ピカとブライト・データでAIエージェントを構築する

このガイドでは、次のように説明する：

• Picaとは何か、そしてなぜPicaが外部ツールと統合するAIエージェントの構築に最適なのか。
• AIエージェントがデータ検索のためにサードパーティ・ソリューションとの統合を必要とする理由。
• Pica エージェントに組み込まれた Bright Data コネクタを使用して、より正確なレスポンスのためにウェブデータを取得する方法。

さあ、飛び込もう！

ピカとは何か？

Picaは、AIエージェントやSaaSインテグレーションを迅速に構築するために設計されたオープンソースのプラットフォームです。鍵の管理や複雑な設定を必要とせず、125以上のサードパーティAPIへのシンプルなアクセスを提供します。

Picaの目標は、AIモデルが外部のツールやサービスと簡単に接続できるようにすることです。Picaを使えば、わずか数クリックで統合をセットアップし、コードで簡単に使用することができる。これにより、AIワークフローはリアルタイムのデータ検索や複雑な自動化などに対応できるようになる。

このプロジェクトはGitHubで急速に人気を集め、わずか数ヶ月で1,300以上のスターを集めた。これは、コミュニティの強い成長と採用を示している。

AIエージェントにウェブデータ統合が必要な理由

すべてのAIエージェントフレームワークは、そのベースとなるLLMから核となる制限を受け継いでいる。LLMは静的なデータセットで事前に訓練されているため、リアルタイムの認識に欠け、ライブのウェブコンテンツに確実にアクセスすることができない。

その結果、回答が古くなったり、幻覚を見たりすることさえある。このような制限を克服するために、エージェント（と彼らが依存するLLM）は、信頼できる最新のウェブデータにアクセスする必要がある。なぜウェブデータなのか？なぜなら、ウェブは依然として最も包括的で最新の情報源だからです。

だからこそ、効果的なAIエージェントは、サードパーティのAIウェブデータプロバイダーと素早く簡単に統合できなければならないのです。そして、ピカが活躍するのはまさにここなのです！

Picaプラットフォームでは、Bright Dataを含む 125以上の統合が可能です：

ブライトデータとの統合により、AIエージェントとワークフローがシームレスに接続できるようになります：

• Web Unlocker API：ボットプロテクションを回避する高度なスクレイピングAPIで、あらゆるウェブページのコンテンツをMarkdownフォーマットで配信します。
• ウェブスクレーパーAPI：Amazon、LinkedIn、Instagram、その他40のような人気サイトから新鮮で構造化されたデータを倫理的に抽出するための専門ソリューション。

これらのツールは、AIエージェント、ワークフロー、またはパイプラインに、関連するページからその場で抽出された信頼性の高いウェブデータを使用して、応答をバックアップする機能を提供します。次の章では、この統合を実際に見てみましょう！

ピカとブライト・データでウェブからデータを取得できるAIエージェントを構築する方法

このガイドセクションでは、Picaを使用して、Bright Dataインテグレーションに接続するPython AIエージェントを構築する方法を学びます。こうすることで、エージェントはAmazonのようなサイトから構造化されたウェブデータを取得できるようになります。

以下の手順に従って、ピカを使用してブライトデータを活用したAIエージェントを作成してください！

前提条件

このチュートリアルに従うには

• Python 3.9以上がインストールされていること（最新版を推奨）。
• ピカのアカウント
• Bright Data APIキー。
• OpenAI API キー。

Bright Data APIキーやPicaアカウントをまだお持ちでない方もご安心ください。次のステップで設定方法を説明します。

ステップ #1: Pythonプロジェクトの初期化

ターミナルを開き、Pica AIエージェントプロジェクト用の新しいディレクトリを作成します：

mkdir pica-bright-data-agent

pica-bright-data-agentフォルダには、Pica エージェントの Python コードが格納されます。これは、Web データ検索に Bright Data インテグレーションを使用します。

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する：

cd pica-bright-data-agent
python -m venv venv

お気に入りのPython IDEでプロジェクトを開いてください。Pythonエクステンション付きのVisual Studio Codeか、PyCharm Community Editionをお勧めします。

