使用 Bright Data MCP 为 Zencoder 提供网页访问

在这篇博客文章中，你将了解：

Zencoder 是什么，以及它提供哪些产品来通过 AI 改进软件开发。
为什么通过网页访问扩展它能让输出更可靠、更准确。
Bright Data 如何支持 Zencoder 集成，用于网页抓取、搜索、发现和浏览器自动化。
如何使用 MCP 将 Bright Data 连接到 Zencoder Zenflow（及其 IDE 插件）。
如何使用官方 Agent skills 让 Zencoder 产品了解 Bright Data。
Bright Data + Zencoder 集成能实现什么，并通过一个完整示例进行说明。

让我们开始吧！

什么是 Zencoder？

Zencoder 是一家为 AI 驱动的编码代理提供解决方案的公司，这些代理可作为自主的结对程序员。

其主要产品是 Zenflow，一个 AI 编排平台，可在 IDE、CI/CD 流水线和桌面环境中运行多代理工作流。它使代理能够在完整代码库上下文、结构化工作流以及内置质量门禁的支持下，规划、构建、测试并验证代码。其最终目标是大规模自动化软件开发与运维任务。

Zenflow 支持两种模式：

Zenflow Code：用于软件开发的 AI 代理（构建、测试、重构）。
Zenflow Work：用于跨 Jira、Slack 等工具的企业工作流 AI 代理。

注意：Zencoder 也可通过 IDE Agents 在 Visual Studio Code 和 JetBrains 中使用。

Zencoder 产品支持的主要功能包括：

多代理编排：多个 AI 代理协作完成规划、编码、审查和审计任务。
完整代码库上下文：代理在行动前理解多仓库架构与依赖关系。
结构化工作流：“Spec → plan → build → test → verify” 流水线取代临时提示。
内置验证：自动化测试、linting 和代码审查在输出被接受前确保质量。
并行执行：多个代理在隔离环境中同时运行。
跨工具集成：可与 GitHub、Jira、Slack、CI/CD 系统等协作。
企业级控制：基于角色的访问、审批门禁、审计日志与合规支持（SOC 2、ISO）。
自主调度：代理自动运行依赖更新或 PR 审查等周期性任务。

了解更多请参阅官方文档。

为什么要让 Zencoder AI 代理具备探索网页并从中获取数据的能力

就像任何其他由 LLM 驱动的解决方案一样，Zencoder 代理也受到一个根本限制的约束：信息衰减。由于大型语言模型生成的响应源自其训练数据集，它们只能在固定的过去时间窗口内运行。

在快速演进的技术生态中，这种延迟构成了巨大障碍。这样的编码代理可能会提出过时的库方法，或忽略关键的新安全更新。为了绕过这些限制，你的 AI 模型需要实时网页连接。这正是 Bright Data 发挥作用的地方！

Bright Data 的 AI 就绪基础设施使你的 Zencoder 代理能够超越其初始训练。这样，它就获得了以下能力：

执行实时搜索：浏览 Google 或其他搜索引擎以获取最新文档与信息，减少幻觉与过时建议。
验证精确性：将代码片段与 Stack Overflow 讨论或 GitHub issues 交叉核对，以提升调试准确性。
提取结构化数据：从实时网页中收集数据，以填充本地仓库或为开发与测试生成逼真的模拟数据。
增强文档：为 README 文件或内部项目 wiki 推荐可信、高声誉的 URL。
以及更多……

Bright Data 的决定性优势在于其庞大的全球代理网络，拥有覆盖 195 个国家/地区的 4 亿+ 住宅 IP。该基础设施提供无限并发、99.99% 正常运行时间以及 99.95% 成功率。

通过将 Bright Data 集成到 Zencoder 产品中，结果是可扩展的 AI 代理，它们以结构化、最新且具上下文的网页数据为基础。

如何将 Zencoder AI 代理连接到 Bright Data 的网页数据基础设施

Bright Data 通过两种集成方式支持 Zencoder：

Bright Data Web MCP：MCP 服务器，暴露 70+ 个用于网页数据访问、提取与浏览器自动化的工具。
Bright Data 技能：Agent 技能，用于指导 Zencoder 代理有效使用 Bright Data 解决方案。

