--- title: "Pydantic AIとBright Dataのデータアクセス付きエージェント用Bright Data MCP" slug: pydantic-ai-with-web-mcp date: 2025-08-24T14:00:15+00:00 modified: 2025-11-04T08:46:15+00:00 permalink: https://brightdata.jp/blog/ai/pydantic-ai-with-web-mcp type: blog --- [ ブログ ](https://brightdata.jp/blog "ブログ") / [AI](https://brightdata.jp/blog/ai) [AI](https://brightdata.jp/blog/ai) # Pydantic AIとBright Dataのデータアクセス付きエージェント用Bright Data MCP Pydantic AIとBright Data MCPを組み合わせて、リアルタイムでウェブデータにアクセスし抽出するPython AIエージェントを構築する方法をご紹介します。 2 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) ![Pydantic AI × Bright Data's Bright Data MCP](https://media.brightdata.jp/2025/08/Pydantic-AI%E2%80%AF%C3%97%E2%80%AFBright%E2%80%AFDatas-Web-MCP.png) このガイドで、あなたは学ぶだろう： - Pydantic AIとは何か、AIエージェントを構築するためのフレームワークとして何がユニークなのか。 - Pydantic AIがBright DataのBright Data MCPサーバーとうまく組み合わされ、ウェブにアクセスできるエージェントを構築できる理由。 - PydanticをBright DataのBright Data MCPと統合し、実データに裏打ちされたAIエージェントを作成する方法。 さあ、飛び込もう！ ## パイダンティックAIとは何か？ [Pydantic AIは](//ai.pydantic.dev/)、Python用のデータ検証ライブラリとして最も広く使われている[Pydanticの](https://docs.pydantic.dev/latest/)開発者によって開発されたPythonエージェントフレームワークです。 他の[AIエージェントフレームワークと](/blog/ai/best-ai-agent-frameworks)比較して、Pydantic AIは型の安全性、構造化された出力、実世界のデータやツールとの統合を重視しています。その主な特徴は以下の通りである： - OpenAI、Anthropic、Gemini、Cohere、Mistral、Groq、HuggingFace、Deepseek、Ollama、その他のLLMプロバイダーをサポート。 - Pydanticモデルによる構造化出力検証。 - [Pydantic Logfireによる](https://pydantic.dev/logfire)デバッグとモニタリング。 - ツール、プロンプト、バリデータの依存性注入（オプション）。 - オンザフライのデータ検証でLLM応答をストリーミング。 - 複雑なワークフローをマルチエージェントとグラフでサポート。 - MCPを介したツール統合とHTTPコールを含む。 - 標準的なPythonアプリのようにAIエージェントを構築するための、使い慣れたPythonicフロー。 - 単体テストと反復開発のための組み込みサポート。 このライブラリはオープンソースで、[GitHub上では](https://github.com/pydantic/pydantic-ai)すでに[11kスターを超えて](https://github.com/pydantic/pydantic-ai)いる。 ## Pydantic AIとMCPサーバーを組み合わせてウェブデータを検索する理由 Pydantic AIで作られたAIエージェントは、基礎となるLLMの限界を受け継いでいる。これにはリアルタイムの情報へのアクセス不足が含まれ、不正確な応答につながる可能性があります。幸いなことに、この問題はエージェントに最新のデータとライブのウェブ探索機能を装備することで簡単に解決できます。 そこで[**Bright DataのBright Data MCPの**](/ai/mcp-server)登場です。Node.js上に構築されたこのMCPサーバーは、Bright DataのAI対応データ検索ツール群と統合されています。これらのツールは、ウェブコンテンツへのアクセス、構造化されたデータセットへのクエリ、ウェブの検索、ウェブページとのオンザフライでの対話をエージェントに可能にします。 現在のところ、[サーバーのMCPツールには](https://github.com/brightdata/brightdata-mcp/blob/main/assets/Tools.md)以下のものがある： **工具****説明**`scrape_as_markdown`高度な抽出オプションを使用して、単一のWebページのURLからコンテンツをスクレイピングし、結果をMarkdownとして返します。ボット検知やCAPTCHAを回避することができます。`検索エンジン`Google、Bing、またはYandexから検索結果を抽出し、SERPデータをマークダウン形式で返します（URL、タイトル、スニペット）。`scrape_as_html`高度な抽出オプションでURLからウェブページのコンテンツを取得し、完全なHTMLを返します。ボット検出やCAPTCHAをバイパスすることができます。`セッション統計`現在のセッション中のツール使用に関する統計を提供する。`スクレイピング_ブラウザ_ゴーバック`スクレイピング・ブラウザのセッションで前のページに戻る。`スクレイピング_ブラウザ_ゴーフォワード`スクレイピング・ブラウザのセッションで次のページに進む。`スクレイピング_ブラウザ_クリック`セレクタで指定した要素に対してクリックアクションを実行する。`スクレイピング_ブラウザリンク`現在のページのテキストとセレクタを含むすべてのリンクを取得する。