在本文中，你将学习：
- ZeroClaw 是什么，以及它能带来什么。
- 为什么添加网页访问能力能提升你的 AI 助手的能力。
- Bright Data 如何通过网页抓取、搜索、发现和浏览器自动化工具实现 ZeroClaw 集成。
- 如何使用 MCP 将 Bright Data 连接到 ZeroClaw。
- 如何通过专用的 Agent 技能 为你的 ZeroClaw AI 助手提供 Bright Data 知识。
- ZeroClaw + Bright Data 集成支持什么，并提供一个完整示例。
让我们开始吧！
什么是 ZeroClaw？
ZeroClaw 是一个轻量级、基于 Rust 的 AI agent 运行时，专为完全在你自己的机器上运行而设计。
它充当一个个人 AI 助手，可连接多个 LLM 提供商，在数十个渠道中交互，并通过 shell、浏览器和 API 等工具执行现实世界任务。与竞争对手相比，它的突出之处在于其隐私优先且完全本地化的方法。
ZeroClaw 在开源社区中正在快速获得关注，在不到两个月内达到超过 30k GitHub stars。
它提供的核心特性包括：
- 单一二进制运行时：以紧凑的 Rust 二进制文件运行，启动快且资源占用极少。
- 与提供商无关：可与 50+ AI 提供商配合使用，包括 OpenAI、Anthropic、Ollama 等。
- 多渠道支持：连接到 20+ 平台，如 Discord、Telegram、电子邮件和 CLI。
- 本地优先隐私：一切都在你的机器上运行，因此你拥有完整的数据所有权（无云端、无遥测）。
- 工具执行引擎：与 shell、浏览器、HTTP API、硬件和 MCP 服务器交互。
- 安全与沙箱：内置防护措施、权限和工作区隔离，实现安全自动化。
- 自动化与 SOP（标准操作流程）引擎：通过 cron jobs、webhooks 和事件驱动流程支持工作流。
- 硬件集成：可与 Raspberry Pi、Arduino 和 ESP32 等设备配合使用。
- 可扩展架构：轻松添加新的提供商、工具、渠道和自定义集成。
在官方文档中了解更多。
为什么要让你的 ZeroClaw AI 助手访问网页
即使是为 ZeroClaw 提供支持的最先进 LLM，也有一个根本限制：它们的知识是冻结在某个时间点的。由于它们依赖于静态训练数据，因此无法自然地跟上现实世界的变化。
在快速变化的环境中，这是一个严重的缺点。没有对最新信息的访问，AI 助手可能会给出过时的答案、产生幻觉事实，或采取错误的行动。
为了保持可靠性，你的 ZeroClaw AI agents 需要访问实时网页。这就是为什么 ZeroClaw 自带用于网页抓取和搜索的内置工具。尽管如此，这些工具并不总是具备生产就绪能力，并且可能会遇到封锁或结果不一致的问题。
这就是 Bright Data 发挥作用的地方！
Bright Data 凭借覆盖 195 个国家/地区的超过 4 亿住宅 IP网络脱颖而出，提供 99.99% 的正常运行时间和 99.95% 的成功率。它将你的 AI agent 变成一个具备可扩展、生产级网页数据访问能力的配置。
通过集成 Bright Data 的 AI-ready 基础设施，你的 ZeroClaw 助手可以通过以下方式突破训练限制：
- 执行实时研究：通过在 Google、Bing、Yandex 等上的实时搜索查询访问最新信息
- 验证信息准确性：将输出与可靠的在线来源进行交叉验证
- 收集实时数据：提取最新内容，例如价格、评论和市场洞察
- 支持许多其他用例…
如何使用 Bright Data 扩展 ZeroClaw：2 种方法
Bright Data 通过两种互补的集成方式支持 ZeroClaw：
- Bright Data Web MCP：官方 MCP 服务器，提供 70+ 工具以与 Bright Data 的 API 和服务交互。
- Bright Data 技能：一组 Agent 技能，用于教 ZeroClaw 如何有效使用 Bright Data 解决方案。
重要：这两种方法不是替代关系。相反，它们结合使用效果最佳。特别是，Bright Data skills 包含一个专用技能，帮助你的 AI agents 最大化利用 Web MCP 工具。
Bright Data Web MCP
Bright Data Web MCP 提供 70+ 工具，用于自动化网页数据采集、结构化提取和浏览器自动化。