请注意，这些方法不是替代关系，而是协同关系。具体来说，某个特定 skill 会为 Web MCP 工具的最佳使用提供指导。

重要：以下章节将提及通过 MCP 和 Agent skills 将 Bright Data 集成到 Zenflow 中。Zencoder IDE 插件也依赖相同的相关配置文件。因此，设置保持不变（仅 UI 截图和一些细微说明有所不同）。

Bright Data Web MCP

Bright Data Web MCP 提供 70+ 个工具，用于与 Bright Data 的基于 API 的产品与服务交互。

即使在 Rapid 模式（免费层）下，核心工具也包括：

Tool	Description
`search_engine` + batch version for parallel usage	以结构化 JSON 或 Markdown 检索 Google、Bing 或 Yandex 结果
`scrape_as_markdown` + batch version for parallel usage	将任何网页转换为干净的 Markdown，同时处理反机器人保护绕过
`discover`	AI 驱动的搜索，返回排序后的相关网页结果

然后，Pro mode 解锁从 GitHub、NPM、PyPI、Amazon、LinkedIn、Yahoo Finance、YouTube、Zillow、Google Maps 以及其他 40+ 平台提取结构化数据的高级能力。此外，它还暴露用于完整浏览器自动化的工具。

Bright Data 技能

Bright Data 技能包括：

Skill	Description
`search`	执行网页搜索并返回结构化结果
`scrape`	将页面抓取为干净的 Markdown，并处理机器人保护
`data-feeds`	从 40+ 站点提取结构化数据并进行定时轮询
`bright-data-mcp`	编排 Web MCP 工具，以改进搜索、抓取和自动化
`brightdata-cli`	Bright Data CLI 使用指南，涵盖抓取、代理和数据集管理
`bright-data-best-practices`	正确且高效使用 Bright Data API 的参考
`scraper-builder`	通过引导式站点分析与提取步骤构建生产级爬虫工具
`competitive-intel`	使用跨市场与竞争对手的网页数据进行实时竞争分析
`seo-audit`	使用实时网页信号、结构与排名指标进行 SEO 审计
`design-mirror`	复刻 UI 设计模式、tokens 与组件结构

通用步骤

在接下来的两章中，我们将分别探讨如何使用 MCP 和 Agent 技能将 Bright Data 集成到 Zenflow 中。现在，让我们先关注在开始之前所需的一些通用设置步骤。

前置条件

要跟随本教程，请确保你具备：

本地已安装 Node.js 22+。
一个 Zencoder 账户（Free 计划或试用即可）。
一个已配置 API key 的 Bright Data 账户（请参考生成 API key 的官方指南）。

安装并配置 Zenflow

下载 Zenflow 安装程序，运行它，然后启动应用程序。你应该会看到如下欢迎界面：
Zenflow 欢迎视图

系统会引导你完成一些设置问题。回答它们，然后选择你的默认 AI 代理：
选择默认的 Zencoder AI 代理

最后再点击一次“Next”以完成设置：
Zenflow

做得好！你已成功安装 Zenflow。现在是时候为 Bright Data 集成配置它了。

通过 Web MCP 将 Bright Data 连接到 Zencoder

在本节中，你将被引导在 Zenflow 中设置 Bright Data Web MCP。

前置条件

为了更轻松地跟随，建议你具备：

对 MCP 工作原理的基本理解。
熟悉 Bright Data Web MCP 提供的工具。

注意：“通用步骤”章节中列出的前置条件在这里同样适用。

步骤 #1：开始使用 Bright Data 的 Web MCP

在将 Bright Data 的 Web MCP 连接到 Zenflow 之前，请确保 MCP 服务器能在你的机器上正确运行。

首先，登录你的 Bright Data 账户。如需快速设置，请按照 Bright Data 控制面板中 “MCP” 部分的说明操作：
Bright Data 控制面板中的 “MCP” 部分