`スクレイピング・ブラウザ・タイプ`スクレイピング・ブラウザ内の指定された要素にテキストを入力する。`スクレイピング・ブラウザ・ウェイト・フォー`特定の要素がページ上に表示されるまで待ってから処理を進める。`スクレイピング_ブラウザ_スクリーンショット`現在のブラウザページのスクリーンショットをキャプチャします。`スクレイピング_ブラウザ_get_html`ブラウザの現在のページのHTMLコンテンツを取得する。`スクレイピング_ブラウザ_テキスト取得`現在のページから可視テキストコンテンツを抽出する。そして、[ウェブスクレーパーAPIを](/products/web-scraper)使用して、幅広いウェブサイト（例えば、Amazon、Yahoo Finance、TikTok、LinkedInなど）から構造化データを収集するための40以上の専門ツールがあります。例えば、`web_data_amazon_product`ツールは、有効な商品URLを入力として受け取ることで、Amazonから詳細で構造化された商品情報を収集する。 では、これらのMCPツールをPydantic AIでどのように使うことができるかを見てみましょう！ ## PythonでPydantic AIとBright MCP Serverを統合する方法 このセクションでは、Pydantic AIを使ってAIエージェントを構築する方法を学びます。このエージェントは、Bright Data MCPサーバからのライブデータスクレイピング、検索、対話機能を備えています。 例として、エージェントがAmazonから商品データをその場で取得する方法を示します。これは、[可能性のある多くのユースケースの](/ai/data-for-ai-agents)一つに過ぎないことを覚えておいてください。AIエージェントは、MCPサーバーを通じて利用可能な50以上のツールのいずれかを利用し、幅広いタスクを実行することができます。 このガイド付きウォークスルーに従って、Pydantic AIを使用してGemini + Bright Data MCP搭載AIエージェントを構築してください！ ### 前提条件 コード例を再現するには、以下のものがローカルにインストールされていることを確認してください： - [Python 3.10以上](https://www.python.org/downloads/)。 - [Node.js](https://nodejs.org/en/download)（最新のLTSバージョンをお勧めします）。 これも必要だ： - ブライトデータのアカウント。 - Gemini APIキー（またはOpenAI、Anthropic、Deepseek、Ollama、Groq、Cohere、Mistralなど、サポートされている他のLLMプロバイダーのAPIキー）。 APIキーの設定はまだ心配しないでください。以下の手順で、Bright DataとGeminiの両方の認証情報を設定することができます。 厳密には必須ではありませんが、この予備知識はチュートリアルに従うのに役立ちます： - MCPの仕組みについての一般的な理解。 - [AIエージェントがどのように動作するかについての](/blog/ai/ai-agent-tech-stack)基本的な知識 - Bright Data MCPサーバーとその利用可能なツールに関するある程度の知識。 - [Pythonによる非同期プログラミングの](https://docs.python.org/3/library/asyncio.html)基礎知識。 ### ステップ #1: Pythonプロジェクトの作成 ターミナルを開き、プロジェクト用の新しいフォルダを作成する： ```none mkdir pydantic-ai-mcp-agent ``` `pydantic-ai-mcp-agent`フォルダには、Python AIエージェントのすべてのコードが格納されます。 新しく作成したフォルダに移動し、その中に[仮想環境を](https://docs.python.org/3/library/venv.html)セットアップする： ```none cd pydantic-ai-mcp-agent python -m venv venv ``` プロジェクトフォルダをお好みのPython IDEで開きます。[Python拡張機能付きのVisual Studio Codeか](https://code.visualstudio.com/docs/languages/python)、[PyCharm Community Editionを](https://www.jetbrains.com/pycharm/download/#section=windows)お勧めします。 プロジェクトのルートに`agent.py`という名前のファイルを作成します。この時点で、フォルダ構造は以下のようになっているはずです： ```none pydantic-ai-mcp-agent/ ├── venv/ └── agent.py ``` `agent.py`ファイルは現在空ですが、近日中にPydantic AIとBright Data MCPサーバーを統合するロジックが含まれる予定です。 IDEのターミナルを使用して仮想環境をアクティブにします。LinuxまたはmacOSでは、次のコマンドを実行する： ```none source venv/bin/activate ``` 同様に、Windowsでは、起動します： ```none venv/Scripts/activate ``` これで準備完了です！これで、ウェブデータアクセスを持つAIエージェントを構築するためのPython環境が整いました。 ### ステップ2: Pydantic AIをインストールする 起動した仮想環境に、必要なPydantic AIパッケージをすべてインストールします： ```none pip install "pydantic-ai-slim[google,mcp]" ``` これは[`pydantic-ai-slim を`](https://ai.pydantic.dev/install/#slim-install)インストールします。