プロジェクトフォルダ内に、agent.py という名前の新しいファイルを作成します。ディレクトリ構造は以下のようになります：

pica-bright-data-agent/
├── venv/
└── agent.py

ターミナルで仮想環境をアクティブにする。LinuxまたはmacOSの場合、実行する：

source venv/bin/activate

ウィンドウズでは、このコマンドを実行する：

venv/Scripts/activate

次のステップでは、必要なPythonパッケージをインストールします。仮想環境をアクティブにした状態で、今すぐすべてをインストールしたい場合は、単に実行してください：

pip install langchain langchain-openai pica-langchain python-dotenv

これで準備完了です！これでPythonの開発環境が整い、Bright Dataを統合したAIエージェントをPicaで構築できるようになりました。

ステップ2：環境変数の設定 読書

あなたのエージェントは、Pica、Bright Data、OpenAIのようなサードパーティのサービスに接続します。これらの統合を安全に保つために、APIキーを直接Pythonコードにハードコードすることは避けてください。代わりに、環境変数として保存します。

環境変数のロードを簡単にするには、python-dotenvライブラリを利用します。アクティベートした仮想環境に、次のようにインストールします：

pip install python-dotenv

次に、ライブラリをインポートし、agent.pyファイルの先頭でload_dotenv()を呼び出して環境変数をロードします：

import os
from dotenv import load_dotenv

load_dotenv()

この関数を使うと、スクリプトはローカルの.envファイルから変数を読み込むことができます。この.envファイルをプロジェクトディレクトリのルートに作成します。フォルダ構造は次のようになります：

pica-bright-data-agent/
├── venv/
├── .env         # <-----------
└── agent.py

素晴らしい！これで、環境変数を使用してAPIキーやその他の秘密を安全に扱うための準備が整いました。

ステップ 3: ピカの設定

まだの場合は、無料の Pica アカウントを作成してください。デフォルトでは、PicaがAPIキーを生成します。そのAPIキーをLangChainやその他のサポートされているインテグレーションで使用することができます。

クイックスタート “ページにアクセスし、”LangChain “タブを選択します：

ここでは、LangChainでPicaを使い始めるための説明があります。具体的には、そこに示されているインストール・コマンドに従ってください。アクティベートされた仮想環境で

pip install langchain langchain-openai pica-langchain

次に、”API Key “セクションに達するまで下にスクロールする：

copy to clipboard” ボタンをクリックして、Pica API キーをコピーします。そして、次のように環境変数を定義して、.envファイルに貼り付けます：

PICA_API_KEY="<YOUR_PICA_KEY>"

プレースホルダを プレースホルダーを、コピーした実際のAPIキーに置き換える。

素晴らしい！これでピカアカウントは完全に設定され、コードで使用する準備が整いました。

ステップ4：ピカでブライト・データを統合する

始める前に、必ず公式ガイドに従って Bright Data API キーを設定してください。このキーは、Picaプラットフォームで利用可能なビルトイン統合を使用して、エージェントをBright Dataに接続するために必要です。

APIキーを取得したら、PicaにBright Dataインテグレーションを追加します。

Picaダッシュボードの “LangChain “タブで、”Recent Integrations “セクションまでスクロールダウンし、”Browse integrations “ボタンを押してください：

モーダルが開きます。検索バーに “brightdata “と入力し、”BrightData “インテグレーションを選択します：

先ほど作成したBright Data APIキーの入力を求められます。それを貼り付けて、”Connect “ボタンをクリックしてください：

次に、左側のメニューで、”Connected Integrations “メニュー項目をクリックする：

Connected Integrations” ページで、Bright Data が接続されたインテグレーションとして表示されているはずです。テーブルから、”Copy to clipboard “ボタンをクリックして、接続キーをコピーしてください：

次に、これを.envファイルに追加して貼り付ける：

PICA_BRIGHT_DATA_CONNECTION_KEY="<YOUR_PICA_BRIGHT_DATA_CONNECTION_KEY>"

必ず プレースホルダーをコピーした実際の接続キーに置き換えてください。

この値は、設定された Bright Data 接続を読み込むために、Pica エージェントをコードで初期化するために必要です。次のステップでその方法を説明します！

ステップ #5: Pica エージェントの初期化

agent.py で Pica エージェントを初期化します：

pica_client = PicaClient(
    secret=os.environ["PICA_API_KEY"],
    options=PicaClientOptions(
        connectors=[
            os.environ["PICA_BRIGHT_DATA_CONNECTION_KEY"]
        ]
    )
)
pica_client.initialize()

上記のスニペットは Pica クライアントを初期化し、環境から読み込んだPICA_API_KEYシークレットを使用して Pica アカウントに接続します。また、利用可能なコネクタの中から、先に設定した Bright Data インテグレーションを選択します。