即使在免费层级（每月 5k 请求）中，你也可以访问以下核心工具：
| Tool | Description |
|---|---|
search_engine + its batch version |
以 JSON 或 Markdown 格式检索 Google、Bing 或 Yandex 结果 |
scrape_as_markdown + its batch version |
将任何网页转换为干净的 Markdown，同时绕过机器人防护 |
discover |
执行 AI 驱动的网页搜索，获得排序后的相关结果 |
然后，Pro mode 解锁 Web MCP 的全部能力。这包括用于从 Amazon、LinkedIn、Yahoo Finance、YouTube、TikTok、Zillow 和 Google Maps 等平台进行结构化提取的高级工具。此外，它还提供浏览器自动化工具。
Bright Data 技能
Bright Data 技能 通过以下方式扩展 ZeroClaw 的知识：
| Skill | Description |
|---|---|
search |
结构化 Google 搜索，支持分页并输出干净的 JSON |
scrape |
将网页抓取为 Markdown，支持绕过机器人、防 CAPTCHA 处理和 JavaScript 渲染 |
data-feeds |
来自 40+ 平台的预构建结构化数据集（Amazon、LinkedIn、TikTok、YouTube、eBay、Walmart 等） |
brightdata-cli |
用于抓取、搜索、代理、提取和监控的 CLI 实用工具 |
bright-data-mcp |
编排 MCP 工具以进行搜索、抓取、提取和自动化 |
competitive-intel |
实时竞争情报（定价、评论、招聘、SEO 信号） |
scraper-builder |
指导创建生产就绪的爬虫工具，从分析到实现 |
design-mirror |
复制 UI 模式、tokens 和设计系统 |
python-sdk-best-practices |
Bright Data Python SDK 的使用指南（sync/async、数据集、错误处理等） |
bright-data-best-practices |
网络解锁器、搜索引擎 API、爬虫工具 API 和 Browser API 的最佳实践 |
通用步骤
在了解如何将 Bright Data 集成到 ZeroClaw 之前，请先完成通用的设置步骤。
前提条件
要跟随本教程，请确保你具备：
- 基于 UNIX 的操作系统（Linux 或 macOS）。
- 本地安装了 Node.js 20+（推荐 LTS 版本）。
- 本地安装了 Rust。
- 来自 ZeroClaw 支持的某个 LLM 提供商的 API key（这里我们将使用 OpenAI API key）。
- 一个已配置 API key 的 Bright Data 账户。要生成 Bright Data API key，请遵循官方指南。
步骤 #1：安装 ZeroClaw
在终端中，运行下面的命令以获取并执行 ZeroClaw 安装脚本：
curl -fsSL https://raw.githubusercontent.com/zeroclaw-labs/zeroclaw/master/install.sh | bash你将输出类似如下内容：
现在重启你的 shell。zeroclaw 命令现在应可在全局使用。通过以下方式验证：
zeroclaw --version结果将类似于：
zeroclaw 0.7.3做得好！ZeroClaw 已安装在你的机器上。
步骤 #2：完成设置
要进行引导式设置，请运行以下命令：
zeroclaw onboardZeroClaw 引导流程将开始：
你将通过一个 9 步向导来配置 ZeroClaw。
首先选择你的目标 AI 提供商。在本例中，选择 OpenAI 并粘贴你的 API key：
然后获取最新模型并选择一个（在本例中，gpt-5-mi<a href="https://developers.openai.com/api/docs/models/gpt-5-mini" target="_blank" rel="noreferrer noopener nofollow">n</a>i)。