[`pydantic-ai-`](https://pypi.org/project/pydantic-ai/) [`slim`](https://ai.pydantic.dev/install/#slim-install) は完全な[`pydantic-ai`](https://pypi.org/project/pydantic-ai/)パッケージの軽量版で、不要な依存関係を引き込まないようにします。 この場合、エージェントを Bright Data MCP サーバと統合する予定ですので、`mcp`拡張機能が必要になります。また、LLMプロバイダとしてGeminiを統合するため、`google`エクステンションも必要です。 **注**：他のモデルやプロバイダーについては、どのオプションの依存関係が必要であるか、[モデルのドキュメントを](https://ai.pydantic.dev/models/)参照してください。 次に、これらの import を`agent.py`ファイルに追加します： ```none from pydantic_ai import Agent from pydantic_ai.mcp import MCPServerStdio from pydantic_ai.models.google import GoogleModel from pydantic_ai.providers.google import GoogleProvider ``` かっこいい！エージェント構築にPydantic AIが使えるようになりました。 ### ステップ3：環境変数のセットアップ 読み込み あなたのAIエージェントは、APIを介してBright DataやGeminiのようなサードパーティのサービスと対話します。APIキーをPythonコードにハードコードしないでください。代わりに、より良いセキュリティと保守性のために、環境変数からそれらをロードします。 プロセスを単純化するために、[`python-dotenv`](https://pypi.org/project/python-dotenv/)ライブラリを利用してください。仮想環境を起動した状態で、python-dotenv ライブラリをインストールします： ```none pip install python-dotenv ``` 次に、`agent.py`ファイルでライブラリをインポートし、`load_dotenv()` で環境変数をロードします： ```none from dotenv import load_dotenv load_dotenv() ``` これにより、スクリプトはローカルの`.env`ファイルから環境変数を読み込むことができる。ですから、プロジェクトフォルダー内に`.env`ファイルを作成してください： ```none pydantic-ai-mcp-agent/ ├── venv/ ├── agent.py └── .env # <--------------- ``` このように環境変数にアクセスできるようになった： ```none env_value = os.getenv("") ``` Python標準ライブラリから[`os`](https://docs.python.org/3/library/os.html)モジュールをインポートすることを忘れないでください： ```none import os ``` さあ、始めよう！これで、`.env`ファイルからApiキーを安全に読み込むためのセットアップは完了です。 ### ステップ#4: Bright Data MCPサーバーを使い始める まだの方は、[Bright Dataアカウントを作成して](/?hs_signup=1)ください。すでにお持ちの場合は、ログインしてください。 その後、[公式の指示に従って](https://docs.brightdata.com/api-reference/authentication#generating-an-api-key%3A)Bright Data API キーを設定してください。簡単のため、ここではAdmin権限を持つトークンを使用するものとします。 [Bright DataのBright Data MCPを](https://github.com/brightdata/brightdata-mcp) `npm`経由でグローバルにインストールする： ```none npm install -g @brightdata/mcp ``` 次に、以下のBashコマンドですべてが動作することをテストする： ```none API_TOKEN="" npx -y @brightdata/mcp ``` あるいは、Windowsの場合、同等のPowerShellコマンドは次のようになる： ```none $env:API_TOKEN=""; npx -y @brightdata/mcp ``` 上記のコマンドで ``プレースホルダーを先ほど取得した実際のBright Data APIに置き換えてください。どちらのコマンドも必要な`API_TOKEN`環境変数を設定し、[`@brightdata/mcp`](https://www.npmjs.com/package/@brightdata/mcp)npmパッケージを通してMCPサーバーを起動します。 すべてが正しく動作していれば、ターミナルには次のようなログが表示される： ![Bright Data MCP サーバーの起動ログ](https://media.brightdata.com/2025/08/image-31-1024x157.png)MCPサーバーを初めて起動すると、Bright Dataアカウントに2つのデフォルトゾーンが自動的に作成されます： - `mcp_unlocker`：[Web Unlockerの](/products/web-unlocker)ゾーン。 - `mcp_browser`：[ブラウザAPIの](/products/scraping-browser)ゾーン。 この2つのゾーンによって、MCPサーバーは公開されているすべてのツールを実行できる。 それを確認するには、Bright Dataのダッシュボードにログインし、[“Proxies & Scraping Infrastructure](/cp/zones)“ページに移動します。以下のゾーンが自動的に作成されていることが確認できます： ![MCPサーバーが起動時に作成するmcp_unlockerゾーンとmcp_browserゾーン](https://media.brightdata.com/2025/08/image-32-1024x539.png)**注**：管理者権限を持つAPIトークンを使用していない場合は、手動でゾーンを作成する必要があります。