--- title: "Bright DataをAG2（AutoGen）マルチエージェントAIアーキテクチャに統合する" slug: ag2-with-bright-data date: 2026-01-28T07:25:03+00:00 modified: 2026-01-28T07:25:07+00:00 permalink: https://brightdata.jp/blog/ai/ag2-with-bright-data type: blog --- [ ブログ ](https://brightdata.jp/blog "ブログ") / [AI](https://brightdata.jp/blog/ai) [AI](https://brightdata.jp/blog/ai) # Bright DataをAG2（AutoGen）マルチエージェントAIアーキテクチャに統合する Bright DataツールでAG2マルチエージェントワークフローを強化し、ライブウェブデータ検索、スクレイピング、自律的レポート作成を実現する方法をご覧ください。 9 分読 [ ![Antonello Zanini](https://media.brightdata.jp/2022/12/Antonello-Zanini-2-50x50.jpg) ](https://brightdata.com/blog/authors/antonello-zanini) [Antonello Zanini Technical Writer ](https://brightdata.com/blog/authors/antonello-zanini) ![AG2 with Bright Data](https://media.brightdata.jp/2025/12/AG2-with-Bright-Data.png) 本ガイドでは以下の内容を確認できます： - AG2の定義、シングルエージェントおよびマルチエージェントシステム開発への支援方法、Bright Dataによる拡張の利点。 - 本連携を開始するための前提条件。 - カスタムツールを介してBright DataでAG2マルチエージェントアーキテクチャを強化する方法。 - AG2をBright DataのBright Data MCPに接続する方法。 それでは始めましょう！ ## AG2（旧称AutoGen）の概要 [AG2は](https://ag2.ai/)、複雑なタスク解決のために自律的に連携するAIエージェントおよびマルチエージェントシステムを構築するためのオープンソースAgentOSフレームワークです。単一エージェントのワークフロー作成、複数の専門エージェントのオーケストレーション、外部ツールのモジュール化された実運用環境対応パイプラインへの統合を可能にします。 AG2（旧称AutoGen）[はMicrosoft AutoGenライブラリの](https://microsoft.github.io/autogen/stable//index.html)進化形です。元のアーキテクチャと後方互換性を維持しつつ、マルチエージェントワークフロー、ツール統合、ヒューマン・イン・ザ・ループAIを実現します。Pythonで記述され、[GitHubで4,000以上のスターを獲得しています](https://github.com/ag2ai/ag2)。 *（Bright DataとAutoGenの統合方法については、* [*専用ブログ記事をご参照ください*](/blog/ai/autogen-agentchat-with-web-mcp)*）* AG2は、エージェント型AIプロジェクトを実験段階から本番環境へ移行させるために必要な柔軟性と高度なオーケストレーションパターンを提供します。 主なコア機能には、マルチエージェント会話パターン、ヒューマン・イン・ザ・ループ対応、ツール統合、構造化されたワークフロー管理が含まれます。最終目標は、最小限のオーバーヘッドで高度なAIシステムを構築することです。 こうした優れた機能にもかかわらず、AG2エージェントは依然としてLLMの根本的な制限に直面しています：トレーニングデータからの静的知識と、ライブウェブ情報へのネイティブアクセスがないことです！ Bright DataのようなウェブデータプロバイダーとAG2を統合することで、これらの課題はすべて解決されます。ウェブスクレイピング、検索、ブラウザ自動化のためのBright DataのAPIにAG2エージェントを接続することで、リアルタイムで構造化されたウェブデータが利用可能になり、エージェントの知能、自律性、実用性が向上します。 ## 前提条件 本ガイドを実践するには以下が必要です： - ローカルマシンに[インストールされたPython 3.10以上](https://www.python.org/downloads/) - Web Unlocker API、SERP API、および設定済みのAPIキーを[備えたBright Dataアカウント](/)（本チュートリアルで必要な設定をすべてガイドします）。 - [OpenAI APIキー](https://openai.com/index/openai-api/)（[またはAG2がサポートする他のLLM](https://docs.ag2.ai/latest/docs/user-guide/basic-concepts/llm-configuration/#supported-llm-providers)のAPIキー）。 [Bright Dataの製品・サービス](/products)に関する基礎知識、および[AG2ツールシステムの動作原理に関する](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/orchestration/group-chat/agent-tools-functions/)基本的な理解があると便利です。 ## Bright DataをAG2マルチエージェントワークフローに統合する方法 このステップバイステップセクションでは、Bright Dataサービスに基づくマルチエージェントAG2ワークフローを構築します。具体的には、ウェブデータ取得専用のエージェントがカスタムAG2ツール関数経由でBright DataのWeb UnlockerおよびSERP APIにアクセスします。 このマルチエージェントシステムは、食品業界におけるTwitchなどのプラットフォーム上のトップインフルエンサーを特定し、新種のハンバーガーのプロモーションを支援します。この例は、AG2がデータ収集の自動化、構造化されたビジネスレポートの作成、情報に基づいた意思決定の実現を、すべて手動作業なしで可能にする方法を示しています。 実装方法をご覧ください！ ### ステップ #1: AG2プロジェクトの作成 ターミナルを開き、AG2プロジェクト用の新規フォルダを作成します。例として「`ag2-bright-data-agent`」と命名します： ```none mkdir ag2-bright-data-agent ``` `ag2-bright-data-agent/ には`、Bright Data 機能と連携する AG2 エージェントの実装とオーケストレーションを行う Python コードが含まれます。 次に、プロジェクトディレクトリに移動し、その中に[仮想環境を作成します](https://docs.python.org/3/library/venv.html)： ```none cd ag2-bright-data-agent python -m venv .venv ``` プロジェクトルートに`agent.py`という新しいファイルを追加します。プロジェクト構造は次のようになります: ```none ag2-bright-data-agent/ ├── .venv/ └── agent.py # <---- ``` `agent.py`ファイルにはAG2エージェントの定義とオーケストレーションロジックが含まれます。 お好みのPython IDE（[Python拡張機能付きのVisual Studio](https://code.visualstudio.com/docs/languages/python) [CodeやPyCharm Community Editionなど](https://www.jetbrains.com/pycharm/download/)）でプロジェクトフォルダを開きます。 次に、作成した仮想環境をアクティブ化します。LinuxまたはmacOSでは以下を実行: ```none source .venv/bin/activate ``` Windowsでは同等の操作として以下を実行します： ```none .venv/Scripts/activate ``` 仮想環境が有効化された状態で、必要なPyPI依存関係をインストールします： ```none pip install ag2[openai] requests python-dotenv ``` このアプリケーションは以下のライブラリに依存しています: - [`ag2[openai]`](https://pypi.org/project/ag2/): OpenAIモデルを活用したマルチエージェントAIワークフローの構築とオーケストレーション。 - [`requests`](https://pypi.org/project/requests/): カスタムツールを通じてBright DataサービスへのHTTPリクエストを実行します。 - [`python-dotenv`](https://pypi.org/project/python-dotenv/):`.envファイル`で定義された環境変数から必要なシークレットを読み込むため。 