系统会提示你连接一个渠道。对于本教程来说这是可选的。接下来，请确保启用 “Sovereign Mode”，以完全控制 AI 助手的工具：
最后，通过提供其名称、时区和偏好语气来个性化你的 AI 助手：
ZeroClaw 现在将被配置，并且所需的守护进程将自动启动。
要验证一切正常工作，请使用以下命令启动 CLI chat：
zeroclaw agent尝试发送一条消息，例如 “Hey!” 如果一切设置正确，你应该会看到类似如下的响应：
太棒了！ZeroClaw 现在已在你的机器上正确运行。
将你的 ZeroClaw AI 助手连接到 Bright Data MCP
在这个引导部分中，你将学习如何在 ZeroClaw 中配置 Bright Data Web MCP 的本地实例。
前提条件
为了更轻松地跟随，建议你具备：
- 熟悉 MCP 标准的工作方式。
- 了解 Bright Data Web MCP 提供的工具。
另外请注意，“通用步骤”部分列出的前提条件在这里仍然适用。
步骤 #1：设置 Bright Data 的 Web MCP
在你的 ZeroClaw 设置中配置 Web MCP 之前，先验证 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。为了快速设置，可以参考控制面板中 “MCP” 部分的说明：
否则，如需更多指导，请按照以下步骤操作。
首先，通过全局添加 @brightdata/mcp 包来安装 Web MCP：
npm install -g @brightdata/mcp接下来，使用以下命令检查 MCP 服务器是否启动：
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。上述命令设置所需的 API_TOKEN 环境变量并在本地启动 Web MCP 服务器。
如果一切正常，你应该会看到类似如下的日志：
在首次运行时，@brightdata/mcp 包会在你的 Bright Data 账户中自动创建两个区域：
这些区域为 Web MCP 中可用的 70+ 工具提供支持。你也可以配置自定义区域名称，如官方仓库所述。
要检查默认区域是否已创建，请进入控制面板中的 “Proxies & Scraping Infrastructure” 页面。你应该会在 “My Zones” 表格中看到这两个区域：
现在，请记住，在 Web MCP 免费层级中，只提供有限的一组工具。
要解锁全部 70+ 工具，你必须通过设置 PRO_MODE="true" env 来启用 Pro mode：
API_TOKEN="<YOUR_BRIGHT_DATA_API>" PRO_MODE="true" npx -y @brightdata/mcp注意：Pro mode 不包含在免费层级中，并且会产生额外费用。
很好！你刚刚确认了 Bright Data Web MCP 在你的系统上可以工作。现在，你将配置 ZeroClaw 连接到它。
步骤 #2：添加 Web MCP 配置
ZeroClaw 支持 MCP 配置，通过 ~/.zeroclaw/config.toml 文件中的一个特殊设置实现。这代表 ZeroClaw 使用的全局配置文件。
要启用 Bright Data Web MCP，请确保你的 config.toml 包含以下内容：
# ~/.zeroclaw/config.toml
[mcp]
enabled = true
deferred_loading = true
servers = [{ name = "bright-data", command = "npx", transport = "stdio", args = ["@brightdata/mcp"], env = { API_TOKEN = "<YOUR_BRIGHT_DATA_API_KEY", PRO_MODE = "true" }, headers = {} }]具体来说，enabled 必须设置为 true 以激活 MCP 支持（在最近版本中，默认是禁用的）。此外，[mcp] 中的 servers 数组必须包含如上所示的有效 Bright Data MCP 配置。
该配置镜像了前面看到的 npx 命令，其中凭据通过环境变量传递：
API_TOKEN（必需）：你的 Bright Data API key。PRO_MODE（可选）：启用高级功能。如果你不打算依赖 Pro mode，请移除它或将其设置为"false"。
