--- title: "Bright DataをNVIDIA NeMoと統合し、エンタープライズ対応のAIアプリケーションを実現" slug: nvidia-nemo-with-bright-data date: 2026-01-28T07:41:30+00:00 modified: 2026-01-28T07:41:33+00:00 permalink: https://brightdata.jp/blog/ai/nvidia-nemo-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NVIDIA NeMoと統合し、エンタープライズ対応のAIアプリケーションを実現 このガイドでは、Bright DataツールをNVIDIA NeMo Agent Toolkitと統合し、ライブウェブデータでAIエージェントの機能を強化する方法を説明します。 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) ![NVIDIA Nemo with Bright Data](https://media.brightdata.jp/2025/12/NVIDIA-Nemo-with-Bright-Data.png) このガイドでは以下を確認できます： - NVIDIA NeMo Frameworkが提供する機能、特にNVIDIA NeMo Agent Toolkitを用いたAIエージェント構築に関する内容。 - LangChainを介したカスタムツールでBright DataをNAT AIエージェントに統合する方法 - NVIDIA NeMo Agent ToolkitワークフローをBright Data MCPに接続する方法 それでは始めましょう！ ## NVIDIA NeMoフレームワークの概要 [NVIDIA NeMo フレームワークは](https://docs.nvidia.com/nemo-framework/index.html)、LLM やマルチモーダルモデルを含む生成型 AI モデルの構築、カスタマイズ、デプロイのために設計された、包括的なクラウドネイティブの AI 開発プラットフォームです。 トレーニングや微調整から評価、デプロイに至るまで、AIライフサイクル全体をカバーするエンドツーエンドのツールを提供します。NeMoはまた、大規模分散トレーニングを活用し、データキュレーション、モデル評価、安全対策の実装などのタスクのためのコンポーネントを含んでいます。 [16,000以上のGitHubスターを獲得した](https://github.com/NVIDIA-NeMo/NeMo)オープンソース[Pythonライブラリと](https://github.com/NVIDIA-NeMo/NeMo)専用のDockerイメージによってサポートされています。 ### NVIDIA NeMo Agent Toolkit NVIDIA NeMo フレームワークの一部である[NVIDIA NeMo Agent Toolkit](https://developer.nvidia.com/nemo-agent-toolkit)（略称「NAT」）は、複雑な AI エージェントシステムの構築、最適化、管理のためのオープンソースフレームワークです。 多様なエージェントやツールを、深い可観測性、プロファイリング、コスト分析を備えた統一ワークフローに接続し、マルチエージェント操作の「指揮者」として機能し、AI アプリケーションの拡張を支援します。 NAT は構成可能性を重視し、エージェントやツールをモジュール化された関数呼び出しとして扱います。また、ボトルネックの特定、評価の自動化、エンタープライズグレードのエージェント型 AI システムの管理機能も提供します。 詳細は以下を参照： - [NAT公式ドキュメント](https://docs.nvidia.com/nemo/agent-toolkit/latest/index.html) - [NAT GitHubページ](https://github.com/NVIDIA/NeMo-Agent-Toolkit) ### Bright DataツールによるLLMとライブデータの連携 NVIDIA NeMo Agent Toolkitは、エンタープライズグレードのAIプロジェクトを構築・管理するために必要な柔軟性、カスタマイズ性、可観測性、スケーラビリティを提供します。これにより組織は、複雑なAIワークフローのオーケストレーション、複数エージェントの連携、パフォーマンスとコストの監視が可能になります。 しかし、最も洗練されたNATアプリケーションでさえ、LLMに内在する限界に直面します。これには、[静的なトレーニングデータ](/blog/web-data/llm-training-data)による知識の陳腐化や、ライブWeb情報へのアクセス不足が含まれます。 解決策は、NVIDIA NeMo Agent ToolkitのワークフローをBright DataのようなAIのためのウェブデータプロバイダーと統合することです。 Bright Dataは[、ウェブスクレイピング、検索、ブラウザ自動化などのツールを](/products)提供しています[。](/products)これらのソリューション[により、](/products)AIシステムはリアルタイムで実用的なデータを取得し、[エンタープライズアプリケーションにおける](/enterprise)その潜在能力を最大限に引き出すことが可能になります。 ## Bright DataをNVIDIA NeMo AIエージェントに接続する方法 NVIDIA NeMo AI AgentでBright Dataの機能を活用する一つの方法は、NeMo Agent Toolkitを通じてカスタムツールを作成することです。 これらのツールは、LangChain（[またはAIエージェント構築ライブラリでサポートされている](https://docs.brightdata.com/integrations/ai-integrations)その他の[統合手段](https://docs.brightdata.com/integrations/ai-integrations)）を活用したカスタム関数を通じてBright Data製品に接続します。 以下の手順に従ってください！ ### 前提条件 このチュートリアルを実行するには、以下の環境が必要です： - [ローカルにインストールされたPython 3.11、3.12、または3.13](https://www.python.org/) - 公式LangChainツールとの連携用に[設定済みのBright Dataアカウント](/)。 - APIキーが設定[済みのNVIDIA NIMアカウント](https://build.nvidia.com/)。 Bright DataとNVIDIA NIMアカウントの設定については、後ほど専用の章で手順を説明しますので、現時点では心配する必要はありません。 **注意**: インストール時またはツールキット実行中に問題が発生した場合は、[サポート対象プラットフォームの](https://docs.nvidia.com/nemo/agent-toolkit/latest/quick-start/installing.html#supported-platforms)いずれかを使用していることを確認してください。 ### ステップ #1: NVIDIA NIM API キーの取得 ほとんどのNVIDIA NeMo Agentワークフローでは、`NVIDIA_API_KEY`環境変数が必要です。これはワークフローの背後にある[NVIDIA NIM LLM](https://docs.nvidia.com/nim/large-language-models/latest/introduction.html)への接続を認証するために必要です。 