Qwen-AgentとMCPを統合し、ライブ・データ・アクセスでエージェントを構築する

このガイドで、あなたは学ぶことができる：

• Qwen-Agentライブラリはどのようなもので、AIエージェントの構築にどのように役立つのか。
• Qwen3とBright Data MCPサーバーの組み合わせが、次世代AIエージェントの開発に最適な理由。
• Qwen-AgentとBright DataのMCPを統合し、Qwen3による有能なエージェントを構築する方法。

さあ、飛び込もう！

Qwen-Agentとは何ですか？

Qwen-AgentはAlibaba Cloudが開発したオープンソースのフレームワークで、高度なLLMを搭載したアプリケーションを構築するためのものです。Qwenモデルの機能を活用し、命令追従、ツールの使用、プランニング、メモリ管理をサポートするAIエージェントを作成します。

このライブラリは、特にQwen Chat のバックエンドとして機能します。AIエージェントを構築するためのコアコンポーネントを提供し、MCP（モデルコンテキストプロトコル）経由でも関数やツールの呼び出しをネイティブサポートしています。

Qwen-Agent は、Alibaba Cloud の DashScope サービス、またはセルフホスト Qwen モデルを問わず、柔軟なモデル展開を可能にします。また、ブラウザ上でエージェントを迅速にデプロイし、テストするためのGradio ベースの Web UIも含まれています。

Qwen3 と Qwen-Agent の MCP サーバーを組み合わせる理由

Qwen3はAlibaba Cloudが開発した最新モデルだ。強力なパフォーマンスを発揮し、オープンソースであるため、複数のオンラインプロバイダーから無料で入手できる（セルフホストも可能！）。そのため、費用対効果が高く、しかも強力なAIエージェントを構築するのに理想的な選択肢となっている。

現在、Qwen3を搭載し、Qwen-Agentで構築されたAIエージェントはすでに有能である。しかし、基礎となるLLMの限界を引き継いでいる。これらの制限（リアルタイムの情報にアクセスできないなど）は、エージェントに正確なデータを提供し、ライブでウェブ探索を実行できるようにすることで克服できる。

そこで、Bright Data MCPサーバーの登場です。Node.js上に構築されたMCPサーバーは、Bright DataのAIデータ検索ツール群と統合されています。これらのツールにより、エージェントはリアルタイムの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、ライブウェブスクレイピングを実行できるようになります。

現在、サポートされているMCPツールは以下の通り：

実例については、MCPサーバーを使用したスクレイピングに関するガイドをお読みいただくか、Google SDKのようなツールとの統合方法をご覧ください。

注：Bright Dataは、MCPツールセットを継続的に拡張しています。

では、Qwen3 を通してこれらの MCP ツールを Qwen-Agent でどのように使用できるかを見てみましょう！

Python で Qwen-Agent と Bright MCP Server を統合する方法

このセクションでは、Qwen-Agent を使用して、Qwen3 を搭載した強力な Python 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 サーバを介したライブデータスクレイピング、検索、変換機能を備えています。

例として、AIエージェントが、スクレイピングの難しさで知られるアマゾンから生きた商品データを取得する方法を紹介する。これは可能性のあるユースケースの一つに過ぎない。AIエージェントは、MCPサーバーを通じて利用可能な20以上のツールのいずれかを活用して、多種多様なタスクを処理することができる。

注：AIエージェントに異なるプロンプトを与えるだけで、他のシナリオやユースケースを達成することができます。

以下の手順に従って、Qwen-Agent と Qwen 3 を使用して Bright Data MCP を搭載した AI エージェントを構築してください！

前提条件

このチュートリアルに従うには、以下のものが必要です：

• Python 3.10以上をローカルにインストール。
• Node.jsをローカルにインストール。

これも必要だ：

• ブライトデータのアカウント。
• OpenRouter API キー。

以下のステップでは、Bright DataとOpenRouterの両方の認証情報を必要なときに設定する方法を説明します。ですから、今は心配しないでください。

必須ではありませんが、以下の知識はこのチュートリアルを最大限に活用するのに役立ちます：

• MCPの仕組みについての一般的な理解。
• Qwen Agentの基本的な機能を理解していること。
• Bright Data MCPサーバーとその利用可能なツールについてある程度の知識があること。
• Pythonでの非同期プログラミングの経験。