注意：ZeroClaw 中的 MCP 服务器是延迟加载的，这意味着它们不会在守护进程启动时启动。
相反，ZeroClaw 仅在你启动 AI 助手时才连接到本地 Web MCP 实例，并在那时触发已配置的 npx 命令。
很酷！让我们验证一下。
步骤 #3：检查连接
使用以下命令启动一个新的 ZeroClaw CLI 会话：
zeroclaw agent在启动日志中，你现在应该会看到：
由于 Web MCP 是唯一配置的，并且日志专门提到了它，我们可以确认 ZeroClaw 已成功连接到本地 Web MCP 实例。
为消除任何疑虑，尝试如下提示：
Which Bright Data MCP tools do you have access to?你应该会收到一个响应，列出 Web MCP 暴露的所有工具。启用 Pro Mode 后，输出将包含完整的可用工具集，如下所示：
恭喜！Web MCP 集成工作正常。在本文后面，你将看到 Web MCP 与 Bright Data 技能 一起实际运行。
通过 skills 让你的 ZeroClaw AI 助手了解 Bright Data 的基础设施
在这里，你将看到如何将 Bright Data 技能 添加到你的本地 ZeroClaw 设置中。
前提条件
要完成本章，请确保你具备：
- 对 Agent 技能 标准的基本理解。
- 熟悉 Bright Data 技能。
- 本地安装了 Git。
除了“通用步骤”的前提条件外，你还需要：
要在基于 Debian 的操作系统上安装 jq（一个类似于 sed 的轻量级 JSON 处理器），运行：
sudo apt-get install curl jq或者，在 macOS 上运行：
brew install curl jq要快速设置一个网络解锁器 API 区域，请查看 “创建你的第一个 Unlocker API” 指南。或者，继续执行下面的步骤。
步骤 #1：创建一个网络解锁器 API 区域
首先登录你的 Bright Data 账户。进入 “Proxies & Scraping Infrastructure” 页面，并查看 “My Zones” 表格：
如果已经存在一个网络解锁器区域，例如本例中的 web_unlocker，请进入下一步。
否则，通过滚动到 “Unblocker API” 卡片并点击 “Create 区域” 来创建一个：
为你的区域选择一个清晰的名称，并完成设置向导，直到该区域变为激活状态。
太棒了！
步骤 #2：完成 技能 设置
要连接到 Bright Data 基础设施，官方 skills 需要这两个环境变量：
BRIGHTDATA_API_KEY：用于对 Bright Data API 请求进行身份验证。BRIGHTDATA_UNLOCKER_ZONE：包含你的网络解锁器 API 区域名称，从而启用网页抓取和搜索能力（因为网络解锁器 API 也可以充当搜索引擎 API）。
使用以下命令在系统中设置所需 env：
export BRIGHTDATA_API_KEY="<YOUR_BRIGHT_DATA_API_KEY>"
export BRIGHTDATA_UNLOCKER_ZONE="<YOUR_BRIGHT_DATA_WEB_UNLOCKER_API_ZONE_NAME>"将占位符替换为实际值。设置完成后，Bright Data 技能 就可以被 ZeroClaw 使用了！
步骤 #3：在 ZeroClaw 中添加 Bright Data skills
在撰写本文时，Bright Data 技能 需要执行 shell 脚本才能工作。因此，首先在 ZeroClaw 配置文件的 [skills] 部分将 allow_scripts 设置为 true：
# ~/.zeroclaw/config.toml
[skills]
# ...
allow_scripts = true
# ...要在 ZeroClaw 中安装新 技能，你需要将它们放在 ~/.zeroclaw/workdpsace/skills 目录中。首先克隆官方 Bright Data 技能 仓库：
git clone https://github.com/brightdata/skills在仓库中，你会在内部的 skills/ 文件夹下找到所有可用 技能：
skills/
├── ...