完了！これでAG2を用いたマルチエージェントAI開発用のPython環境が使用可能になりました。 ### ステップ #2: LLM 統合の設定 次のステップで構築するAG2エージェントには、LLMが提供する「頭脳」が必要です。各エージェントは[独自のLLM設定](https://docs.ag2.ai/latest/docs/user-guide/basic-concepts/llm-configuration/#creating-an-llm-configuration)を使用できますが、簡素化のため、すべてのエージェントを同じOpenAIモデルに接続します。 AG2には、[専用の設定ファイル](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/llm-configuration-deep-dive/#oai_config_list-pattern)からLLM設定を読み込む組み込みメカニズムが備わっています。これを行うには、`agent.py`に以下のコードを追加してください： ```none from autogen import LLMConfig # OpenAI設定リストファイルからLLM設定を読み込み llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST") ``` このコードは`OAI_CONFIG_LIST.json` というファイルから LLM 設定を読み込みます。プロジェクトのルートディレクトリにこのファイルを作成してください： ```none ag2-bright-data-agent/ ├── .venv/ ├── OAI_CONFIG_LIST.json # <---- └── agent.py ``` 次に、`OAI_CONFIG_LIST.jsonに`以下の内容を記述します： ```none [ { "model": "gpt-5-mini", "api_key": "" } ] ``` ``プレースホルダーを実際の OpenAI API キーに置き換えてください。この設定により、AG2 エージェントは[GPT-5 Mini](https://platform.openai.com/docs/models/gpt-5-mini)モデルを使用して動作しますが、必要に応じて他のサポートされている OpenAI モデルに切り替えることもできます。 `llm_config変数は`エージェントとグループチャットオーケストレーターに渡されます。これにより、設定されたLLMを使用して推論、コミュニケーション、タスク実行が可能になります。素晴らしい！ ### ステップ #3: 環境変数読み取りの管理 AG2エージェントはOpenAIに接続可能になりましたが、別のサードパーティサービスであるBright Dataへのアクセスも必要です。OpenAIと同様に、Bright Dataも[外部APIキーを使用して](https://docs.brightdata.com/api-reference/authentication#how-do-i-authenticate-with-api-key)リクエストを認証します。 セキュリティリスクを回避するため、APIキーをコードに直接ハードコードしてはいけません。代わりに、環境変数から読み込むことがベストプラクティスです。これが、先に`python-dotenvを`インストールした理由です。 まず、`agent.pyで` `python-dotenvを`インポートします。`load_dotenv()`関数を使用して`.envファイル`から環境変数をロードします： ```none from dotenv import load_dotenv import os # .envファイルから環境変数をロード load_dotenv() ``` 次に、プロジェクトのルートディレクトリに`.env`ファイルを追加します。内容は以下の通りです： ```none ag2-bright-data-agent/ ├── .venv/ ├── OAI_CONFIG_LIST.json ├── .env # <---- └── agent.py ``` `.envファイルに`シークレット値を追加すると、コード`内でos.getenv()`を使用してそれらにアクセスできるようになります: ```none ENV_VALUE = os.getenv("ENV_NAME") ``` これでスクリプトは環境変数からサードパーティ連携のシークレットを安全に読み込めます。 ### ステップ #4: Bright Data サービスの設定 導入部で述べた通り、WebデータエージェントはBright DataのSERP APIとWeb Unlocker APIに接続し、Web検索とWebページからのコンテンツ取得を処理します。これらのサービスを組み合わせることで、エージェントは[エージェント型RAGスタイルのデータ取得レイヤー](/blog/ai/build-an-agentic-rag)でライブWebデータを取得する能力を獲得します。 これら2つのサービスと連携するには、後ほど2つのカスタムAG2ツールを定義する必要があります。その前に、Bright Dataアカウントで全てを設定してください。 まず、[Bright Dataアカウント](/?hs_signup=1)をお持ちでない場合は[新規作成してください](/?hs_signup=1)。お持ちの場合は[ログインし](/cp/start)、ダッシュボードにアクセスします。そこから「プロキシ＆スクレイピング」ページに移動し、プロファイルで設定済みのサービスを一覧表示する「マイゾーン」テーブルを確認します： ![Note the “web_unlocker” Web Unlocker API zone and “serp_api” SERP API zone](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1766068789896_image.png) 上記のように、テーブルにWeb Unlocker APIゾーン（`この例ではweb_unlocker`）とSERP APIゾーン（`この例ではserp_api`）が既に存在する場合、準備は完了です。これらの2つのゾーンは、カスタムAG2ツールが必要なBright Dataサービスを呼び出す際に使用されます。 いずれか一方または両方のゾーンが欠けている場合は、下にスクロールして「アンブロッカーAPI」と「SERP API」カードを見つけ、それぞれに対して「ゾーンを作成」をクリックしてください。セットアップウィザードに従って両方のゾーンを作成します： ![Note the “Create zone” buttons](https://media.brightdata.com/2025/12/s_15C5171743EEDBEF0993090D3D85589F5C79171362D5F7D117C738A5456FCA68_1764757915299_image-2.png) 詳細な手順については、公式ドキュメントを参照してください： - [*SERP API の開始方法*](https://docs.brightdata.com/scraping-automation/serp-api/quickstart) - [*Bright Data Web Unlocker API クイックスタートガイド*](https://docs.brightdata.com/scraping-automation/web-unlocker/quickstart) **重要**：以降、ゾーン名はそれぞれ「`serp_api`」と「`web_unlocker`」と仮定します。 ゾーンの準備が整ったら、[Bright Data APIキーを生成します](https://docs.brightdata.com/api-reference/authentication#how-do-i-generate-a-new-api-key)。これを`.envファイル`の環境変数として保存してください： ```none BRIGHT_DATA_API_KEY="" ``` 次に、`agent.py`で以下のように読み込みます： ```none BRIGHT_DATA_API_KEY = os.getenv("BRIGHT_DATA_API_KEY") ``` これで、カスタムツールを通じてAG2エージェントをBright DataのSERP APIおよびWeb Unlockerサービスに接続するための基盤が整いました。 ### ステップ #5: AG2エージェント向けBright Dataツールの定義 AG2では、[ツールは](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/orchestration/group-chat/agent-tools-functions/)エージェントがアクションを実行し意思決定を行うために呼び出せる[特殊な機能を提供します](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/orchestration/group-chat/agent-tools-functions/)。内部的には、ツールは単にAG2が構造化された方法でエージェントに公開するカスタムPython関数です。 このステップでは、`agent.py`に2つのツール関数を実装します： - `serp_api_tool()`: Bright Data SERP APIに接続し、Google検索を実行します。 - `web_unlocker_api_tool()`: Bright Data Web Unlocker APIに接続し、すべてのボット対策システムをバイパスしてウェブページコンテンツを取得します。 両ツールとも、ドキュメントに基づき[Requests Python HTTPクライアント](/blog/web-data/python-requests-guide)を使用してBright Dataへの認証済みPOSTリクエストを実行します： - [*Bright DataのSERP APIで最初のリクエストを送信する*](https://docs.brightdata.com/scraping-automation/serp-api/send-your-first-request) - [*Bright DataのWeb Unlocker APIで最初のリクエストを送信する*](https://docs.brightdata.com/scraping-automation/web-unlocker/send-your-first-request) 2つのツール関数を定義するには、`agent.`pyに以下のコードを追加します: ```none from typing import Annotated import requests import urllib.parse def serp_api_tool( query: Annotated[str, "Google検索クエリ"], ) -> str: payload = { "zone": "serp_api", # Bright Data SERP APIゾーン名に置き換えてください "url": f"https://www.google.com/search?q={urllib.parse.quote_plus(query)}&brd_json=1", "format": "raw", } headers = { "Authorization": f"Bearer {BRIGHT_DATA_API_KEY}", "Content-Type": "application/json", } response = requests.post( "https://api.brightdata.com/request", json=payload, headers=headers, ) response.raise_for_status() return response.text def web_unlocker_api_tool( url_to_fetch: Annotated[str, "取得対象ページURL"], data_format: Annotated[ str | None, "出力ページ形式 (例: 'markdown'、省略時は生のHTML)" ] = "markdown",) -> str: payload = { "zone": "web_unlocker", # Bright Data Web Unlocker のゾーン名に置き換えてください "url": url_to_fetch, "format": "raw", "data_format": data_format, } headers = { "Authorization": f"Bearer {BRIGHT_DATA_API_KEY}", "Content-Type": "application/json", } response = requests.post( "https://api.brightdata.com/request", json=payload, headers=headers ) response.raise_for_status() return response.text ``` 2つのツールは、Bright Data APIキーを使用してリクエストを認証し、Bright Data APIエンドポイントにPOSTリクエストを送信します: - `serp_api_tool() は`Google をクエリし、`brd_json=1`パラメータを有効化することで[構造化された JSON 形式の](https://docs.brightdata.com/scraping-automation/serp-api/parsed-json-results/parsing-search-results)検索結果を取得します。 - `web_unlocker_api_tool() は`任意のウェブページを取得し、[その内容をMarkdown形式](https://docs.brightdata.com/scraping-automation/web-unlocker/features#scrape-as-markdown)（または必要に応じて生のHTML）[で返します](https://docs.brightdata.com/scraping-automation/web-unlocker/features#scrape-as-markdown)。 **重要**: JSONとMarkdownはどちらも、[AIエージェントにおけるLLMの取り込み](https://www.kaggle.com/code/brightdataml/benchmarking-ai-agents-on-different-data-formats)に最適な形式です。 両関数は引数の`記述にPython型指定とAnnotatedを使用しています`。型指定はこれらの関数を適切なAG2ツールに変換するために必須であり、アノテーション記述はエージェント内部からツールを呼び出す際にLLMが各引数をどのように設定すべきかを理解する助けとなります。 素晴らしい！これでAG2アプリケーションに2つのBright Dataツールが組み込まれ、AIエージェントによる設定と利用が可能になりました。 ### ステップ #6: AG2 エージェントの実装 ツールの準備が整ったところで、導入部で説明したAIエージェント構造を構築します。この構成は3つの補完的なエージェントで構成されます： 1. **`user_proxy`**: 実行層として機能し、ツール呼び出しを安全に実行し、人間の入力なしにワークフローを調整します。これは[`UserProxyAgentの`](https://docs.ag2.ai/latest/docs/api-reference/autogen/UserProxyAgent/)インスタンスであり、ユーザーのプロキシとして機能する特別なAG2エージェントです。コードを実行し、必要に応じて他のエージェントにフィードバックを提供します。 2. **`web_data_agent`**: ウェブデータの発見と取得を担当します。このエージェントはBright Data SERP APIを使用してウェブを検索し、Web Unlocker API経由でページコンテンツを取得します。[`ConversableAgentとして`](https://docs.ag2.ai/latest/docs/user-guide/basic-concepts/conversable-agent/)、他のエージェントや人間とのコミュニケーション、情報処理、システムメッセージで定義された指示の追従などが可能です。 3. **`reporting_agent`**: 収集したデータを分析し、意思決定者向けに構造化されたビジネス対応のMarkdownレポートに変換します。 これらのエージェントが連携し、Twitchストリーマーの特定と対象製品のプロモーションを目的とした完全自律型マルチエージェントパイプラインを構成します。 `agent.py`では、以下のコードで3つのエージェントを全て指定します： ```none from autogen import ( UserProxyAgent, ConversableAgent,) # ツール呼び出しを実行し、人間の介入なしにワークフローを調整 user_proxy = UserProxyAgent( name="user_proxy", code_execution_config=False, human_input_mode="NEVER", llm_config=llm_config, ) # ウェブデータの検索と取得を担当 web_data_agent = ConversableAgent( name="web_data_agent", code_execution_config=False, llm_config=llm_config, system_message=( """ あなたはウェブデータ取得エージェントです。 Bright Data SERP APIツールを使用してウェブを検索し、 Web Unlocker APIツールを使用してページコンテンツを取得します。 """ ), ) # 収集したデータを分析し構造化されたレポートを生成する reporting_agent = ConversableAgent( name="reporting_agent", code_execution_config=False, system_message=( """ あなたはマーケティングアナリストです。 意思決定者向けに、構造化されたビジネス対応のMarkdownレポートを 作成します。 """ ), llm_config=llm_config, # 「report」という単語が出現したら会話を自動的に終了 is_termination_msg=lambda msg: "report" in (msg.get("content", "") or "").lower() ) ``` 上記のコードでは、以下の点に注意してください： - [AG2エージェントは](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/code-execution/)メッセージ内の[コード](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/code-execution/)（コードブロックなど）[を実行し](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/code-execution/)、結果を次のエージェント[に渡せます](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/code-execution/)。本設定ではセキュリティ`のためcode_execution_config=Falseで`コード実行を無効化しています。 - 全エージェントはステップ#2でロードされた`llm_config`で動作します。 - `reporting_agentには` [`is_termination_msg`関数が含まれており](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/ending-a-chat/)、メッセージに「report」という単語が含まれると[自動的にワークフローを終了させます](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/ending-a-chat/)。これは最終出力が生成されたことを示すシグナルです。 次に、Bright`Dataツールをweb_data_agentに登録`し、ウェブ取得を有効化します！ ### ステップ #7: AG2 Bright Data ツールの登録 Bright Data関数をツールとして登録し、[`register_function()`](https://docs.ag2.ai/0.8.7/docs/api-reference/autogen/register_function/) `を通じてweb_data_agentに`割り当てます。AG2のアーキテクチャ要件に従い、`user_proxy`エージェントがこれらのツールの実行担当となります： ```none from autogen import register_function # Webデータエージェント向けSERP検索ツールを登録 register_function( serp_api_tool, caller=web_data_agent, executor=user_proxy, description="Bright DataのSERP APIを使用してGoogle検索を実行し、生の結果を返す。" ) # 保護されたページ取得用 Web Unlocker ツールの登録 register_function( web_unlocker_api_tool, caller=web_data_agent, executor=user_proxy, description="Bright Data の Web Unlocker API を使用して、一般的なボット対策機能を回避しウェブページを取得します。", ) ``` 各関数には簡潔な説明が含まれており、LLMがその目的を理解し、いつ呼び出すべきかを判断するのに役立ちます。 これらのツールを登録することで、`web_data_agentは`ウェブ検索とページアクセスを計画できるようになり、`user_proxy`が実行を担当します。 これで、AG2マルチエージェントパイプラインはBright DataのAPIを使用した自律的なデータ発見とスクレイピングを完全に実行可能になりました。ミッション完了！ ### ステップ #8: AG2 マルチエージェントオーケストレーションロジックの導入 AG2は[複数のエージェントをオーケストレーション・管理する](https://docs.ag2.ai/latest/docs/user-guide/basic-concepts/introducing-swarm-orchestration/)複数の方法をサポートしています。[`この例ではGroupChatパターンを`](https://docs.ag2.ai/latest/docs/user-guide/advanced-concepts/groupchat/groupchat/)紹介します。 AG2グループチャットの中核は、全てのエージェントが単一の会話スレッドに貢献し、同じコンテキストを共有することです。このアプローチは、当パイプラインのように複数エージェント間の連携を必要とするタスクに最適です。 次に、[`GroupChatManagerが`](https://docs.ag2.ai/latest/docs/api-reference/autogen/GroupChatManager/)グループチャット内のエージェント調整を処理します。次の実行エージェントを選択する様々な戦略をサポートしています。ここでは、マネージャーのLLMを活用して次に発言するエージェントを決定するデフォルトの`自動`戦略を設定します。 マルチエージェントオーケストレーションのための全体を以下のように統合します： ```none from autogen import ( GroupChat, GroupChatManager,) # マルチエージェントグループチャットの定義 groupchat = GroupChat( agents=[user_proxy, web_data_agent, reporting_agent], speaker_selection_method="auto", messages=[], max_round=20 ) # エージェント間の相互作用を調整するマネージャー manager = GroupChatManager( name="group_manager", groupchat=groupchat, llm_config=llm_config ) ``` **注**: 以下のいずれか早い時点でワークフローは終了します: –`reporting_agent`が`is_termination_msg`ロジックをトリガーするメッセージを生成した場合 – エージェント間の往復やり取りが`20`ラウンドに達した場合 (`max_round`引数による) さあ始めましょう！エージェント定義とオーケストレーションロジックは完了しました。最後のステップはワークフローを開始し、結果をエクスポートすることです。 ### ステップ #9: Agentic ワークフローを起動し結果をエクスポート Twitchストリーマーインフルエンサー検索タスクを詳細に記述し、`ユーザープロキシ`エージェントにメッセージとして渡して実行します： ```none prompt_message = """ シナリオ: --------- 食品飲料ブランドが新種のハンバーガーをプロモーションしたい。 目標: - TwitchMetricsの「Food & Drink」カテゴリページを検索 - SERPから取得したTwitchMetricsカテゴリページの内容を取得し、上位5人のストリーマーを選定 - 各ストリーマーのTwitchMetricsプロフィールページを訪問し関連情報を取得 - 構造化されたMarkdownレポートを作成（以下を含む） - チャンネル名 - 推定リーチ - コンテンツの焦点 - 視聴者層との適合性 - ブランドアプローチの実現可能性 """ # マルチエージェントワークフローを開始 user_proxy.initiate_chat(recipient=manager, message=prompt_message) ``` ワークフロー完了後、出力（Markdownレポート）をディスクに保存: ```none with open("report.md", "w", encoding="utf-8") as f: f.write(user_proxy.last_message()["content"]) ``` 素晴らしい！AG2とBright Dataを活用したマルチエージェントワークフローが完全に稼働し、Twitchインフルエンサーデータの収集・分析・レポート作成の準備が整いました。 ### ステップ #10: 全てを統合する `agent.py`ファイルの最終コードは以下のようになります: ```none from autogen import ( LLMConfig, UserProxyAgent, ConversableAgent, register_function, GroupChat, GroupChatManager,) from dotenv import load_dotenv import os from typing import Annotated import requests import urllib.parse # OpenAI設定リストファイルからLLM設定を読み込み llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST") # .envファイルから環境変数を読み込み load_dotenv() # 環境変数からBright Data APIキーを取得 BRIGHT_DATA_API_KEY = os.getenv("BRIGHT_DATA_API_KEY") # Bright Dataツールを実装する関数を定義 def serp_api_tool( query: Annotated[str, "Google検索クエリ"],) -> str: payload = { "zone": "serp_api", # Bright Data SERP APIゾーン名に置き換えてください "url": f"https://www.google.com/search?q={urllib.parse.quote_plus(query)}&brd_json=1", "format": "raw", } headers = { "Authorization": f"Bearer {BRIGHT_DATA_API_KEY}", "Content-Type": "application/json", } response = requests.post( "https://api.brightdata.com/request", json=payload, headers=headers, ) response.raise_for_status() return response.text def web_unlocker_api_tool( url_to_fetch: Annotated[str, "取得対象ページURL"], data_format: Annotated[ str | None, "出力ページ形式 (例: 'markdown'、省略時は生のHTML)" ] = "markdown",) -> str: payload = { "zone": "web_unlocker", # Bright Data Web Unlocker のゾーン名に置き換えてください "url": url_to_fetch, "format": "raw", "data_format": data_format, } headers = { "Authorization": f"Bearer {BRIGHT_DATA_API_KEY}", "Content-Type": "application/json", } response = requests.post( "https://api.brightdata.com/request", json=payload, headers=headers ) response.raise_for_status() return response.text # ツール呼び出しを実行し、人間の介入なしにワークフローを調整する user_proxy = UserProxyAgent( name="user_proxy", code_execution_config=False, human_input_mode="NEVER", llm_config=llm_config, ) # ウェブデータの検索と取得を担当 web_data_agent = ConversableAgent( name="web_data_agent", code_execution_config=False, llm_config=llm_config, system_message=( """ あなたはウェブデータ取得エージェントです。 Bright Data SERP APIツールを使用してウェブを検索し、 Web Unlocker APIツールを使用してページコンテンツを取得します。 """ ), ) # 収集したデータを分析し構造化されたレポートを生成する reporting_agent = ConversableAgent( name="reporting_agent", code_execution_config=False, system_message=( """ あなたはマーケティングアナリストです。 意思決定者向けに、構造化されたビジネス対応のMarkdownレポートを 作成します。 """ ), llm_config=llm_config, # "report"という単語が出現したら会話を自動的に終了 is_termination_msg=lambda msg: "report" in (msg.get("content", "") or "").lower() ) # Webデータエージェント向けにSERP検索ツールを登録 register_function( serp_api_tool, caller=web_data_agent, executor=user_proxy, description="Bright DataのSERP APIを使用してGoogle検索を実行し、生の検索結果を返す。" ) # 保護されたページ取得用 Web Unlocker ツールを登録 register_function( web_unlocker_api_tool, caller=web_data_agent, executor=user_proxy, description="Bright Data の Web Unlocker API を使用して、一般的なボット対策機能を回避しウェブページを取得します。", ) # マルチエージェントグループチャットの定義 groupchat = GroupChat( agents=[user_proxy, web_data_agent, reporting_agent], speaker_selection_method="auto", messages=[], max_round=20 ) # エージェント間の連携を調整するマネージャー manager = GroupChatManager( name="group_manager", groupchat=groupchat, llm_config=llm_config) prompt_message = """ シナリオ: --------- 飲食ブランドが新種のハンバーガーを宣伝したい。 目標: - TwitchMetricsの「Food & Drink」カテゴリページを検索 - SERPから取得したTwitchMetricsカテゴリページの内容を取得し、上位5人のストリーマーを選定 - 各ストリーマーのTwitchMetricsプロフィールページを訪問し関連情報を取得 - 構造化されたMarkdownレポートを作成（以下を含む）: - チャンネル名 - 推定リーチ - コンテンツの焦点 - 視聴者層との適合性 - ブランドアプローチの実現可能性 """ # マルチエージェントワークフローを開始 user_proxy.initiate_chat(recipient=manager, message=prompt_message) # 最終レポートをMarkdownファイルに保存 with open("report.md", "w", encoding="utf-8") as f: f.write(user_proxy.last_message()["content"]) ``` 強力なAG2 APIのおかげで、わずか約170行のコードで、複雑なエンタープライズ対応のBright Data搭載マルチエージェントワークフローを構築できました！ ### ステップ #11: マルチエージェントシステムのテスト ターミナルで、AG2エージェントアプリケーションが動作することを確認します: ```none python agent.py ``` 期待される出力は以下のようになります: ![The AG2 run](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765984277632_11.gif) 詳細には、マルチエージェントワークフローが段階的に進行する様子に注目してください： 1. `web_data_agent`は、必要な TwitchMetrics の「Food & Drink」カテゴリページを見つけるために`serp_api_tool`を呼び出す必要があることを判断します。 2. `user_proxy`エージェントを介して、このツールは複数の検索クエリを実行します。 3. 正しい TwitchMetrics カテゴリページが特定されると、`web_unlocker_api_tool`を呼び出して Markdown 形式でコンテンツをスクレイピングします。 4. Markdown出力から、「Food & Drink」カテゴリにおける上位5人のインフルエンサーのTwitchMetricsプロフィールURLを抽出します。 5. `web_unlocker_api_tool`が再度呼び出され、各プロフィールページのコンテンツを Markdown で取得します。 6. 収集された全データは`reporting_agent`に渡され、分析を経て最終レポートが生成されます。 この最終レポートはコードで指定された通り`report.md` としてディスクに保存されます: ![The report.md file produced by the agent](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765984446763_image.png) VS CodeのMarkdownプレビューで表示し、レポートの詳細さと情報量の豊富さを確認してください： ![Scrolling through the output report](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765984709391_21.gif) ソースデータの出所が気になる場合は、[TwitchMetricsの「Food & Drink」Twitchストリームカテゴリページ](https://www.twitchmetrics.net/channels/popularity?game=Food+%26+Drink)を確認してください： ![The target category page from TwitchMetrics](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765991791425_image.png) レポート内のTwitchストリーマー情報は、上位5プロファイルそれぞれの専用TwitchMetricsプロフィールページと一致している点に注意してください： ![An example of one of the selected TwitchMetrics profile pages](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765991806867_image.png) これらの情報はすべてマルチエージェントシステムによって自動的に取得されており、AG2の能力とBright Dataとの連携の威力を示しています。 