ステップ1：プロジェクトのセットアップ

ターミナルを開き、MCPを搭載したAIエージェント用の新しいフォルダを作成する：

mkdir qwen-agent-mcp

qwen-agent-mcp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。

次に、プロジェクトフォルダーに移動し、その中に仮想環境を作成する：

cd qwen-agent-mcp
python -m venv venv

お好みのPython IDEでプロジェクトフォルダを開きます。Python拡張機能付きのVisual Studio CodeまたはPyCharm Community Editionを使用することを推奨します。

プロジェクトフォルダ内にagent.pyというファイルを作成します：

agent.pyファイルは現在空ですが、近日中にQwen3とBright Data MCPサーバーを統合するためのロジックを含む予定です。

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：

source venv/bin/activate

同様に、Windowsでは、起動します：

venv/Scripts/activate

これで準備完了です！これでQwen-AgentとBright Data MCPサーバーを使用した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：環境変数の設定 読み込み

あなたのプロジェクトは、OpenRouterやBright Dataのようなサードパーティのサービスとやり取りします。API キーを Python コードにハードコードするのは避けましょう。代わりに、より良いセキュリティと保守性のために、環境変数からロードしてください。

このプロセスを簡単にするために、python-dotenvライブラリを利用します。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：

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：

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ようになります。それでは、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：

これで、コードの中で次のように環境変数にアクセスできる：

env_value = os.getenv("<ENV_NAME>")

Python標準ライブラリからos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：

import os

素晴らしい！これで環境変数から秘密を安全にロードするための準備が整った。

ステップ #3: Google ADKを使い始める

起動した仮想環境で、Qwen-Agentライブラリをインストールしてください：

pip install "qwen-agent[gui,mcp]"

qwen-agentはいくつかのオプションのサブモジュールをサポートしていることに注意してください。このチュートリアルでは、この二つで十分です：

• [gui]はGradioベースのユーザーインターフェース。
• [mcp]はMCPサーバーと統合するためのものです。

次に、agent.pyファイルを開き、以下のインポートを含めます：

from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

これらは、次のステップで Qwen-Agent と MCP サーバを接続し、AI エージェントを実装するために使用されます。

デフォルトでは、Qwen-Agent は、Qwen モデルにアクセスするためのDashScope API キーを使用します。しかし、このチュートリアルでは、無料の OpenRouter プラットフォーム経由で Qwen3 を使用します。

⚠️警告：なぜアリババクラウドのDashScopeを使ってQwen3に直接アクセスしないのか不思議に思われるかもしれません。その理由は、この記事を書いている時点では、海外ユーザー（つまり中国国外のユーザー）には制限があるからです。この制限により、現在以下のような（やや誤解を招く）エラーメッセージが表示されます：

Error code: InvalidApiKey. Error message: Invalid API-key provided.

この問題を回避するには、OpenRouterや、地域制限なしにQwen3へのアクセスを提供する他のプラットフォームに頼ることができます。

それでは、Qwen3統合のためのOpenRouter APIキーの設定方法を説明しましょう！

ステップ #4: OpenRouter API キーを取得する

まだの場合は、OpenRouterアカウントにサインアップしてください。すでにお持ちの場合は、ログインするだけです。

次に、右上のプロフィール画像にカーソルを合わせ、”Keys “オプションを選択して “API Keys “ページに移動します：

Create API Key “ボタンをクリックし、指示に従ってキーを生成します。そのキーをコピーして、.envファイルに追加します：

OPEN_ROUTER_API_KEY="<YOUR_OPEN_ROUTER_API_KEY>"

プレースホルダを プレースホルダを実際の OpenRouter API キーに置き換えます。

次に、agent.pyファイルでキーをロードします：

OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

素晴らしい！これで OpenRouter 経由で Qwen3 と Qwen-Agent を使う準備ができました。

ステップ#5: Bright Data MCPサーバーのセットアップ

まずは[Bright Dataアカウントを新規作成]() するか、既存のアカウントにログインしてください。

次に、公式の指示に従って次のことを行う：

1. Bright Data API トークンを取得します。
2. ウェブアンロッカーとスクレイピングブラウザをMCP統合用に設定する。

それが終われば、あなたはこうなるはずだ：

• Bright Data APIトークン。
• Web Unlockerゾーン（ここでは、ゾーン名をデフォルトの “mcp_unlocker “とする）。
• <BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>の形式でブラウザの認証情報をスクレイピングする。

次に、Bright Data MCPサーバーをNode.js環境にグローバルにインストールします：

npm install -g @brightdata/mcp

次に、ターミナルで2つの環境を指定する：

API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BROWSER_AUTH="<BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>"

オペレーティング・システムに応じて、正しい手順で環境変数を定義してください。

これで、@brightdata/mcpnpmパッケージを使ってMCPサーバーを起動できる：

npx -y @brightdata/mcp

このコマンドはMCPサーバーをローカルに起動し、必要な環境変数（API_TOKENと BROWSER_AUTH）を読み込みます。すべてが正しく設定されていれば、次のような出力が表示されるはずです：

Checking for required zones...
Required zone "mcp_unlocker" already exists
Starting server...