└── skills/
├── brd-browser-debug/
├── bright-data-best-practices/
├── bright-data-mcp/
├── brightdata-cli/
├── competitive-intel/
├── data-feeds/
├── design-mirror/
├── python-sdk-best-practices/
├── scrape/
└── scraper-builder/将所有 skills/skills/ 文件夹复制到你的 ZeroClaw workspace 中：
cp -r skills/skills/* ~/.zeroclaw/workspace/skills/就是这样！Bright Data 技能 现在已成功添加到 ZeroClaw。
步骤 #4：验证 skills 是否可用
要确认 ZeroClaw 识别 Bright Data 官方 技能，请运行：
zeroclaw skills list输出应显示你之前添加的 Bright Data 技能 列表：
任务完成！在下一部分中，你将体验由 Bright Data Web MCP 和 Agent 技能 增强的 ZeroClaw AI 助手。
ZeroClaw + Bright Data 实战
假设你是一位企业主，希望定期收到来自你的 ZeroClaw AI 助手的一条消息，总结你的 Google Maps 列表的评论。可以通过如下提示实现：
Retrieve the Google Maps reviews for the "NY Pizza Suprema" business in New York. Focus on reviews that were posted in the last 2 days. Also scrape the main business information from Google Maps (e.g., name, category, location, rating, number of reviews, etc.).
Then, aggregate everything into a concise report that includes
- Updated average review score + udpated review count
- A sentiment analysis of the most recent reviews
For the sentiment analysis:
- Highlight common positive and negative themes
- Include real quotes from customers
- Emphasize what customers appreciated most and what they suggested could be improved重要：这项任务不是 ZeroClaw 单独就能可靠完成的。因为它需要用于网页搜索（定位 Maps 上的商家）、抓取（提取商家数据）以及从 Google Maps 进行结构化提取的生产级工具。
提示：为确保 ZeroClaw 在此工作流中使用 Bright Data（而不是不稳定的内置工具），你可以在提示中明确指示它。或者，可选地，发送一条消息要求将此偏好存储在 agent 的记忆中，以便跨会话持久化。
要验证该提示有效，请通过启动与 agent 的聊天并发送消息来测试：
zeroclaw agent或者使用以下方式直接发送提示：
zeroclaw agent --message "<YOUR_PROMPT>"你应该会看到如下内容：
预期的工作流是：
- 它通过 Web MCP
search_engine工具执行网页查询（由 Bright Data 搜索引擎 API 提供支持）。 - 它从结构化搜索结果中提取 Google Maps URL。
- 它将 URL 传递给
web_data_google_maps_reviews工具（由 Bright Data Google Reviews API 支持）。 - 它通过使用
scrape_as_markdown抓取 Maps 商家页面来检索商家元数据（名称、评分、类别、评论）（通过网络解锁器 API）。 - 它将所有内容汇总为一个结构化报告。
注意：在运行任何工具之前，AI agent 会请求权限。使用 “A” 授权以允许 agent 记住此权限以供未来工具使用。否则，仅针对当前运行，使用 “Y” 批准执行。
结果是一份上下文报告，包含基于真实 Google Maps 数据的评分与情感分析：
这包括直接从实时 Google Maps 信息和评论数据中得出的真实世界洞察：
瞧！唯一剩下的步骤是启用调度、连接一个渠道，然后你就会开始收到包含你所需全部洞察的自动化报告。这是一个展示 ZeroClaw + Bright Data 强大能力的简单示例，当然也还有许多其他用例！
结论
在本教程中，你探索了 ZeroClaw 是什么以及它提供的价值。特别是，你了解了为什么以及如何通过 Web MCP 和 其官方 技能 集成 Bright Data 来增强它。
该设置通过启用直接网页访问来提升你的 ZeroClaw AI 助手。它解锁了网页搜索、内容发现、结构化数据提取以及与网站的自动化交互等能力。
如果你想更进一步，请探索 Bright Data 生态系统中提供的完整 AI-ready 服务套件。
立即注册一个免费的 Bright Data 账户，并开始集成我们强大的网页数据工具！
技术写作
5.5 years experience
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。