いずれにせよ、[公式ドキュメントで](https://github.com/brightdata/brightdata-mcp?tab=readme-ov-file#-account-setup)説明されているように、いつでもenvsでゾーン名を指定することができます。 デフォルトでは、Bright Data MCPは`search_engineと` `scrape_as_markdown`ツールだけを公開します。ブラウザ自動化や構造化データ抽出のような高度な機能をアンロックするには、環境変数`PRO_MODE=trueを`設定してProモードを有効にする必要があります。 素晴らしい！Bright Data MCPは魅力的に機能する。 ### ステップ#5: ウェブMCPへの接続 マシンがBright Data MCPを実行できることを確認したら、接続してください！ まず、`.env`ファイルに Bright Data API キーを追加します： ```none BRIGHT_DATA_API_KEY="" ``` プレースホルダを ``プレースホルダーを先ほど取得した実際の Bright Data API キーに置き換えてください。 そして、`agent.py`ファイルでそれを読みます： ```none BRIGHT_DATA_API_KEY = os.getenv("BRIGHT_DATA_API_KEY") ``` Pydantic AIは[MCPサーバーに接続する3つの方法を](https://ai.pydantic.dev/mcp/client/#usage)サポートしています： 1. Streamable HTTPトランスポートの使用。 2. HTTP SSEトランスポートを使用する。 3. サーバーをサブプロセスとして実行し、[`stdio`](https://modelcontextprotocol.io/specification/2025-03-26/basic/transports#stdio)経由で接続する。 最初の2つの方法についてよくご存知でない方は、[SSE vs Streamable HTTPの](/blog/ai/sse-vs-streamable-http)ガイドをお読みください。 この場合、サーバーをサブプロセスとして実行したい（3番目の方法）。そのためには、以下のように[`MCPServerStdio`](https://ai.pydantic.dev/api/mcp/#pydantic_ai.mcp.MCPServerStdio)インスタンスを初期化する： ```none server = MCPServerStdio( "npx", args=[ "-y", "@brightdata/mcp", ], env={ "API_TOKEN": BRIGHT_DATA_API_KEY, "PRO_MODE": "true" # Enable the Pro Mode to access all Bright Data tools }, ) ``` これらのコード行で行うことは、基本的に先ほど実行したのと同じ`npx`コマンドを使用してBright Data MCPを起動することです。認証のためにBright Data APIキーを使用して`API_TOKEN`環境変数を設定します。さらに、`PRO_MODEを`有効にし、高度なものを含むすべての利用可能なツールにアクセスできるようにします。 素晴らしい！これで、ローカルのBright Data MCPへの接続をコードで設定できました。 ### ステップ6：LLMの設定 **注**：このセクションは、チュートリアルのために選ばれたLLMであるGeminiを参照しています。しかし、[公式ドキュメントに従う](https://ai.pydantic.dev/models/)ことで、[OpenAIや](https://ai.pydantic.dev/models/openai/)他のサポートされているLLMに簡単に適応させることができます。 まず[Gemini APIキーを取得](https://aistudio.google.com/app/apikey)し、`.env`ファイルに以下のように追加する： ```none GOOGLE_API_KEY="" ``` プレースホルダを ``プレースホルダを実際のAPIキーに置き換えてください。 次に、Geminiとの統合に必要なPydantic AIライブラリをインポートする： ```none from pydantic_ai.models.google import GoogleModel from pydantic_ai.providers.google import GoogleProvider ``` これらのインポートにより、Google APIに接続し、Geminiモデルを設定することができます。`.env`ファイルから`GOOGLE_API_KEYを`手動で読み込む必要がないことに注目してください。なぜなら、`GoogleProviderは` [`google-genaiを`](https://pypi.org/project/google-genai/)使用しており、自動的に`GOOGLE_API_KEY`envからAPIキーを読み込むからです。 次に、プロバイダとモデルのインスタンスを初期化します： ```none provider = GoogleProvider() model = GoogleModel("gemini-2.5-flash", provider=provider) ``` 驚いた！これにより、PydanticのAIエージェントは、無料で利用できるGoogle API経由で[`gemini-2.5-flash`](https://cloud.google.com/vertex-ai/generative-ai/docs/models/gemini/2-5-flash)モデルに接続できるようになる。 ### ステップ#7: Pydantic AIエージェントの定義 事前に設定したLLMを使用し、Bright Data MCPサーバーに接続するPydantic AIエージェントを定義します： ```none agent = Agent(model, toolsets=[server]) ``` 完璧です！