つまり、このクライアントで作成したAIエージェントは、Bright Dataのリアルタイムのウェブデータ検索機能を活用することができます。

必要なクラスをインポートすることを忘れないでください：

from pica_langchain import PicaClient
from pica_langchain.models import PicaClientOptions

素晴らしい！LLM統合の準備が整いました。

ステップ6：OpenAIの統合

Pica エージェントは、入力プロンプトを理解し、Bright Data の機能を使用して必要なタスクを実行するために、LLM エンジンを必要とします。

このチュートリアルでは、OpenAIインテグレーションを使用します。そのため、agent.pyファイルに以下のようにエージェントのLLMを定義します：

llm = ChatOpenAI(
    model="gpt-4o",
    temperature=0,
)

これはモデルが決定論的であり、同じ入力に対して常に同じ出力を生成することを保証します。

ChatOpenAIクラスはこのインポートから来ていることを覚えておいてください：

from langchain_openai import ChatOpenAI

特に、ChatOpenAIは OpenAI API キーがOPENAI_API_KEY という環境変数に定義されていることを期待します。そこで、.envファイルに次のように追加します：

OPENAI_API_KEY=<YOUT_OPENai_API_KEY>

プレースホルダを プレースホルダを実際の OpenAI API キーに置き換えてください。

驚きです！これでピカAIエージェントを定義するためのすべての構成要素が揃いました。

ステップ#7：ピカエージェントの定義

ピカでは、AIエージェントは3つの主要部分から構成される：

1. Pica クライアントのインスタンス
2. LLMエンジン
3. ピカ剤タイプ

この場合、OpenAIの関数を呼び出すことができるAIエージェントを作りたいとします（このAIエージェントは、Picaインテグレーションを通じてBright Dataのウェブ検索機能に接続します）。このように、Picaエージェントを作成します：

agent = create_pica_agent(
    client=pica_client,
    llm=llm,
    agent_type=AgentType.OPENAI_FUNCTIONS,
) 

必要な輸入品を追加することを忘れないでください：

from pica_langchain import create_pica_agent
from langchain.agents import AgentType

すばらしい！あとは、データ検索タスクでエージェントをテストするだけだ。

ステップ#8：AIエージェントを尋問する

Bright Data インテグレーションがお客様の Pica エージェントで動作することを確認するために、通常単独では実行できないタスクを与えてください。例えば、Nintendo Switch 2（https://www.amazon.com/dp/B0F3GWXLTS/）のような最近のAmazon商品ページから更新されたデータを取得するように依頼します。

そのためには、この入力でエージェントを起動する：

agent_input = """
Use Bright Data to run a web scraping task and return the results from the following Amazon product URL:
https://www.amazon.com/dp/B0F3GWXLTS/
"""
result = agent.invoke({
    "input": agent_input
})

注意：このプロンプトは、意図的に明示的なものである。エージェントが何をすべきか、どのページをスクレイピングすべきか、どのインテグレーションを使用すべきかを正確に指示しています。これにより、LLM は Pica を通して設定された Bright Data ツールを活用し、期待通りの結果を得ることができます。

最後に、エージェントの出力を表示する：

print(f"\nAgent Result:\n{result}")

そしてこの最後の一行で、あなたのピカAIエージェントは完成です。それでは、実際に動いているところをご覧ください！

ステップ9：すべてをまとめる

これで、agent.pyファイルには

import os
from dotenv import load_dotenv
from pica_langchain import PicaClient, create_pica_agent
from pica_langchain.models import PicaClientOptions
from langchain_openai import ChatOpenAI
from langchain.agents import AgentType

# Load environment variables from .env file
load_dotenv()

# Initialize Pica client with the specific Bright Data connector
pica_client = PicaClient(
    secret=os.environ["PICA_API_KEY"],
    options=PicaClientOptions(
        connectors=[
            os.environ["PICA_BRIGHT_DATA_CONNECTION_KEY"] # Load the specific Bright Data connection
        ]
    )
)
pica_client.initialize()

# Initialize the LLM
llm = ChatOpenAI(
    model="gpt-4o",
    temperature=0,
)

# Create your Pica agent
agent = create_pica_agent(
    client=pica_client,
    llm=llm,
    agent_type=AgentType.OPENAI_FUNCTIONS,
)

# Execute a web data retrieval task in the agent
agent_input = """
Use Bright Data to run a web scraping task and return the results from the following Amazon product URL:
https://www.amazon.com/dp/B0F3GWXLTS/
"""
result = agent.invoke({
    "input": agent_input
})