APIキーを取得するには、[まずNVIDIA NIMアカウント](https://build.nvidia.com/)を作成します（未作成の場合）。ログイン後、右上のアカウント画像をクリックし、「API Keys」オプションを選択します： ![Selecting the “API Keys” option](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765372154772_image.png) API Keysページが表示されます。「APIキーを生成」ボタンをクリックして新しいキーを作成します： ![Pressing the “Generate API Key” option](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765365112366_image.png) APIキーに名前を付け、「キーを生成」をクリックします： ![Clicking the “Generate Key” button](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765372232269_image.png) モーダルにAPIキーが表示されます。「APIキーをコピー」ボタンをクリックし、すぐに必要となるため安全な場所に保管してください。 ![Copying the NVIDIA API key](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765372309638_image.png) 完了です！これでNVIDIA NeMo Agent Toolkitのインストールと使用準備が整いました。 ### ステップ #2: NVIDIA NeMoプロジェクトの設定 [NeMo Agent Toolkit の最新安定版をインストール](https://docs.nvidia.com/nemo/agent-toolkit/latest/quick-start/installing.html#install-from-package)するには、以下を実行してください: ```none pip install nvidia-nat ``` NeMo Agent Toolkitには、コアパッケージと共にインストール可能な多数のオプション依存関係があります。これらのオプション依存関係はフレームワークごとにグループ化されています。 インストールが完了すると、`nat`コマンドが使用可能になります。動作確認のため、以下を実行してください： ```none nat --version ``` 以下のような出力が表示されるはずです: ```none nat, version 1.3.1 ``` 次に、NVIDIA NeMoアプリケーションのルートフォルダを作成します。例えば「bright\_data\_nvidia\_nemo」という名前で作成します： ```none mkdir bright_data_nvidia_nemo ``` このフォルダ内で、以下のコマンドを使用して「web\_data\_workflow」という名前の NeMo Agent ワークフローを作成します: ```none nat workflow create --workflow-dir bright_data_nvidia_nemo web_data_workflow ``` **注**: 「A required privilege is not held by the client」というエラーが発生した場合は、管理者としてコマンドを実行してください。 正常に実行されると、以下のようなログが表示されます： ```none ワークフロー 'web_data_workflow' をインストール中... ワークフロー 'web_data_workflow' のインストールに成功しました。 ワークフロー 'web_data_workflow' が に正常に作成されました ``` プロジェクトフォルダ`bright_data_nvidia_nemo/web_data_workflow`には以下の構造が作成されます: ```none bright_data_nvidia_nemo/web_data_workflow/ ├── configs -> src/web_data_workflow/configs ├── data -> src/text_file_ingest/data ├── pyproject.toml └── src/ ├── web_data_workflow.egg-info/ └── web_data_workflow/ ├── __init__.py ├── configs/ │ └── config.yml ├── data/ ├── __init__.py ├── register.py └── web_data_workflow.py ``` 各ファイルとフォルダの役割は以下の通りです: - `configs/`→`src/web_data_workflow/configs`: ワークフロー設定へのアクセスを容易にするシンボリックリンク。 - `data/`→`src/text_file_ingest/data`: サンプルデータや入力ファイルを格納するためのシンボリックリンク。 - `pyproject.toml`: プロジェクトのメタデータと依存関係ファイル。 - `src/`: ソースコードディレクトリ。 - `web_data_workflow.egg-info/`: Pythonパッケージングツールによって作成されるメタデータフォルダ。 - `web_data_workflow/`: メインのワークフローモジュール。 - `__init__.py`: モジュールを初期化します。 - `configs/` - `config.yml`: 実行時の動作（LLM設定、関数/ツール定義、エージェントタイプと設定、ワークフローオーケストレーションなど）を定義するワークフロー設定ファイル。 - `data/`: ワークフロー固有のデータ、サンプル入力、テストファイルを保存するディレクトリ。 - `register.py`: カスタム関数をNATに接続するための登録モジュール。 - `web_data_workflow.py`: カスタムツールを定義するサンプルファイル。 お好みのPython IDEでプロジェクトを開き、生成されたファイルに慣れる時間を取ってください。 ワークフロー定義は以下のファイルに配置されています: ```none bright_data_nvidia_nemo/web_data_workflow/web_data_workflow/configs/config.yml ``` このファイルを開くと、以下のYAML設定が確認できます： ```none functions: current_datetime: _type: current_datetime web_data_workflow: _type: web_data_workflow prefix: "Hello:" llms: nim_llm: _type: nim model_name: meta/llama-3.1-70b-instruct temperature: 0.0 workflow: _type: react_agent llm_name: nim_llm tool_names: [current_datetime, web_data_workflow] ``` これは、NVIDIA NIMの[`meta/llama-3.1-70b-instructモデル`](https://build.nvidia.com/meta/llama-3_1-70b-instruct)を利用した[ReActエージェントワークフロー](https://hackernoon.com/inside-the-react-design-pattern-how-modern-ai-thinks-and-acts)を定義し、以下のアクセス権限を持ちます: - 組み込みの`current_datetime`ツール。 - カスタムの`web_data_workflow`ツール。 特に、`web_data_workflow`ツール自体は以下で定義されています: ```none bright_data_nvidia_nemo/web_data_workflow/web_data_workflow/web_data_workflow.py ``` このサンプルツールはテキスト入力を受け取り、事前に定義された文字列（例：`「Hello:」`）を接頭辞として付加して返します。 素晴らしい！これでNAT付きのワークフローが準備できました。 ### ステップ #3: 現在のワークフローをテストする 生成されたワークフローをカスタマイズする前に、その仕組みを理解し、操作に慣れる時間を取ることをお勧めします。これにより、Bright Dataとの統合に向けたワークフローの調整が容易になります。 まず、ターミナルでワークフローフォルダに移動します: ```none cd ./bright_data_nvidia_nemo/web_data_workflow ``` ワークフローを実行する前に、`NVIDIA_API_KEY環境変数を`設定する必要があります。Linux/macOSでは以下を実行してください： ```none export NVIDIA_API_KEY="" ``` 同様に、Windows PowerShellでは以下を実行します： ```none $Env:NVIDIA_API_KEY="" ``` ``プレースホルダーを、事前に取得した NVIDIA NIM API キーに置き換えてください。 次に、`nat run`コマンドでワークフローをテストします: ```none nat run --config_file configs/config.yml --input "Hey! How's it going?" ``` これにより、`configs/`シンボリックリンク経由で`config.yml`ファイルが読み込まれ、`「Hey! How's it going?」`というプロンプトが送信されます。 以下のような出力が表示されるはずです: ![The output produced by the agent](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765359062883_image.png) エージェントの応答例: ```none お元気ですか？お尋ねいただきありがとうございます！あなたはどうですか？ ``` カスタム`web_data_workflow`ツールが動作することを確認するには、次のようなプロンプトを試してください: ```none nat run --config_file configs/config.yml --input "Use the web_data_workflow tool on 'World!'" ``` `web_data_workflow`ツールは`「Hello:」`プレフィックスで設定されているため、期待される出力は以下の通りです: ```none ワークフロー結果: ['Hello: World!'] ``` 結果が期待通りの動作と一致している点にご注目ください： ![Note the response produced by the agent](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765374144899_image.png) 素晴らしい！NATワークフローは完璧に動作しています。これでBright Dataとの統合準備が整いました。 ### ステップ #4: LangChain Bright Data ツールのインストール NVIDIA NeMo Agent Toolkitの特異な点の一つは、LangChain、LlamaIndex、CrewAI、Agno、Microsoft Semantic Kernel、Google[ADKなど、](https://github.com/NVIDIA/NeMo-Agent-Toolkit/blob/develop/docs/source/reference/frameworks-overview.md#supported-frameworks)他のAIライブラリと連携できることです。 Bright Dataとの統合を簡素化するため、既存の仕組みを活用し、[LangChain用の](https://docs.langchain.com/oss/python/integrations/providers/brightdata)公式[Bright Dataツール](https://docs.langchain.com/oss/python/integrations/providers/brightdata)を使用します。 これらのツールの詳細なガイダンスについては、[公式ドキュメントまたは以下のブログ記事を参照してください](https://docs.brightdata.com/integrations/langchain)： - [*LangChainとBright Dataによるウェブスクレイピング*](/blog/ai/web-scraping-with-langchain-and-bright-data) - [*LangChainとBright Dataを用いたWeb検索*](/blog/ai/langchain-serp-scraping) NVIDIA NeMo Agent Toolkit内でLangChainを使用する準備として、以下のライブラリをインストールします： ```none pip install "nvidia-nat[langchain]" langchain-brightdata ``` 必要なパッケージは以下の通りです: - [`"nvidia-nat[langchain]"`](https://pypi.org/project/nvidia-nat-langchain/): LangChain（またはLangGraph）をNeMo Agent Toolkitに統合するためのサブパッケージ。 - [`langchain-brightdata`](https://pypi.org/project/langchain-brightdata/): Bright DataのWebデータ収集ツール群をLangChainに統合します。AIエージェントが検索エンジン結果を収集し、地域制限やボット対策のあるWebサイトにアクセスし、Amazon、LinkedInなど主要プラットフォームから構造化データを抽出することを可能にします。 デプロイ時の問題を回避するため、`プロジェクトのpyproject.toml`ファイルに以下を含めることを確認してください: ```none dependencies = [ "nvidia-nat[langchain]~=1.3", "langchain-brightdata~=0.1.3", ] ``` **注**：プロジェクトの要件に応じて、これらのパッケージのバージョンを適宜調整してください。 これで、NVIDIA NeMo AgentワークフローがLangChainツールと連携し、Bright Dataへの接続が簡素化されました。 ### ステップ #5: Bright Data 統合の準備 LangChain Bright Dataツールは、アカウントで設定されたBright Dataサービスに接続して動作します。本記事で紹介する2つのツールは以下の通りです： - [`BrightDataSERP`](https://docs.langchain.com/oss/python/integrations/tools/brightdata_serp): 検索エンジン結果を取得し、関連する規制関連ウェブページを特定します。[Bright*DataのSERP API*](/products/serp-api)に接続します。 - [`BrightDataUnblocker`](https://docs.langchain.com/oss/python/integrations/tools/brightdata_unlocker): 地理的制限やボット対策で保護された公開ウェブサイトにもアクセス可能。エージェントが個々のウェブページからコンテンツをスクレイピングし学習するのに役立ちます。[Bright*DataのWeb Unblocker APIに*](/products/web-unlocker)接続します。 これらのツールを利用するには、SERP APIゾーンとWeb Unblocker APIゾーンの両方が設定されたBright Dataアカウントが必要です。設定方法をご説明します。 Bright Dataアカウント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。次に「プロキシ＆スクレイピング」ページに移動し、「マイゾーン」テーブルを確認してください： ![Note the “unlocker” Web Unlocker API zone and “serp” SERP API zone](https://media.brightdata.com/2025/12/s_15C5171743EEDBEF0993090D3D85589F5C79171362D5F7D117C738A5456FCA68_1764757850531_image-1.png) このテーブルに既に「`unlocker`」というWeb Unlocker APIゾーンと「`serp`」というSERP APIゾーンが存在する場合、準備は完了です。その理由は： - `BrightDataSERP`LangChainツールは自動的に「`serp`」という名前のSERP APIゾーンに接続します。 - `BrightDataUnblocker`LangChainツールは、自動的に「`web_unlocker`」というWeb Unblocker APIゾーンに接続します。 これらの2つのゾーンが存在しない場合は、作成する必要があります。「アンブロッカーAPI」および「SERP API」カードを下にスクロールし、「ゾーンを作成」ボタンをクリックしてください。ウィザードに従い、必要な名前で2つのゾーンを追加します： ![Note the “Create zone” button](https://media.brightdata.com/2025/12/s_15C5171743EEDBEF0993090D3D85589F5C79171362D5F7D117C738A5456FCA68_1764757915299_image-1.png) 詳細な手順については、以下のドキュメントページ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) 最後に、LangChain Bright Dataツールにアカウント認証方法を指示する必要があります。[Bright Data APIキーを生成し](https://docs.brightdata.com/api-reference/authentication#how-do-i-generate-a-new-api-key)、環境変数として保存してください： ```none export BRIGHT_DATA_API_KEY="" ``` または、PowerShellでは: ```none $Env:BRIGHT_DATA_API_KEY="" ``` 素晴らしい！これで LangChain ツールを介して NVIDIA NeMo エージェントを Bright Data に接続するためのすべての前提条件が整いました。 ### ステップ #6: カスタム Bright Data ツールの定義 これで、[NVIDIA NeMo Agent Toolkitワークフロー内で新しいツールを作成するための](https://docs.nvidia.com/nemo/agent-toolkit/latest/tutorials/create-a-new-workflow.html)基盤が整いました。これらのツールにより、エージェントはBright DataのSERP APIおよびWeb Unblocker APIと連携し、ウェブ検索や公開ウェブページからのデータスクレイピングが可能になります。 まず、プロジェクトの`src/`フォルダに`bright_data.py`ファイルを追加します: ![Note the “bright_data.py” file](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765376020263_image.png) SERP APIとのやり取りを行うカスタムツールを以下のように定義します： ```none # bright_data_nvidia_nemo/web_data_workflow/src/web_data_workflow/bright_data.py from pydantic import Field from typing import Optional from nat.builder.builder import Builder from nat.builder.function_info import FunctionInfo from nat.cli.register_workflow import register_function from nat.data_models.function import FunctionBaseConfig import json class BrightDataSERPAPIToolConfig(FunctionBaseConfig, name="bright_data_serp_api"): """ Bright Data SERP API ツールの設定。 BRIGHT_DATA_API_KEY が必要です。 """ api_key: str = Field( default="", description="SERPリクエストに使用するBright Data APIキー。" ) # デフォルトのSERPパラメータ（オプションで上書き可能） search_engine: str = Field( default="google", description="クエリ対象の検索エンジン（デフォルト: google）" ) country: str = Field( default="us", description="地域別検索結果用の2文字の国コード（デフォルト: us）" ) language: str = Field( default="en", description="2文字の言語コード（デフォルト: en）" ) search_type: Optional[str] = Field( default=None, description="検索タイプ: None, 'shop', 'isch', 'nws', 'jobs'." ) device_type: Optional[str] = Field( default=None, description="デバイス種別: None, 'mobile', 'ios', 'android'." ) parse_results: Optional[bool] = Field( default=None, description="生のHTMLではなく構造化されたJSONを返すかどうか。" ) @register_function(config_type=BrightDataSERPAPIToolConfig) async def bright_data_serp_api_function(tool_config: BrightDataSERPAPIToolConfig, builder: Builder): import os from langchain_brightdata import BrightDataSERP # APIキーが設定されていない場合の設定 if not os.environ.get("BRIGHT_DATA_API_KEY"): if tool_config.api_key: os.environ["BRIGHT_DATA_API_KEY"] = tool_config.api_key async def _bright_data_serp_api( query: str, search_engine: Optional[str] = None, country: Optional[str] = None, language: Optional[str] = None, search_type: Optional[str] = None, device_type: Optional[str] = None, parse_results: Optional[bool] = None, ) -> str: """ Bright Data SERP API を使用してリアルタイム検索クエリを実行します。 引数: query (str): 検索クエリテキスト。 search_engine (str, optional): 使用する検索エンジン（デフォルト: google）。 country (str, optional): ローカライズされた結果のための国コード。 language (str, optional): ローカライズされた結果の言語コード。 search_type (str, optional): 検索タイプ（例: None, 'isch', 'shop', 'nws'）。 device_type (str, optional): デバイスタイプ（例: None, 'mobile', 'ios'）。 parse_results (bool, optional): 構造化JSONを返すかどうか。 戻り値: str: JSON形式の検索結果。 """ serp_client = BrightDataSERP( bright_data_api_key=os.environ["BRIGHT_DATA_API_KEY"] ) payload = { "query": query, "search_engine": search_engine or tool_config.search_engine, "country": country or tool_config.country, "language": language or tool_config.language, "search_type": search_type or tool_config.search_type, "device_type": device_type or tool_config.device_type, "parse_results": ( parse_results if parse_results is not None else tool_config.parse_results ), } # 明示的にNoneに設定されたパラメータを除去 payload = {k: v for k, v in payload.items() if v is not None} results = serp_client.invoke(payload) return json.dumps(results) yield FunctionInfo.from_fn( _bright_data_serp_api, description=_bright_data_serp_api.__doc__, ) ``` このスニペットは、`bright_data_serp_api` というカスタム NVIDIA NeMo Agent ツールを定義します。まず、[SERP API for Google でサポートされる必須引数と設定可能なパラメータ](https://docs.brightdata.com/scraping-automation/serp-api/query-parameters/google)（API キー、検索エンジン、国、言語、デバイスタイプ、検索タイプ、結果を JSON にパースするかどうかなど）を指定する`BrightDataSERPAPIToolConfig`クラスを定義する必要があります。 次に、カスタム関数 ``bright_data_serp_api_function()`` を NeMo ワークフロー関数として登録します。この関数は環境変数に Bright Data API キーが設定されていることを確認し、非同期関数``_bright_data_serp_api()`` を定義します。 `_bright_data_serp_api()`は LangChain の`BrightDataSERP`クライアントを使用して検索リクエストを構築し、それを呼び出し、結果を JSON 形式で返します。最後に、エージェントが関数を呼び出すために必要なすべてのメタデータを含む[`FunctionInfo`](https://docs.nvidia.com/nemo/agent-toolkit/latest/api/nat/builder/function_info/index.html#nat.builder.function_info.FunctionInfo) を通じて、この関数を NeMo Agent フレームワークに公開します。 **注**: 結果をJSON形式で返すことで標準化された文字列出力が得られます。SERP APIの応答は設定引数によって異なる形式（解析済みJSON、生のHTMLなど）で返される可能性があるため、これは有用な手法です。 同様に、同じファイル内でbright\_data`_`web\_unlocker\_apiツールを以下のように定義できます： ```none class BrightDataWebUnlockerAPIToolConfig(FunctionBaseConfig, name="bright_data_web_unlocker_api"): """ Bright Data Web Unlockerツールの設定。 Bright Data Web Unlockerを使用して、地理的制限やボット対策が施されたページにアクセス可能にします。 BRIGHT_DATA_API_KEYが必要です。 """ api_key: str = Field( default="", description="Web Unlocker用のBright Data APIキー。" ) country: str = Field( default="us", description="リクエスト用にシミュレートする2文字の国コード（デフォルト: us）" ) data_format: str = Field( default="html", description="出力コンテンツ形式: 'html'、'markdown'、または 'screenshot'。" ) zone: str = Field( default="unblocker", description='使用するBright Dataゾーン（デフォルト: "unblocker"）。' ) @register_function(config_type=BrightDataWebUnlockerAPIToolConfig) async def bright_data_web_unlocker_api_function(tool_config: BrightDataWebUnlockerAPIToolConfig, builder: Builder): import os import json from typing import Optional from langchain_brightdata import BrightDataUnlocker # 必要に応じて環境変数を設定 if not os.environ.get("BRIGHT_DATA_API_KEY") and tool_config.api_key: os.environ["BRIGHT_DATA_API_KEY"] = tool_config.api_key async def _bright_data_web_unlocker_api( url: str, country: Optional[str] = None, data_format: Optional[str] = None, ) -> str: """ Bright Data Web Unlockerを使用して、地理的制限またはボット対策が施されたURLにアクセスします。 引数: url (str): 取得対象のURL。 country (str, optional): シミュレートする国を上書きします。 data_format (str, optional): 出力コンテンツ形式 ('html', 'markdown', 'screenshot')。 戻り値: str: 対象ウェブサイトから取得したコンテンツ。 """ unlocker = BrightDataUnlocker() result = unlocker.invoke({ "url": url, "country": country or tool_config.country, "data_format": data_format or tool_config.data_format, "ゾーン": tool_config.ゾーン, }) return json.dumps(result) yield FunctionInfo.from_fn( _bright_data_web_unlocker_api, description=_bright_data_web_unlocker_api.__doc__, ) ``` 両ツールのデフォルト引数値は必要に応じて調整してください。 `BrightDataSERP`と`BrightDataUnlocker`は、環境変数`BRIGHT_DATA_API_KEY`から API キーを読み取ろうとします（これは以前に設定済みですので、準備は完了しています）。 次に、`register.py` に以下の行を追加して、これら 2 つのツールをインポートします。 ```none # bright_data_nvidia_nemo/web_data_workflow/src/web_data_workflow/register.py # ... from .bright_data import bright_data_serp_api_function, bright_data_web_unlocker_api_function ``` これらの2つのツール`はconfig.yml`ファイルでは使用できません。その理由は、自動生成された`pyproject.toml`ファイルに以下が含まれているためです： ```none [project.entry-points.'nat.components'] web_data_workflow = "web_data_workflow.register" ``` これは`nat`コマンドに対して*「`web_data_workflow`ワークフローをロードする際、`web_data_workflow.register`モジュール内のコンポーネントを検索せよ」*と指示しています*。* **注**：同様の手法で、[`BrightDataWebScraperAPI`](https://docs.langchain.com/oss/python/integrations/tools/brightdata-webscraperapi)ツールを作成し、[Bright Data のウェブスクレイピング API](/products/web-scraper) と統合できます。これにより、エージェントは Amazon、Instagram、LinkedIn、Yahoo Finance などの人気ウェブサイトから構造化データフィードを取得する機能が追加されます。 さあ始めましょう！`あとはconfig.ymlファイルを`適切に更新し、エージェントがこれら2つの新ツールに接続できるようにするだけです。 ### ステップ #7: Bright Data ツールの設定 `config.ymlでBright` Dataツールをインポートし、以下のようにエージェントに渡します： ```none # bright_data_nvidia_nemo/web_data_workflow/src/web_data_workflow/configs/config.yml functions: # カスタムBright Dataツールの定義とカスタマイズ bright_data_serp_api: _type: bright_data_serp_api bright_data_web_unlocker_api: _type: bright_data_web_unlocker_api data_format: markdown llms: nim_llm: _type: nim model_name: meta/llama-3.1-70b-instruct # エンタープライズ対応AIモデルに置き換えてください temperature: 0.0 workflow: _type: react_agent llm_name: nim_llm tool_names: [bright_data_serp_api, bright_data_web_unlocker_api] # Bright Dataツールを設定 ``` 先に定義したツールを使用するには: 1. `config.yml`ファイルの`functions`セクションに追加します。`FunctionBaseConfigクラスが`公開する引数を通じてカスタマイズ可能です。例えば`bright_data_web_unlocker_apiツールはMarkdown`形式でデータを返すよう設定されており、[AIエージェントが処理するのに](https://www.kaggle.com/code/brightdataml/benchmarking-ai-agents-on-different-data-formats) [最適な](https://www.kaggle.com/code/brightdataml/benchmarking-ai-agents-on-different-data-formats)[形式](https://www.kaggle.com/code/brightdataml/benchmarking-ai-agents-on-different-data-formats)です。 