たった1行のコードで、[`Agent`](https://ai.pydantic.dev/api/agent/#pydantic_ai.agent.Agent)オブジェクトをインスタンス化しました。これは、Bright Data MCPサーバによって公開されたツールを使用してタスクを処理できるAIエージェントを表しています。 ### ステップ#8: エージェントを立ち上げる AIエージェントをテストするには、ウェブデータ抽出（インタラクション）タスクを含むプロンプトを書く必要があります。これは、エージェントがBright Dataツールを期待通りに使用するかどうかを検証するのに役立ちます。 手始めに、アマゾンのページから商品データを取得するように頼むといいだろう： > “https://www.amazon.com/AmazonBasics-Pound-Neoprene-Dumbbells-Weights/dp/B01LR5S6HK/”の製品データをください。 通常、このようなリクエストをジェミニに直接送ると、2つのうちの1つが起こる： 1. このリクエストは、Amazonのアンチボットシステム（[Amazon CAPTCHAなど](/blog/ウェブデータ/bypass-amazon-captcha)）により、ジェミニがページのコンテンツにアクセスできないため、失敗する。 2. ライブのページにアクセスできないため、幻覚やでっち上げの製品情報を返すことになる。 ジェミニで直接プロンプトを試してみてください。以下のように、アマゾンのページにアクセスできませんでしたというメッセージが表示され、その後に加工された商品の詳細が表示されるはずです： ![ジェミニの不成功](https://media.brightdata.com/2025/08/image-33-1024x538.png)Bright Data MCPサーバとの統合のおかげで、このようなことは起こりません。あなたのエージェントは、失敗したり推測したりする代わりに、`web_data_amazon_product`ツールを使用して、Amazonページからリアルタイムの構造化された商品データを取得し、きれいで読みやすいフォーマットで返す必要があります。 Pydantic AIエージェントに質問する方法は非同期なので、実行ロジックを以下のように`非同期`関数でラップします： ```none async def main(): async with agent: result = await agent.run("Give me product data from https://www.amazon.com/AmazonBasics-Pound-Neoprene-Dumbbells-Weights/dp/B01LR5S6HK/") output = result.output print(output) if __name__ == "__main__": asyncio.run(main()) ``` Python標準ライブラリから[`asyncioを`](https://docs.python.org/3/library/asyncio.html)インポートすることをお忘れなく： ```none import asyncio ``` ミッションは完了した！あとは、フルコードを実行し、エージェントが期待に応えてくれるかどうかを見るだけだ。 ### ステップ9：すべてをまとめる これが`agent.pyの`最後のコードです： ```none from pydantic_ai import Agent from pydantic_ai.mcp import MCPServerStdio from pydantic_ai.models.google import GoogleModel from pydantic_ai.providers.google import GoogleProvider from dotenv import load_dotenv import os import asyncio # Load the environment variables from the .env file load_dotenv() # Read the API key from the envs for integration with the Bright Data MCP server BRIGHT_DATA_API_KEY = os.getenv("BRIGHT_DATA_API_KEY") # Connect to the Bright Data MCP server server = MCPServerStdio( "npx", args=[ "-y", "@brightdata/mcp", ], env={ "API_TOKEN": BRIGHT_DATA_API_KEY, "PRO_MODE": "true" # Enable the Pro Mode to access all Bright Data tools }, ) # Configure the Google LLM model provider = GoogleProvider() model = GoogleModel("gemini-2.5-flash", provider=provider) # Initialize the AI agent with Gemini and Bright Data MCP server integration agent = Agent(model, toolsets=[server]) async def main(): async with agent: # Ask the AI Agent to perform a scraping task result = await agent.run("Give me product data from https://www.amazon.com/AmazonBasics-Pound-Neoprene-Dumbbells-Weights/dp/B01LR5S6HK/") # Get the result produced by the agent and print it output = result.output print(output) if __name__ == "__main__": asyncio.run(main()) ``` すごい！