# Print the produced output
print(f"\nAgent Result:\n{result}")

ご覧のように、50行以下のコードで、強力なデータ検索機能を持つ Pica エージェントを構築しました。これは、Pica プラットフォームで直接利用可能な Bright Data インテグレーションのおかげです。

でエージェントを動かす：

python agent.py

ターミナルには、以下のようなログが表示されるはずだ：

# Omitted for brevity...
2025-07-15 17:06:03,286 - pica_langchain - INFO - Successfully fetched 1 connections
# Omitted for brevity...
2025-07-15 17:06:05,546 - pica_langchain - INFO - Getting available actions for platform: bright-data
2025-07-15 17:06:05,546 - pica_langchain - INFO - Fetching available actions for platform: bright-data
2025-07-15 17:06:05,789 - pica_langchain - INFO - Found 54 available actions for bright-data
2025-07-15 17:06:07,332 - pica_langchain - INFO - Getting knowledge for action ID: XXXXXXXXXXXXXXXXXXXX on platform: bright-data
# Omitted for brevity...
2025-07-15 17:06:12,447 - pica_langchain - INFO - Executing action ID: XXXXXXXXXXXXXXXXXXXX on platform: bright-data with method: GET
2025-07-15 17:06:12,447 - pica_langchain - INFO - Executing action for platform: bright-data, method: GET
2025-07-15 17:06:12,975 - pica_langchain - INFO - Successfully executed Get Dataset List via bright-data
2025-07-15 17:06:12,976 - pica_langchain - INFO - Successfully executed action: Get Dataset List on platform: bright-data
2025-07-15 17:06:16,491 - pica_langchain - INFO - Executing action ID: XXXXXXXXXXXXXXXXXXXX on platform: bright-data with method: POST
2025-07-15 17:06:16,492 - pica_langchain - INFO - Executing action for platform: bright-data, method: POST
2025-07-15 17:06:22,265 - pica_langchain - INFO - Successfully executed Trigger Synchronous Web Scraping and Retrieve Results via bright-data
2025-07-15 17:06:22,267 - pica_langchain - INFO - Successfully executed action: Trigger Synchronous Web Scraping and Retrieve Results on platform: bright-data

もっと簡単に言えば、これがあなたのピカ代理人がやったことだ：

1. Pica に接続し、設定した Bright Data インテグレーションを取得します。
2. Bright Dataプラットフォームには54の利用可能なツールがあることを発見。
3. Bright Dataから全データセットのリストを取得。
4. あなたのプロンプトに基づいて、”Trigger Synchronous Web Scraping and Retrieve Results “ツールを選択し、指定されたAmazon商品ページから新鮮なデータをスクレイピングするために使用します。裏側では、これがBright Data Amazon Scraperへの呼び出しをトリガーし、Amazon商品のURLを渡します。スクレーパーは商品データを取得して返します。
5. スクレイピングアクションが正常に実行され、データが返された。

出力は次のようになるはずだ：

この出力をMarkdownエディターに貼り付けると、次のような整形された製品レポートができあがる：

お分かりのように、エージェントはAmazonの商品ページから意味のある最新のデータを含むMarkdownレポートを作成することができました。ブラウザで対象の商品ページにアクセスすることで、正確性を確認することができます：

生成されたデータが、LLMによって幻覚化されたものではなく、アマゾンのページからの実際のデータであることに注目してほしい。これは、Bright Dataのツールでスクレイピングされた証拠である。そして、これはほんの始まりに過ぎない！

Pica の幅広い Bright Data アクションにより、エージェントは事実上あらゆるウェブサイトからデータを取得することができます。Amazonのようなスクレイピング対策（悪名高いAmazon CAPTCHAなど）で知られる複雑なターゲットも含まれます。

出来上がり！Pica AI エージェントに Bright Data を統合することで、シームレスなウェブスクレイピングが可能になります。

結論

この記事では、ピカを使用して、新鮮なウェブデータで応答をバックアップできるAIエージェントを構築する方法を紹介しました。これは、Picaに組み込まれたBright Dataとの統合により可能になりました。Pica Bright Dataコネクタは、AIにあらゆるウェブページからデータを取得する機能を提供します。

これは単純な例であることに注意してください。より高度なエージェントを構築したい場合は、ライブのウェブデータを取得、検証、変換するための堅牢なソリューションが必要です。それこそが、Bright Data AIインフラストラクチャにあるものです。

無料のBright Dataアカウントを作成し、AIに対応したWebデータ抽出ツールの検索を開始します！