2. エージェントがツールを呼び出せるよう、`ワークフロー`ブロック内の`tool_names`フィールドにツールを列挙してください。 素晴らしい！`meta/llama-3.1-70b-instructで`駆動されるReactエージェントが、LangChainベースのカスタムツール両方にアクセス可能になりました： 1. `bright_data_serp_api` 2. `bright_data_web_unlocker_api` **注**：この例ではLLMはNVIDIA NIMモデルとして設定されています。導入要件に応じて、よりエンタープライズ向けのモデルへの切り替えをご検討ください。 ### ステップ #8: NVIDIA NeMo Agent Toolkit ワークフローのテスト NVIDIA NeMo Agent ToolkitワークフローがBright Dataツールと連携できることを確認するには、ウェブ検索とウェブデータ抽出の両方をトリガーするタスクが必要です。 例として、[ビジネスインテリジェンスを支援するため](/products/insights)、競合他社の新製品と価格を監視したいと仮定します。競合相手が Nike の場合、以下のようなプロンプトを作成できます: ```none ウェブを検索し、最新のナイキシューズを発見してください。取得した検索結果から、ナイキ公式ウェブサイトページを優先し、関連性の高いウェブページを最大3つ選択してください。これらのページにアクセスし、内容をMarkdown形式で取得してください。発見したシューズモデルについて、名称、発売状況、価格、主要情報、および公式ナイキページへのリンク（利用可能な場合）を提供してください。 ``` `NVIDIA_API_KEY`および`BRIGHT_DATA_API_KEY`環境変数が定義されていることを確認し、エージェントを以下のように実行してください： ```none nat run --config_file configs/config.yml --input "ウェブを検索し、最新のナイキシューズを発見する。取得した検索結果から、公式ナイキウェブサイトページを優先し、最も関連性の高いウェブページを最大3つ選択する。 これらのページにアクセスし、内容をMarkdown形式で取得する。発見したシューズモデルについて、名称、発売状況、価格、主要情報、および公式Nikeページへのリンク（利用可能な場合）を提供する。」 ``` 初期出力は以下のような内容になります: ![Note the initial output produced by the agent](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765377771305_image.png) `詳細`モードを有効化（`ワークフロー`ブロック`でverbose: true`を設定）すると、エージェントが以下の手順を実行する様子を確認できます： 1. 「最新のナイキシューズ」や「新発売のナイキシューズ」などのクエリでSERP APIを呼び出す。 2. 公式Nike「[新着シューズ」](https://www.nike.com/w/new-shoes-3n82yzy7ok)ページを優先し、最も関連性の高いページを選択。 3. Web Unlocker APIツールを使用して選択したページにアクセスし、内容をMarkdown形式でスクレイピングする。 4. スクレイピングしたデータを処理し、構造化された結果リストを生成します: ```none [エアジョーダン11 レトロ "ガンマ" - メンズシューズ](https://www.nike.com/t/air-jordan-11-retro-gamma-mens-shoes-DYkD1oXL/CT8012-047) 発売状況: 近日発売予定 カラー: 1 価格: $235 [エアジョーダン11レトロ「ガンマ」 - ビッグキッズシューズ](https://www.nike.com/t/air-jordan-11-retro-gamma-big-kids-shoes-LJyljnZt/378038-047) 発売状況: 近日発売予定 カラー: 1 価格: $190 # 簡略化のため省略... ``` これらの結果は、ナイキの「新着シューズ」ページで確認できる内容と完全に一致しています： ![Note that the results returned by the agent match those on the official Nike “New Shoes” web page](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765367474919_image.png) ミッション完了！AIエージェントが自律的にウェブを検索し、適切なページを選択、ウェブスクレイピングを行い、構造化された製品情報を抽出しました。NATワークフローへのBright Dataツールの統合がなければ、これは実現不可能でした！ エージェント型ビジネスインテリジェンスは、NVIDIA NeMo Agent Toolkitと組み合わせ[たBright Dataソリューションが実現する数多くのユースケース](/ai/web-access)の一つに過ぎません。ツール設定の調整、追加ツールの統合、入力プロンプトの変更を試みて、さらなるシナリオを探索してください！ ## Bright Data MCP経由でNVIDIA NeMo Agent ToolkitとBright Dataを連携 NVIDIA NeMo Agent ToolkitとBright Data製品を統合する別の方法は、[Bright Data MCP](/ai/mcp-server)への接続です。詳細は[公式ドキュメントを](https://docs.brightdata.com/ai/mcp-server/integrations/nvidia-nemo)参照してください。 Bright Data MCPは、Bright DataのWeb自動化および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)へのアクセスを提供します。[無料プラン](/blog/ai/web-mcp-free-tier)でも、以下の2つの強力なツールを利用可能です： **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。しかし Bright Data MCP の真価は[Pro モード](https://github.com/brightdata/brightdata-mcp?tab=readme-ov-file#-pricing--modes)で発揮されます。このプレミアムプランは有料ですが、Amazon、Zillow、LinkedIn、YouTube、TikTok、Google Maps などの主要プラットフォームからの構造化データ抽出が可能になり、さらに自動化されたブラウザ操作のための追加ツールも利用できます。 **注**：プロジェクト設定と前提条件については、前の章を参照してください。 それでは、NVIDIA NeMo Agent Toolkit内でBright DataのBright Data MCPを使用する方法を見ていきましょう！ ### ステップ #1: NVIDIA NAT MCPパッケージのインストール 前述の通り、NVIDIA NeMo Agent Toolkitはモジュール式です。コアパッケージが基盤を提供し、追加機能はオプションの拡張機能を通じて追加されます。 [MCPサポート](https://docs.nvidia.com/nemo/agent-toolkit/1.2/workflows/mcp/mcp-client.html)に必要なパッケージは`nvidia-nat[mcp]`です。