和 Windows 上运行，并在各平台上提供一致的原生体验。

Zed 默认内置了一系列核心开发功能，包括：

原生 Git 支持，可进行暂存、提交、拉取、推送以及查看 diff。
基于 Debug Adapter Protocol（DAP）的调试支持。
对多种编程语言的 Language Server Protocol（LSP）支持。
多缓冲区编辑，可在同一视图中组合和编辑来自不同文件的内容。
内置协作功能，如共享编辑、聊天和屏幕共享。
Vim 风格的模式化编辑，适合偏好模式工作流的开发者。

为什么要用 Bright Data Web MCP 为 Zed 增强能力

无论你在 Zed 中使用哪一种 AI 模型，它都有一个关键限制：LLM 本身无法实时访问互联网。其回答基于训练数据，这些数据只是某一时间点的快照，很容易过时。

在处理不断更新的文档、工具或框架时，这个限制尤为明显。编辑器中的 AI 助手无法自行验证最新信息、浏览网站或抽取真实内容。

现在，设想一下如果为 Zed 的 AI Agent 增加如下能力：

读取实时在线文档页面
拉取最新的指南和参考资料
浏览并从真实网站中抽取内容

通过将 Zed 连接到 Bright Data Web MCP，这些能力都可以解锁。Bright Data 的 Web MCP 提供 60+ 个适配 AI 的工具，由 Bright Data 的 AI 基础设施提供支持，使 AI Agent 能够进行实时网页交互和数据检索。

最常用、并且在免费套餐中也可用的两个工具是：

工具	描述
`scrape_as_markdown`	从网页中抽取内容并返回干净的 Markdown，自动处理反爬和 CAPTCHA。
`search_engine`	从 Google、Bing 或 Yandex 获取搜索结果，支持 JSON 或 Markdown 格式。

除了核心工具之外，Web MCP 还包含许多用于浏览器交互和结构化数据抽取的高级选项。免费套餐提供基础工具的访问；启用 Pro 模式后可以解锁完整工具集，以支持更高级的用例。

通过将 Bright Data Web MCP 连接到 Zed，AI Agent 可以使用实时网页内容，而不是静态知识，在编辑器中提供更准确、更可靠的辅助。

如何将 Bright Data Web MCP 集成到 Zed

在本节中，你将：

在 Zed 中将 Bright Data Web MCP 配置为 MCP 服务器
使用 Bright Data API Token 为 MCP 服务器做身份验证
让 Zed 的 AI Agent 通过 MCP 访问实时网页内容
验证集成是否正常工作

按照下面的步骤开始操作！

前置条件

在开始之前，请确认你已经具备：

受支持的操作系统（macOS、Linux 或 Windows）
已安装并可运行的 Zed
已安装 Node.js（推荐最新 LTS 版本）
一个带 API Token 的Bright Data 账号

你无需提前完成 Bright Data 的复杂配置。所需的设置会在后续章节中一步步讲解。

虽然不是必需，但以下背景知识会有所帮助：

对 Model Context Protocol（MCP）的基本概念
对 Bright Data Web MCP 及其可用工具有大致了解

步骤一：安装并启动 Zed

从官网下载安装 Zed，并根据你的操作系统（macOS、Linux 或 Windows）完成安装。

安装完成后，从应用菜单中打开 Zed，确保编辑器能正常启动且无报错。

你应该可以看到主编辑器界面，并能打开 Settings（设置）面板。如果 Zed 能顺利启动，就可以继续下一步。

步骤二：在 Zed 中启用 AI 和 Agent 式编辑

打开 Zed 的 Settings，进入 LLM Providers（LLM 提供方）部分。

当某个提供方激活后，回到编辑器，打开 AI 或 Chat 面板，确认可以发送提示（prompt）并收到回复。如果 AI 能在编辑器中正常应答，则说明 Agent 式编辑已成功启用。

步骤三：在本地搭建 Bright Data Web MCP

要让 Zed 的 AI Agent 具备实时访问网页的能力，需要在本地机器上运行 Bright Data Web MCP。这个 MCP 服务器是 AI Agent 与实时网页数据之间的桥梁。

首先从 Bright Data 仪表盘创建一个 Bright Data 账号。如果你已有账号，直接登录即可。

若想快速上手，可以在账号中打开 “MCP” 页面并按照页面中的指引操作：

或者，也可以按下面步骤操作：

在 Bright Data 仪表盘中，生成一个 API Token 并妥善保存。Web MCP 服务器会用这个 Token 来验证请求并访问 Bright Data 的 Web 工具。