よくやったブライト・データのMCPサーバーは魅力的に機能する。

次に、この2つの環境変数を.envファイルに追加する：

BRIGHT_DATA_API_TOKEN="<YOUR_BRIGHT_DATA_API_TOKEN>"
BRIGHT_DATA_BROWSER_AUTH="<BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD>"

プレースホルダーを実際の値に置き換える。

agent.pyで、これらの変数をロードします：

BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN")
BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH")

完璧です！これで、Bright Data MCP サーバと Qwen-Agent を統合するためのすべての設定が完了しました。

ステップ6: Qwen3 MCP対応エージェントの定義

Qwen3とMCPをサポートするAIエージェントを初期化する関数を作成します：

def initialize_mcp_agent():
    # To connect to Qwen3 via OpenRouter
    llm_cfg = {
        "model": "qwen/qwen3-32b:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # To connect to the Bright Data MCP server
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # Define the Qwen-Agent assistant with MCP integration
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="MCP-Powered Assistant with Access to Live Data",
        description="This agent can answer questions by retrieving up-to-date information from the Internet using configured MCP tools"
    )

    return agent

ご覧のように、上のコードでは

• llm_cfg辞書は、OpenRouter API 経由で Qwen3 の無料版へのアクセスを設定します。
• tools配列は、Bright Data MCPサーバーへの接続方法を定義し、AIエージェントが外部のデータ検索ツールを呼び出せるようにします。
• 最後に、Qwen-Agentが提供するAssistant()クラスを使用して、LLMとツールの両方を統合したAIエージェントを定義します。

これです！Qwen-Agentのおかげで、MCPをAIエージェントに統合するのに数行のコードで済みます。

ステップ #7: Qwen3 MCPエージェントの起動

agent.pyに以下のコードを追加して、定義されたAIエージェントをGradioインターフェースで実行します：

if __name__ == "__main__":
    # Initialize the MCP-powered agent
    mcp_agent = initialize_mcp_agent()

    # Launch the Gradio-based web UI to interact with the AI agent in the browser
    WebUI(mcp_agent).run()

ミッションは完了した！あとはコードをテストして、AIエージェントの能力を見るだけだ。

ステップ8：すべてをまとめる

これがagent.pyの最後のコードです：

from dotenv import load_dotenv
import os
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI

# Load the environment variables from the .env file
load_dotenv()

# Read the API key from OpenRouter to use Qwen3
OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

# Read the envs for integration with the Bright Data MCP server
BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN")
BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH")

# Define the agent with Qwen 3 and MCP configuration
def initialize_mcp_agent():
    # To connect to Qwen3 via OpenRouter
    llm_cfg = {
        "model": "qwen/qwen3-32b:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # To connect to the Bright Data MCP server
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # Define the Qwen-Agent assistant with MCP integration
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="MCP-Powered Assistant with Access to Live Data",
        description="This agent can answer questions by retrieving up-to-date information from the Internet using configured MCP tools"
    )

    return agent

if __name__ == "__main__":
    # Initialize the MCP-powered agent
    mcp_agent = initialize_mcp_agent()

    # Launch the Gradio-based web UI to interact with the AI agent in the browser
    WebUI(mcp_agent).run()

すごい！Qwen-AgentとOpenRouterのおかげで、わずか50行程度のコードで、強力なMCP搭載AIエージェントを構築できる。

でAIエージェントを実行する：

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：

2025-05-27 15:40:58,783 - mcp_manager.py - 122 - INFO - Initializing MCP tools from mcp servers: ['brightdata']
2025-05-27 15:40:58,800 - mcp_manager.py - 340 - INFO - Initializing a MCP stdio_client, if this takes forever, please check the config of this mcp server: brightdata
2025-05-27 15:41:01,098 - mcp_manager.py - 350 - INFO - No list resources: Method not found
* Running on local URL:  http://127.0.0.1:7860

これは、MCP サーバーが稼働し、AI エージェントがhttp://127.0.0.1:7860 に接続され、アクセス可能であることを示します。GradioのウェブUIを通じてエージェントと対話するには、ブラウザでそのURLにアクセスしてください。