以下のコマンドでインストールしてください： ```none pip install nvidia-nat[mcp] ``` これでNVIDIA NeMo Agent ToolkitエージェントがMCPサーバーに接続可能になります。特に、エンタープライズレベルのパフォーマンスと信頼性を確保するため、マネージドリモートサーバー経由[のリモートStreamable HTTP通信を用いてBright DataのBright Data MCPに接続します](https://docs.brightdata.com/ai/mcp-server/remote/quickstart)。 ### ステップ #2: リモート Bright Data MCP 接続の設定 `config.yml` ファイルで、Streamable HTTP プロトコルを使用した Bright Data のリモート Bright Data MCP サーバーへの接続を設定します: ```none # bright_data_nvidia_nemo/web_data_workflow/src/web_data_workflow/configs/config.yml function_groups: bright_data_web_mcp: _type: mcp_client server: transport: streamable-http url: "https://mcp.brightdata.com/mcp?token=&pro=1" tool_call_timeout: 600 auth_flow_timeout: 300 reconnect_enabled: true reconnect_max_attempts: 3 llms: nim_llm: _type: nim model_name: meta/llama-3.1-70b-instruct # エンタープライズ対応AIモデルに置き換えてください temperature: 0.0 workflow: _type: react_agent llm_name: nim_llm tool_names: [bright_data_web_mcp] ``` 今回は、`functions`ブロックでツールを定義する代わりに`function_groups`を使用します。これによりBright Data MCP接続が設定され、リモートサーバーからMCPツール一式全体が取得されます。このグループは、個々のツール`と同様にtool_names`フィールドを通じてエージェントに渡されます。 Bright Data MCP URLには`&pro=1クエリ`パラメータが含まれます。これによりProモードが有効化されます。これはオプションですが、基本的なツールだけでなく構造化データ抽出ツールの全機能を利用できるため、企業利用には強く推奨されます。 ### ステップ #3: Bright Data MCP接続の確認 新しいプロンプトで NVIDIA NeMo Agent を実行します。初期ログには、Bright Data MCP が公開する全ツールの読み込み状況が表示されるはずです： ![Loading the Bright Data MCP tools](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765378811878_image.png) Proモードが有効な場合、60以上の全ツールが初期状態でロードされます。 その後、設定サマリーログには期待通り単一の機能グループが表示されます： ![Note the configured function group](https://media.brightdata.com/2025/12/s_F1279AC6E4A6708239130DC97693A8D0B6960A079685F5B60348A370AE8E6C0C_1765378872477_image.png) これで完了です！ NVIDIA NeMo Agent Toolkitワークフローが、Bright Data MCPが提供する全機能に完全にアクセス可能になりました。 ## 結論 本ブログ記事では、LangChainで駆動されるカスタムツールまたはBright Data MCPを介して、Bright DataをNVIDIA NeMo Agent Toolkitに統合する方法を学びました。 これらの設定により、NATワークフロー内でリアルタイムのウェブ検索、構造化データ抽出、ライブウェブフィードへのアクセス、自動化されたウェブインタラクションが可能になります。[AIのためのBright Dataサービス一式](/ai/web-access)を活用し、AIエージェントの潜在能力を[最大限に](/ai/web-access)引き出します！ 今すぐBright Dataに登録し、AI対応のウェブデータツールの統合を始めましょう！ 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%92NVIDIA+NeMo%E3%81%A8%E7%B5%B1%E5%90%88%E3%81%97%E3%80%81%E3%82%A8%E3%83%B3%E3%82%BF%E3%83%BC%E3%83%97%E3%83%A9%E3%82%A4%E3%82%BA%E5%AF%BE%E5%BF%9C%E3%81%AEAI%E3%82%A2%E3%83%97%E3%83%AA%E3%82%B1%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%82%92%E5%AE%9F%E7%8F%BE&u=https://brightdata.jp/blog/ai/nvidia-nemo-with-bright-data) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Bright+Data%E3%82%92NVIDIA+NeMo%E3%81%A8%E7%B5%B1%E5%90%88%E3%81%97%E3%80%81%E3%82%A8%E3%83%B3%E3%82%BF%E3%83%BC%E3%83%97%E3%83%A9%E3%82%A4%E3%82%BA%E5%AF%BE%E5%BF%9C%E3%81%AEAI%E3%82%A2%E3%83%97%E3%83%AA%E3%82%B1%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%82%92%E5%AE%9F%E7%8F%BE&url=https://brightdata.jp/blog/ai/nvidia-nemo-with-bright-data) [ ](http://www.reddit.com/submit?title=Bright+Data%E3%82%92NVIDIA+NeMo%E3%81%A8%E7%B5%B1%E5%90%88%E3%81%97%E3%80%81%E3%82%A8%E3%83%B3%E3%82%BF%E3%83%BC%E3%83%97%E3%83%A9%E3%82%A4%E3%82%BA%E5%AF%BE%E5%BF%9C%E3%81%AEAI%E3%82%A2%E3%83%97%E3%83%AA%E3%82%B1%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%82%92%E5%AE%9F%E7%8F%BE&url=https://brightdata.jp/blog/ai/nvidia-nemo-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)