Pydantic AIとBright Dataのおかげで、50行程度のコードで、強力なMCPを搭載したAIエージェントを構築できました。 でAIエージェントを実行する： ```none python agent.py ``` ターミナルには、以下のような出力が表示されるはずだ： ![パイダンティックAIエージェントが出力したもの](https://media.brightdata.com/2025/08/image-34-1024x647.png)[プロンプトに記載されているアマゾンの商品ページを](https://www.amazon.com/AmazonBasics-Pound-Neoprene-Dumbbells-Weights/dp/B01LR5S6HK/)確認すればわかるように、AIエージェントが返す情報は正確である： ![プロンプトで言及されたアマゾンの製品](https://media.brightdata.com/2025/08/The-Amazon-product-mentioned-in-the-prompt-1-1024x553.png)これは、エージェントがウェブMCPサーバーが提供する`web_data_amazon_product`ツールを使って、アマゾンから新鮮で構造化された商品データをJSON形式で取得したためである。 やった！PydanticのAIとMCPの統合は意図したとおりに機能しました。 ### 次のステップ ここで作られたAIエージェントは機能的だが、出発点としての役割しか果たしていない。次のレベルへのステップアップを考えてみよう： - CLIでエージェントとチャットするREPLループを実装するか、[GradioのようなGUIチャットツールと統合する](https://www.gradio.app/guides/creating-a-chatbot-fast)。 - [独自のカスタムツールを定義する](https://ai.pydantic.dev/tools/)ことで Bright Data MCP ツールを拡張。 - [Pydantic Logfireを使用した](https://ai.pydantic.dev/logfire/)デバッグとモニタリングの追加。 - マルチエージェントワークフローの中で、エージェントを[RAG自律型エージェントに](/blog/ai/agentic-rag)変換します。 - 出力データの整合性のための[カスタム関数バリデータの](https://ai.pydantic.dev/output/#output-validator-functions)定義。 ## 結論 この記事では、Pydantic AIと[Bright DataのBright Data MCPサーバーを](/ai/mcp-server)統合し、WebにアクセスできるAIエージェントを構築する方法を学びました。この統合はPydantic AIに組み込まれたMCPのサポートによって可能になりました。 より洗練されたエージェントを構築するには、[Bright DataのAIインフラストラクチャで](/ai)利用可能なあらゆるサービスをご利用ください。これらのソリューションは、さまざまな[エージェントシナリオを](/ai/web-access)支援します。 Bright Dataのアカウントを無料で作成し、AIに対応したウェブデータツールの実験を開始しましょう！ 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 Data for AI Supercharge your AI with instant and reliable access to web data. No blockers. No hassle. Talk to an expert Bright Data MCP Get started with Bright Data’s Web MCP Server today with 5000 free monthly requests and unlock your AI’s full potential. Start free now [ ](https://news.ycombinator.com/submitlink?t=Pydantic+AI%E3%81%A8Bright+Data%E3%81%AE%E3%83%87%E3%83%BC%E3%82%BF%E3%82%A2%E3%82%AF%E3%82%BB%E3%82%B9%E4%BB%98%E3%81%8D%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88%E7%94%A8Bright+Data+MCP&u=https://brightdata.jp/blog/ai/pydantic-ai-with-web-mcp) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Pydantic+AI%E3%81%A8Bright+Data%E3%81%AE%E3%83%87%E3%83%BC%E3%82%BF%E3%82%A2%E3%82%AF%E3%82%BB%E3%82%B9%E4%BB%98%E3%81%8D%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88%E7%94%A8Bright+Data+MCP&url=https://brightdata.jp/blog/ai/pydantic-ai-with-web-mcp) [ ](http://www.reddit.com/submit?title=Pydantic+AI%E3%81%A8Bright+Data%E3%81%AE%E3%83%87%E3%83%BC%E3%82%BF%E3%82%A2%E3%82%AF%E3%82%BB%E3%82%B9%E4%BB%98%E3%81%8D%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88%E7%94%A8Bright+Data+MCP&url=https://brightdata.jp/blog/ai/pydantic-ai-with-web-mcp) ## 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)