例えば、次のようなプロンプトを出してみてください：

From the Amazon product page "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H/", extract the main info and return it in JSON format

これは、AIエージェントがアマゾンのPS5の商品ページからリアルタイムのデータを取得できるかどうか（したがって、そこから利用／学習できるかどうか）を検証するための素晴らしいテストである：

このプロンプトをUIで実行すると、次のようになるはずだ：

まず、右側のパネルに利用可能な Bright Data MCP サーバツールのリストがあることに注意してください。また、Qwen-Agent がどのように Bright Data MCP サーバからweb_data_amazon_productツールを使用して要求を満たすかを見てください。

ツールの実行結果を示すインターフェイスの箇条書きリストをチェックすることで、それを確認することができる：

最終的なJSON出力は次のようになる：

{
  "title": "PlayStation®5 console (slim)",
  "url": "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H",
  "brand": "Sony",
  "model_number": "CFI-2015",
  "price": {
    "currency": "USD",
    "final_price": 499
  },
  "availability": "In Stock",
  "rating": 4.7,
  "reviews_count": 6824,
  "description": "The PS5 console unleashes new gaming possibilities that you never anticipated. Experience lightning fast loading with an ultra-high speed SSD, deeper immersion with support for haptic feedback, adaptive triggers, and 3D Audio*, and an all-new generation of incredible PlayStation games...",
  "key_features": [
    "Custom CPU, GPU, and SSD with Integrated I/O",
    "Support for haptic feedback, adaptive triggers, and 3D Audio",
    "Backward compatibility with PS4 games",
    "1TB SSD and 10.6 lb console weight",
    "Includes DualSense Wireless Controller"
  ],
  "delivery_info": "FREE delivery Sunday, June 1. Or Prime members get FREE Same-Day delivery Today 10 AM - 3 PM.",
  "images": [
    "https://m.media-amazon.com/images/I/41ECK5cY-2L.SL1000.jpg",
    "https://m.media-amazon.com/images/I/41srF-iY93L.SL1000.jpg"
    // more image URLs...
  ],
  "product_details": {
    "ASIN": "B0CL61F39H",
    "Release Date": "December 10, 2023",
    "Dimensions": "14 x 17 x 7 inches",
    "Weight": "10.6 pounds",
    "Best Seller Rank": "#18 in Video Games",
    "Manufacturer": "Sony"
  },
  // omitted for brevity...
}

さて、この単純な例は、あなたのAIエージェントがいかに強力であるかを示している。このAIエージェントは、あらゆるサイトから生きた構造化データをその場で抽出することができる。これは、ライブ検索、RAG（Retrieval-Augmented Generation）、最新の意思決定に最適です。

さらに良いことに、エージェントはAgent Browser（以前はScraping Browser）を使ってウェブページと直接やりとりすることもでき、高度な自動化と複雑なワークフローを可能にします。

これで出来上がりです！これが、Qwen3 + MCP と Qwen-Agent の統合による、次世代 AI エージェント構築のパワーです。

結論

このブログ記事では、Qwen3とBright Data MCPを組み合わせたQwen-Agentライブラリを使用して、Pythonで強力なAIエージェントを構築する方法を学びました。

このように、機能豊富な MCP サーバーを Qwen-Agent と統合することで、AI エージェントがウェブからリアルタイムのデータを取得し、高度なタスクを自律的に実行できるようになります。これは、Bright Dataのツールがインテリジェントな自動AIワークフローをどのように強化できるかの一例に過ぎません。

AIインフラストラクチャのソリューションをご覧ください：

• 自律型AIエージェント：強力なAPIセットを使って、あらゆるウェブサイトをリアルタイムで検索、アクセス、対話。
• 業種別AIアプリ：信頼性の高いカスタムデータパイプラインを構築し、業種固有のソースからウェブデータを抽出します。
• 基礎モデル：ウェブスケールのデータセットにアクセスし、事前学習、評価、微調整を行うことができます。
• マルチモーダルAI：AIに最適化された世界最大の画像、動画、音声のリポジトリを利用できます。
• データプロバイダー：信頼できるプロバイダーと接続し、高品質でAIに対応したデータセットを大規模に調達。
• データパッケージ：キュレーションされた、すぐに使える、構造化された、エンリッチされた、注釈付きのデータセットを入手。

詳しくはAIハブをご覧ください。

ブライトデータのアカウントを作成し、AIエージェント開発のためのすべての製品とサービスをお試しください！