或者，如需更多指导，请按照下面的手动设置步骤操作。

首先，全局安装 Web MCP：

npm install -g @brightdata/mcp

检查 MCP 服务器是否能通过以下命令启动：

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

或者等效地，在 PowerShell 中：

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

将 <YOUR_BRIGHT_DATA_API> 占位符替换为你实际的 Bright Data API key。该命令会设置所需的 API_TOKEN 环境变量，并通过 @brightdata/mcp 包在本地启动 Web MCP 服务器。

如果一切正常，你应该会看到这些日志：
Bright Data 的 Web MCP 启动消息

首次运行时，@brightdata/mcp 包会在你的 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 Browser API 的区域。

这些区域为 Web MCP 中可用的 70+ 工具提供支持。如有需要，你也可以配置自定义区域，如官方仓库所述。

要验证区域是否已创建，请前往 Bright Data 控制面板中的 “Proxies & Scraping Infrastructure” 部分：
注意 Web MCP 在启动时创建的 “mcp_unlocker” 和 “mcp_browser” 区域

请记住，在 Web MCP 免费层（Rapid 模式）中，你只能访问一组有限的工具。

要解锁全部 70+ 工具，你必须启用 Pro mode。为此，设置 PRO_MODE="true" 环境变量：

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 mode 不包含在免费层中，并且会产生额外费用。

完美！你刚刚验证了 Bright Data Web MCP 能在你的机器上运行。接下来，你将配置 Zencoder Zenflow 以连接到它。

步骤 #2：在 Zenflow 中配置 Web MCP

所有 Zencoder 产品都支持 MCP 集成，通过位于 ~/.zencoder/settings.json 的配置文件实现。你可以手动编辑该文件，或通过 Zenflow UI 访问它。

对于 UI 工作流，先点击左下角的 “Settings” 图标：
点击 “Settings” 图标

然后导航到 “MCP Servers” 部分，你可以直接从 UI 编辑配置文件：
注意你可以编辑 “~/.zencoder/settings.json” 文件的部分

确保你的 ~/.zencoder/settings.json 文件包含以下内容：

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

如果你通过 UI 编辑，请输入相同配置并点击 “Save”：
在 Zenflow UI 中编辑 “~/.zencoder/settings.json” 文件

此设置镜像了你之前测试的 npx 命令，并使用环境变量进行身份验证与配置：

API_TOKEN（必需）：你的 Bright Data API key。
PRO_MODE（可选）：设置为 "true" 以启用 Pro 功能，或移除它以使用免费层。

配置完成后，Zencoder 将使用指定的 npx 命令启动本地 Web MCP 服务器并连接到它。太棒了！

步骤 #3：验证 Web MCP 连接

在撰写本文时，Zenflow 未提供直接的 UI 来检查可用的 MCP 工具。要验证连接，请切换到 Work 模式并发送如下提示：

Which MCP tools do you have access to?

你应该会看到类似的结果：
Zenflow 中可用的 Web MCP 工具

响应将列出所有可用的 MCP 工具。在 Pro mode 下，列表包含 70+ 个 Web MCP 工具。否则，你只会看到 Rapid（免费）模式下可用的工具。

很好！这确认 Bright Data Web MCP 已正确连接，并向你的 Zencoder 产品暴露工具。在本文后面，你将看到如何在真实工作流中将 Web MCP 与 Bright Data 技能一起使用。

将 Bright Data skills 添加到 Zencoder

在这里，你将学习如何通过 Vercel 的 技能 工具提供的引导式工作流，将 Bright Data skills 添加到你的 Zencoder 设置中。

快速手动设置：如果你更喜欢手动方式，请先克隆 Bright Data 技能仓库。然后，将 skills 复制到 ~/.zencoder/skills 目录中：

git clone https://github.com/bright-cn/skills
cp -r skills/skills/* ~/.zencoder/skills/