さあ、様々な入力プロンプトで自由に試してみてください。Bright Dataのおかげで、AG2マルチエージェントワークフローは[多様な実世界のタスクを](/use-cases)処理できます。 さあ、どうぞ！ Bright Dataで強化されたAG2ワークフローの能力を目の当たりにしました ## AG2とBright Data MCPの接続：ステップバイステップガイド Bright DataをAG2に統合する別の方法は、[Bright Data**Bright Data MCPサーバー**](/ai/mcp-server)を経由することです。 Bright Data MCPでは、Bright DataのWeb自動化・データ収集プラットフォーム上に構築された[60以上のツール](https://docs.brightdata.com/ai/mcp-server/tools)を利用できます。無料プランでも、以下の2つの強力なツールが利用可能です： **ツール****説明**`search_engine`Google、Bing、Yandexの検索結果をJSONまたはMarkdown形式で取得します。`scrape_as_markdown`あらゆるウェブページを、ボット対策機能を回避しながらクリーンなMarkdown形式にスクレイピングします。Web[MCPのProモードでは](https://github.com/brightdata/brightdata-mcp?tab=readme-ov-file#-pricing--modes)機能がさらに拡張されます。このプレミアムオプションでは、Amazon、LinkedIn、Instagram、Reddit、YouTube、TikTok、Google Mapsなどの主要プラットフォーム向け構造化データ抽出が可能になります。また、高度なブラウザ自動化ツールも追加されます。 **注**：プロジェクト設定については、前章のステップ#1を参照してください。 次に、AG2内でBright DataのBright Data MCPを使用する方法を見ていきましょう！ ### 前提条件 このチュートリアルのセクションを実行するには、[ローカルにNode.jsがインストールされている](https://nodejs.org/en/download)必要があります。Bright Data MCPをマシン上で実行するために必須です。 また、[AG2用のMCPパッケージを以下のように](https://docs.ag2.ai/0.9.1/docs/use-cases/notebooks/notebooks/mcp_client/)インストールする必要があります： ```none pip install ag2[mcp] ``` これによりAG2がMCPクライアントとして動作します。 ### ステップ #1: Bright Data の Bright Data MCP を始める AG2をBright DataのBright Data MCPに接続する前に、ローカルマシンでMCPサーバーを実行できることを確認してください。これは、[ローカルでBright Data MCPサーバーに接続する](https://docs.brightdata.com/ai/mcp-server/local/quickstart)方法を示すため重要です。 **注**: Bright Data MCPは、無制限のスケーラビリティによりエンタープライズグレードのユースケースに適した、[ストリーム可能なHTTP経由のリモートサーバー](https://docs.brightdata.com/ai/mcp-server/remote/quickstart)としても利用可能です。 まず、[Bright Dataアカウントをお持ちであることを](/?hs_signup=1)確認してください。既にアカウントをお持ちの場合は、[ログインしてください](/cp/start)。迅速なセットアップには、ダッシュボードの「[MCP」](/cp/mcp)セクションの手順に従ってください： ![The “MCP” section in your Bright Data account](https://media.brightdata.com/2025/12/s_617A939C2A6B92FCCF16B1E930DCB4B684B2A2710DFD16F65F8DAEBFBDCD6C08_1756112369396_image-2.png) 追加のガイダンスが必要な場合は、以下の手順を参照してください。 [Bright Data APIキーの生成](https://docs.brightdata.com/api-reference/authentication#how-do-i-generate-a-new-api-key)から始めます。ローカルBright Data MCPインスタンスの認証にすぐに使用するため、安全な場所に保管してください。 次に、[`@brightdata/mcp`](https://www.npmjs.com/package/@brightdata/mcp)パッケージを使用してBright Data MCPをマシンにグローバルインストールします： ```none npm install -g @brightdata/mcp ``` MCPサーバーを起動するには以下を実行： ```none API_TOKEN="" npx -y @brightdata/mcp ``` または、PowerShellでは同等の方法で実行できます： ```none $Env:API_TOKEN=""; npx -y @brightdata/mcp ``` ``を Bright Data API トークンに置き換えてください。これらのコマンドは必要な`API_TOKEN`環境変数を設定し、Bright Data MCP サーバーをローカルで起動します。 正常に実行されると、以下のような出力が表示されます: ![Bright Data MCP startup logs](https://media.brightdata.com/2025/12/s_BC694EB0496142EE3DF329451640C6FC748F9687F72E8A71DE02C0DAB36E05E7_1753192240616_image-2.png) デフォルトでは、Bright Data MCP は初回起動時に Bright Data アカウント内に 2 つのゾーンを作成します: - `mcp_unlocker`:[Web Unlocker](/products/web-unlocker) 用のゾーン。 - `mcp_browser`:[ブラウザAPI](/products/scraping-browser)用のゾーン。 これらのゾーンは、Bright Data MCPで利用可能な60以上のツールを支えています。 ゾーンが作成されたかどうかは、Bright Dataダッシュボードの「プロキシとスクレイピングインフラストラクチャ」で確認できます: ![The mcp_unlocker and mcp_browser zones created by the Bright Data MCP at startup](https://media.brightdata.com/2025/12/s_BC694EB0496142EE3DF329451640C6FC748F9687F72E8A71DE02C0DAB36E05E7_1753192341603_image-2.png) [Bright Data MCPの無料プラン](/blog/ai/web-mcp-free-tier)では、`search_engine`および`scrape_as_markdown`ツール（およびそれらのバッチ版）のみが利用可能です。 全ツールをアンロックするには、環境変数`PRO_MODE="true"`を設定して Pro モードを有効化してください： ```none API_TOKEN="" PRO_MODE="true" npx -y @brightdata/mcp ``` または、Windowsの場合： ```none $Env:API_TOKEN=""; $Env:PRO_MODE="true"; npx -y @brightdata/mcp ``` プロモードでは60以上のツールがすべて利用可能になりますが、無料プランには含まれず追加料金が発生する可能性があります。 完了！これでBright Data MCPサーバーがローカルで動作することを確認しました。次のステップはAG2を設定してサーバーをローカルで起動し接続するため、現時点ではMCPプロセスを停止してください。 ### ステップ #2: AG2 での Bright Data MCP 統合 AG2 MCPクライアントを使用して、[STDIO経由で](https://modelcontextprotocol.io/specification/2025-06-18/basic/transports#stdio)ローカルBright Data MCPインスタンスに接続し、利用可能なツールを取得します： ```none from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client from autogen.mcp import create_toolkit # ローカルBright Data MCPインスタンスへの接続手順 server_params = StdioServerParameters( command="npx", args=["-y", "@brightdata/mcp"], env={ "API_TOKEN": BRIGHT_DATA_API_KEY, "PRO_MODE": "true" # オプション },) async with stdio_client(server_params) as (read, write), ClientSession(read, write) as session: # MCP接続セッションを作成し、ツールを取得 await session.initialize() web_mcp_toolkit = await create_toolkit(session, use_mcp_resources=False) ``` `StdioServerParameters`オブジェクトは、以前実行した`npx`コマンドを反映し、認証情報や設定用の環境変数を含みます: - `API_TOKEN`: 必須。Bright Data APIキーを設定してください。 - `PRO_MODE`: オプション。無料プランのまま利用したい場合は削除してください（`search_engine`、`scrape_as_markdown`、およびそれらのバッチ版のみ）。 セッションは Bright Data MCP への接続に使用され、`create_toolkit` を使用して AG2 MCP ツールキットを作成します。 **注**:[専用のGitHubイシュー](https://github.com/ag2ai/ag2/issues/1959)で強調されている通り、`mcp.shared.exceptions.McpError: Method not found`エラーを回避するには、`use_mcp_resources=False`オプションが必須です。 作成後、`web_mcp_toolkit`オブジェクトには全てのBright Data MCPツールが含まれます。以下で確認してください： ```none for tool in web_mcp_toolkit.tools: print(tool.name) print(tool.description) print("---n") ``` 出力例: ![The tools contained in the web_mcp_toolkit object](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765987132484_image.png) 設定されたティアに応じて、60以上のBright Data MCPツール全て（Proモード）または無料ティアのツールのみが利用可能です。 これでBright Data MCP接続がAG2で完全に機能するようになりました。 ### ステップ #3: Bright Data MCP ツールをエージェントに接続する AG2でBright Data MCP統合をテストする最も簡単な方法は、LLMを使用してタスクを迅速に解決するように`設計されたConversableAgentの` [`サブクラスであるAssistantAgent`](https://docs.ag2.ai/latest/docs/api-reference/autogen/AssistantAgent/)を利用することです。まず、エージェントを定義し、Bright Data MCPツールキットを登録します: ```none from autogen import AssistantAgent # Webデータの検索・取得が可能なエージェントを定義 assistant_agent = AssistantAgent( name="assistant", code_execution_config=False, llm_config=llm_config, system_message=""" Bright Data MCPが公開する全ツール（以下を含む）を利用可能です： - Web検索 - ウェブスクレイピングとページフェッチング - Webデータフィード - ブラウザベースのユーザーシミュレーション 必要な時にこれらのツールを使用してください。 """) # Bright Data MCPツールキットをエージェントに登録 web_mcp_toolkit.register_for_llm(assistant_agent) ``` 登録後、`a_run()`関数でエージェントを起動し、使用するツールを直接指定できます。例えば、Amazonウェブスクレイピングタスクでエージェントをテストする方法は以下の通りです： ```none prompt = """ 以下のAmazon商品からデータを取得し、主要情報を含む簡易要約を生成してください： """ # Bright Data MCP拡張エージェントを非同期実行 result = await assistant_agent.a_run( message=prompt, tools=web_mcp_toolkit.tools, user_input=False,) await result.process() ``` **重要**: これは統合を実演するためのデモに過ぎない点にご留意ください。Bright Data MCPツール群のおかげで、エージェントは異なるWebプラットフォームやデータソースを跨いだ、より複雑な多段階タスクを処理できます。 ### ステップ #4: 最終コード + 実行 以下は、AG2 + Bright Data MCP 統合の最終コードです： ```none import asyncio from autogen import ( LLMConfig, AssistantAgent,) from dotenv import load_dotenv import os from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client from autogen.mcp import create_toolkit # .envファイルから環境変数をロード load_dotenv() # 環境変数からBright Data APIキーを取得 BRIGHT_DATA_API_KEY = os.getenv("BRIGHT_DATA_API_KEY") # すべてのBright Data MCPツールを含むMCPツールキットを定義 async def launch_mcp_agent(): # OpenAI設定リストファイルからLLM設定を読み込み llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST") # ローカルBright Data MCPインスタンスへの接続指示 server_params = StdioServerParameters( command="npx", args=["-y", "@brightdata/mcp"], env={ "API_TOKEN": BRIGHT_DATA_API_KEY, "PRO_MODE": "true" # オプション }, ) async with stdio_client(server_params) as (read, write), ClientSession(read, write) as session: # MCP接続セッションを作成し、ツールを取得 await session.initialize() web_mcp_toolkit = await create_toolkit(session, use_mcp_resources=False) # Webデータの検索・取得が可能なエージェントを定義 assistant_agent = AssistantAgent( name="assistant", code_execution_config=False, llm_config=llm_config, system_message=""" Bright Data MCPが公開する全ツールを利用可能です： - Web検索 - ウェブスクレイピングとページ取得 - ウェブデータフィード - ブラウザベースのユーザーシミュレーション 必要な時にこれらのツールを使用してください。 """ ) # Bright Data MCPツールをエージェントに登録 web_mcp_toolkit.register_for_llm(assistant_agent) # エージェントに渡すプロンプト prompt = """ 以下のAmazon商品からデータを取得し、主要情報を含む簡易要約を作成してください： """ # Bright Data MCP拡張エージェントを非同期で実行 result = await assistant_agent.a_run( message=prompt, tools=web_mcp_toolkit.tools, user_input=False, ) await result.process() asyncio.run(launch_mcp_agent()) ``` 実行すると、結果は次のようになります: ![The output produced by the AG2 script](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765991715639_image.png) 生成されたレポートには、対象のAmazon商品ページから関連する全データが含まれている点に注意してください: ![The target Amazon product page](https://media.brightdata.com/2025/12/s_14E8BA101B64F7DD69B536C6FABC31D1B2715A2EF247A0A987A1C7454A8E09B3_1765991611330_image.png) [PythonでAmazon商品データを](/blog/how-tos/how-to-scrape-amazon)スクレイピングしたことがある方なら、その難しさをよくご存知でしょう。Amazonは悪名[高いAmazon CAPTCHA](/blog/web-data/bypass-amazon-captcha)をはじめ、様々なボット対策を採用しています。さらに商品ページは絶えず変更され、構造も多様です。 Bright DataのBright Data MCPがこれら全てを処理します。無料プランでは、Web Unlockerを介してページ構造をクリーンなMarkdown形式で取得するため、バックグラウンドで`scrape_as_markdownツ`ールを呼び出します。Proモードでは、[Bright DataのAmazonスクレイパー](/products/web-scraper/amazon)を呼び出して完全に構造化された商品データを収集する「`web_data_amazon_product`」製品を活用します。 以上です！これでBright Data MCPを用いてAG2を拡張する方法が理解できました。 ## まとめ 本チュートリアルでは、カスタム関数またはBright Data MCPを介したBright DataとAG2の連携方法を学びました。 この統合により、AG2エージェントはウェブ検索の実行、構造化データの抽出、ライブウェブフィードへのアクセス、ウェブインタラクションの自動化が可能になります。これらすべて[はBright DataのAIのためのデータスイートによって](/ai/web-access)実現されています。 Bright Dataアカウントを無料で作成し、AI対応のウェブデータツールを今すぐお試しください！ お問い合わせ無料トライアル![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) 目次 日本企業向けデータソリューション 日本のトップ企業が信頼するスケーラブルなウェブデータプラットフォーム。日本語24時間サポート、GDPR・個人情報保護法準拠、日本企業20社以上の導入実績。 [詳細を見る](https://brightdata.jp/solutions/data-solutions-for-japanese-companies "詳細を見る") [ ](https://news.ycombinator.com/submitlink?t=Bright+Data%E3%82%92AG2%EF%BC%88AutoGen%EF%BC%89%E3%83%9E%E3%83%AB%E3%83%81%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88AI%E3%82%A2%E3%83%BC%E3%82%AD%E3%83%86%E3%82%AF%E3%83%81%E3%83%A3%E3%81%AB%E7%B5%B1%E5%90%88%E3%81%99%E3%82%8B&u=https://brightdata.jp/blog/ai/ag2-with-bright-data) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Bright+Data%E3%82%92AG2%EF%BC%88AutoGen%EF%BC%89%E3%83%9E%E3%83%AB%E3%83%81%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88AI%E3%82%A2%E3%83%BC%E3%82%AD%E3%83%86%E3%82%AF%E3%83%81%E3%83%A3%E3%81%AB%E7%B5%B1%E5%90%88%E3%81%99%E3%82%8B&url=https://brightdata.jp/blog/ai/ag2-with-bright-data) [ ](http://www.reddit.com/submit?title=Bright+Data%E3%82%92AG2%EF%BC%88AutoGen%EF%BC%89%E3%83%9E%E3%83%AB%E3%83%81%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88AI%E3%82%A2%E3%83%BC%E3%82%AD%E3%83%86%E3%82%AF%E3%83%81%E3%83%A3%E3%81%AB%E7%B5%B1%E5%90%88%E3%81%99%E3%82%8B&url=https://brightdata.jp/blog/ai/ag2-with-bright-data) ## あなたは下記にもご興味がおありかもしれません [ ![OpenHuman with Bright Data](https://media.brightdata.jp/2026/09/OpenHuman-with-Bright-Data.png) ](https://brightdata.jp/blog/ai/openhuman-with-bright-data "Bright Data CLIを通じたOpenHumanにおける本番対応ウェブアクセス") [AI ![Antonello Zanini](https://media.brightdata.jp/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Bright Data CLIを通じたOpenHumanにおける本番対応ウェブアクセス Bright Data CLIをOpenHumanに統合して、AIエージェント向けの本番対応ウェブアクセスとデータ収集を実現します。 09-Sep-2026 3 分読 ](https://brightdata.jp/blog/ai/openhuman-with-bright-data) [ ![Multimodal Web Scraping with MiniMax](https://media.brightdata.jp/2026/09/Multimodal-Web-Scraping-with-MiniMax.png) ](https://brightdata.jp/blog/%e3%82%a6%e3%82%a7%e3%83%96%e3%83%87%e3%83%bc%e3%82%bf/multimodal-web-scraping-with-minimax "MiniMaxによるマルチモーダルウェブスクレイピング") [ウェブデータ ![Antonello Zanini](https://media.brightdata.jp/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### MiniMaxによるマルチモーダルウェブスクレイピング Bright Data Web UnlockerとMiniMax M3ビジョンを組み合わせて、画像やウェブページのスクリーンショットから構造化データを抽出します。 09-Sep-2026 1 分読 ](https://brightdata.jp/blog/%e3%82%a6%e3%82%a7%e3%83%96%e3%83%87%e3%83%bc%e3%82%bf/multimodal-web-scraping-with-minimax) [ ![The 10 Best CLI Tools for Codex in 2026](https://media.brightdata.jp/2026/08/The-10-Best-CLI-Tools-for-Codex-in-2026.png) ](https://brightdata.jp/blog/ai/best-cli-tools-for-codex "2026年版 Codex向けCLIツール10選 – テスト＆ランキング") [AI ![Daniel Shashko](https://media.brightdata.jp/2022/04/Daniel-Shashko-2-50x50.png) Daniel Shashko Web Data & AI Expert ### 2026年版 Codex向けCLIツール10選 – テスト＆ランキング Codexをより速く、より有能にする10のCLIツール。サンドボックス内から実際のウェブアクセスを提供するBright Data CLIから始まります。 06-Sep-2026 4 分読 ](https://brightdata.jp/blog/ai/best-cli-tools-for-codex)