在本教程中，你只需要这个 API Token 一项凭据。

Bright Data Web MCP 使用 Node.js 在本地以服务器形式运行。通过以下命令全局安装：

npm install -g @brightdata/mcp

该命令会安装之后 Zed 将要连接的 Web MCP 包。

通过以下命令启动 Web MCP 服务器：

API_TOKEN="YOUR_BRIGHT_DATA_API_TOKEN" npx -y @brightdata/mcp

将 YOUR_BRIGHT_DATA_API_TOKEN 替换为你的实际 API Token。

如果服务器启动成功，你会在终端看到日志输出，表明 MCP 服务器已启动并准备好接收请求。

首次运行时，Bright Data Web MCP 会在你的 Bright Data 账号中自动创建两个必要的 Zone：一个用于 Web Unlocker，一个用于 Browser API。这些 Zone 会被 Web MCP 内部使用，以支撑可用工具。

你可以前往 Bright Data 仪表盘的 Proxies & Scraping Infrastructure 页面来验证这些 Zone 是否创建成功。如果你的 API Token 没有管理员权限，可能需要手动创建这些 Zone，并通过环境变量进行引用。

默认情况下，Web MCP 只暴露 search_engine 和 scrape_as_markdown 工具，这两个工具在免费套餐中可用。启用 Pro 模式后可以解锁完整工具集（包括高级浏览器自动化能力），可能会产生额外费用。

如需使用浏览器自动化和结构化数据抽取等高级能力，可在启动 Web MCP 服务器前设置 PRO_MODE=true 来启用 Pro 模式：

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

在确认服务器运行正常后，可以先停止它。接下来会在 Zed 中配置，让其自动启动并连接 Web MCP 服务器。

步骤四：在 Zed 中配置 Bright Data Web MCP

在 Zed 中打开 Settings，进入 Model Context Protocol（MCP）Servers 部分。点击 “Add Server” 来注册一个新的本地 MCP 服务器。

在弹出的配置界面中，将 Bright Data MCP 服务器的 command 设置为运行 Web MCP 包（例如：npx @brightdata/mcp），并添加用于身份验证的环境变量（API_TOKEN）。保存配置后，该 MCP 服务器就可以被 Zed 的 AI Agent 使用。

添加成功后，你会在 MCP Servers 列表中看到 Bright Data，说明 Zed 已准备好在 AI 工作流中连接 Web MCP。

在 Zed 中完成 Bright Data Web MCP 配置（包含所需命令和环境变量）

启用 MCP 服务器后，Zed 的 AI Agent 就可以在编辑器中的 AI 工作流里调用 Bright Data 的 Web 工具。

步骤六：在 Zed 中运行一个真实任务

在本步骤中，你将使用 Zed 的 AI Agent 和 Bright Data Web MCP 获取实时网页内容，将其保存到本地，并基于真实数据生成一个小脚本。

打开 Zed 的 AI 或 Chat 面板（即之前用来测试 AI 回答的面板）：

你将在这里输入 Prompt
此时你是在与 Zed 的 AI Agent 对话，而不是在写代码。

将以下 Prompt 原样复制到 Zed 中：

Fetch the live documentation page at
https://nodejs.org/en/docs
Use Bright Data MCP to extract the main documentation content and convert it into clean Markdown. Save the extracted content as docs.md. Then generate a short summary of the documentation and save it as summary.md. Finally, create a simple Node.js script called readDocs.js that loads docs.md and prints the first few lines.

提交 Prompt 后，观察接下来的过程：

AI Agent 会说明或规划它将执行的步骤
它会识别到本次任务需要访问网页
它会选择一个 Bright Data MCP 工具（通常是 scrape_as_markdown）
Zed 可能会请求你确认是否允许执行该工具

Zed AI Agent 使用 Bright Data MCP 请求实时文档数据的对话示例

任务完成后，检查项目目录中是否生成了对应文件。打开生成的 Markdown 文件，确认其中包含从在线文档页面抽取到的内容。

运行生成的脚本，应能打印出部分被抓取内容，从而验证整个工作流正常运行。

Zed Agent 规划任务并选择 Bright Data MCP 工具进行网页访问的过程示例

总结

在本教程中，你学习了如何将 Zed 与 Bright Data Web MCP 集成，从而在一个 AI 原生编辑器中实现实时网页交互。通过把 Zed 的 Agent 式编辑模型与 Bright Data 的 Web 工具结合起来，你构建了一个完整工作流：AI 可以抓取实时内容，将其本地存储，并基于真实数据生成可用的代码和文件。

Bright Data 的 Web MCP 通过提供结构化、最新的网页数据，为构建更加可靠、上下文感知的 AI 辅助开发工作流打开了大门。这种方式减少了对静态知识的依赖，提高了 AI 生成结果的准确性。

如果你希望探索更多高级的 Agent 场景，可以进一步了解更广泛的 Bright Data 平台及其面向 AI 的 Web 数据解决方案。

你可以从一个免费的 Bright Data 账号开始，继续尝试使用 Web MCP 来驱动你自己的 AI 驱动开发工作流。

联系销售开始免费试用