否则，请按照下面更具引导性的方式操作！

前置条件

请确保你具备：

已在本地安装并配置 Bright Data CLI（这是 Bright Data 技能的主要前置条件）。
对 Bright Data 技能的基本了解。

注意：如需快速设置 Bright Data CLI，请参考 “Bright Data CLI: Installation & Setup” 指南。或者，阅读专门的博客文章。

对 Agent 技能 standard 的基本理解，以及对 Vercel 的 技能 CLI 工具的一些熟悉也会有所帮助。

步骤 #1：安装 Bright Data skills

要在你的 Zencoder 环境中安装 Bright Data 技能，请运行：

npx skills add brightdata/skills -a zencoder

上述命令会安装 技能 包并启动设置流程，该流程将：

从官方 Agent 技能 Directory 下载 Bright Data skills。
将它们配置为可跨所有 Zencoder 产品使用，包括 Zenflow 和 IDE 插件

你首先会看到一个界面，可选择要安装哪些技能：
选择所有 Bright Data skills

要安装全部内容，请使用空格键选择每个 skill，然后按 Enter。

接着，系统会提示你选择安装范围。由于 Web MCP 集成是全局配置的，你也应全局安装 Bright Data 技能。因此，选择 “Global” 选项：

接下来，你将看到 “Installation Summary” 和 “Security Risk Assessment” 部分。仔细审阅两者并按 Enter 确认。最后，你将收到确认消息：
最终确认视图

Bright Data 技能将被安装到 ~/.zencoder/skills 目录中。重启你的 Zencoder 产品以确保加载更改。太棒了！

步骤 #2：验证技能是否可用

你现在应该可以将已安装的 skills 作为特殊命令访问。要验证这一点，请在 Zencoder 中按 /，并检查 Bright Data 技能是否出现在列表中（与默认的 Zencoder skills 一起）：
注意作为命令可用的 Bright Data 技能

列出的命令应与 Bright Data 技能匹配，从而确认安装成功。

重要：如果 skills 未出现，请重启你的 Zencoder 产品。在 Zenflow 中，确保技能也被复制到 ~/.agents/skills（你也可以使用 npx skills add brightdata/skills -a cline 将它们安装到该文件夹中）。然后，重启 Zenflow。

可选：如果你尚未配置 Bright Data CLI，请运行 onboarding skill 并按照说明操作：

/agent-onboarding

Bright Data onboarding 技能

任务完成！在下一章中，你将看到如何在 Zencoder AI 代理中充分利用 Bright Data Web MCP 和技能。

Zencoder + Bright Data：更高阶的 AI 辅助体验

为了验证 Zencoder + Bright Data 设置有多强大，请考虑一个需要真实世界网页数据的具体任务。

假设你正在为当前项目寻找最佳的 Python 哈希库。
在这种场景下仅依赖 LLM 可能存在风险。毕竟，AI 模型可能不了解最近的更新、安全问题、影响特定库的 CVE，或底层算法的变化。因此，让代理以实时网页数据为基础非常重要。

你可能还希望从 PyPI 或 GitHub 等来源抓取信息。这将为 AI 代理提供关于依赖项、安装命令、维护状态等方面的额外细节。

使用如下提示实现目标：

Discover online the best Python libraries for hashing. Start by performing a contextual search on Google, access the most relevant 2-3 pages, and then select a list of the top 5-7 Python libraries. For each library, scrape structured data from its PyPI page. 

With the scraped data, produce a final structured report with a ranking, including for each library: a description, main capabilities, installation instructions, and (if available) requirements, GitHub links, and other relevant details.

在 Work 模式下运行它，随后应发生如下情况：
在 Zenflow Work 中执行提示

发生了以下情况：

代理首先定义一个计划。
它使用 Web MCP 中的 search_engine 工具（由 Bright Data 搜索引擎 API 支持）来检索具上下文的 Google SERP 结果。
它选择最相关的页面，并使用 scrape_batch（通过网络解锁器 API）对其进行抓取。
它识别出最相关的 7 个库，并通过并行调用 web_data_pypi_package Web MCP Pro 工具，用结构化 PyPI 数据对其进行丰富。
它将所有收集的信息聚合到最终的 report.md 文件中。