--- title: "AgnoでBright Dataを使ってWebスクレイピングを行う方法" slug: web-scraping-with-agno-and-bright-data date: 2025-07-14T13:36:57+00:00 modified: 2025-11-04T08:47:59+00:00 permalink: https://brightdata.jp/blog/ai/web-scraping-with-agno-and-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) # AgnoでBright Dataを使ってWebスクレイピングを行う方法 AgnoとBright Dataのビルトインツールを使って、あらゆるウェブサイトをスクレイピングするAIエージェントを素早く作成。簡単なPythonコードでウェブデータを自動化する方法をご覧ください。 1 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) ![Agno & Bright Data Web Scraping](https://media.brightdata.jp/2025/07/Agno-Bright-Data-Web-Scraping.png) このガイドで、あなたは学ぶだろう： - Agnoとは何か、なぜエージェント型ワークフローの構築に最適なのか。 - ウェブスクレイピングがAIエージェントにとって貴重な役割を果たす理由。 - Webスクレイピングエージェントを作成するために、Agnoと内蔵のBright Dataツールを統合する方法。 さあ、飛び込もう！ ## アグノとは？ [Agnoは](https://github.com/agno-agi/agno)、記憶、知識、高度な推論を活用したマルチエージェントシステムを構築するためのフルスタックのPythonフレームワークです。Agnoは、幅広いユースケースのための洗練されたAIエージェントの作成を可能にします。これらは、単純なツールを使用するエージェントから、状態と決定論を持つ協調的なエージェントチームに及びます。 Agnoはモデルにとらわれず、高いパフォーマンスを発揮し、推論を設計の中心に据えています。マルチモーダルな入力と出力、複雑なマルチエージェントオーケストレーション、ベクトルデータベースによるビルトインエージェント検索、完全なメモリ/セッションハンドリングをサポートします。 この記事を書いている時点で、Agnoは[AIエージェントを構築するための](/blog/ai/best-ai-agent-frameworks)最も人気のある[オープンソースライブラリの](/blog/ai/best-ai-agent-frameworks)1つで、GitHubで29k以上のスターを誇っている： ![アグノの星の歴史](https://media.brightdata.com/2025/07/image-24-1024x731.png)その急成長は、Agnoが開発者やAIコミュニティでいかに急速に支持を集めているかを浮き彫りにしている。 ## エージェント・ウェブ・スクレイピングが便利な理由 従来のウェブスクレイピングは、特定のウェブページからデータを抽出するために、厳密な[データ解析ルールを](/blog/ウェブデータ/what-is-data-parsing)書くことに依存していた。問題はサイトの構造が頻繁に変わるため、スクレイピングのロジックを常に更新しなければならない。これは、高いメンテナンスコストと脆弱なパイプラインにつながります。 だからこそ、[AIによるウェブスクレイピングが](/blog/ウェブデータ/ai-web-scraping)支持を集めているのだ。カスタムの解析スクリプトを作成する代わりに、AIモデルを使ってウェブページのHTMLから直接データを抽出することができる。このアプローチは非常に人気があるため、最近では多くの[AIスクレイピング・ツールが](/blog/ai/best-ai-scraping-tools)登場している。 それでも、AIによるウェブスクレイピングは、[エージェント型AIアーキテクチャに](/blog/ai/ai-agent-tech-stack)組み込むことで、さらに強力になる。特に、他のAIエージェントが接続できる専用のウェブスクレイピングエージェントを構築することができる。これは、マルチエージェントワークフローや[GoogleのA2AのようなAIプロトコルで](https://hackernoon.com/mcp-a2a-agp-acp-making-sense-of-the-new-ai-protocols)可能だ。 Agnoは、上記の全てを可能にします。スタンドアローンのAIスクレイピングエージェントや複雑なマルチエージェントエコシステムを構築することができます。しかし、通常のLLMは、ウェブスクレイピングに精通するようには設計されていません。強力なボット防御を持つサイトへの接続に失敗したり、もっと悪いことに、”幻覚 “を見て偽のデータを返したりすることがよくあります。 これらの制限に対処するため、[**Agnoは専用のスクレイピングツールを介してBright Dataとネイティブに統合して**](https://docs.brightdata.com/integrations/agno)います。これらのツールを使用することで、AIエージェントはあらゆるウェブサイトから新鮮で構造化されたデータをスクレイピングすることができます。 ブロックや中断を避けるため、Bright DataはTLSフィンガープリンティング、ブラウザやデバイスのフィンガープリンティング、CAPTCHA、Cloudflareプロテクションなどの課題を克服しています。データが取得されると、解釈と分析のためにLLMに供給されます。 Bright DataツールをAgnoエージェントに統合し、次のレベルのウェブスクレイピングを実現する方法をご紹介します！ ## WebスクレイピングのためのブライトデータツールをAgnoに統合する方法 このステップバイステップでは、WebスクレイピングAIエージェントを構築するためにAgnoを使用する方法を説明します。Bright Data ツールを統合することで、Agno エージェントにあらゆるウェブページからデータをスクレイピングする能力を与えることができます。 以下の手順に従って、AgnoにBright Dataを利用したスクレイピング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、以下のものを用意してください： - [Python 3.7以上をローカルにインストール](https://www.python.org/downloads/)（最新版の使用を推奨）。 - Bright Data APIキー。 - [サポートされているLLMプロバイダーの](https://docs.agno.com/models/introduction#supported-models)APIキー（ここでは、API経由で無料で使用できるGeminiを使用しますが、サポートされているLLMプロバイダーであれば何でもかまいません）。 Bright Data APIキーまたはGemini APIキーをまだお持ちでない方もご安心ください。次のステップで作成方法を説明します。 ### 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、WebスクレイピングにBright Dataを使用するAgno 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： ```none mkdir agno-web-scraper ``` `agno-web-scraper`フォルダには、Agno エージェントをスクレイピングするための Python コードが格納されます。 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](https://docs.python.org/3/library/venv.html)セットアップする： ```none cd agno-web-scraper python -m venv venv ``` 次に、お気に入りのPython IDEでプロジェクトをロードします。[Pythonエクステンション付きのVisual Studio Codeか](https://code.visualstudio.com/docs/languages/python)、[PyCharm Community Editionを](https://www.jetbrains.com/pycharm/download/)お勧めします。 プロジェクトフォルダ内に、`scraper.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： ```none agno-web-scraper/ ├── venv/ └── scraper.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では、以下を実行する： ```none source venv/bin/activate ``` Windowsでは、このコマンドを実行する： ```none venv/Scripts/activate ``` 次のステップでは、必要なPythonパッケージのインストールを案内します。今すぐすべてをインストールしたい場合は、起動した仮想環境で以下を実行してください： ```none pip install agno python-dotenv google-genai requests ``` **注**：このチュートリアルでは、LLMプロバイダーとしてGeminiを使用しているため、[`google-genaiを`](https://pypi.org/project/google-genai/)インストールしています。他のLLMを使用する場合は、そのプロバイダーに適したライブラリをインストールしてください。 これで準備完了です！これでAgnoとBright Dataを使ってスクレイピングエージェントワークフローを構築するためのPython開発環境が整いました。 ### ステップ2：環境変数の設定 読み方 Agnoのスクレイピングエージェントは、APIインテグレーションを通してBright DataやGeminiのようなサードパーティのサービスに接続します。物事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てください。 環境変数のロードを簡単にするために、[`python-dotenv`](https://pypi.org/project/python-dotenv/)ライブラリを採用します。仮想環境をアクティブにした状態で、python-dotenv ライブラリをインストールします： ```none pip install python-dotenv ``` 次に、`scraper.py`ファイルでライブラリをインポートし、`load_dotenv()`を呼び出して環境変数をロードします： ```none 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。プロジェクトディレクトリのルートに`.env`ファイルを作成してください： ```none agno-web-scraper/ ├── venv/ ├── .env # <----------- └── scraper.py ``` すばらしい！これで、環境変数を使って統合の秘密を安全に扱うための準備が整った。 ### ステップ3：ブライト・データの設定 Agnoに統合されたBright Dataツールは、いくつかの[データ収集ソリューションへの](/products)アクセスを提供します。このチュートリアルでは、これら2つのスクレイピングに特化した製品の統合に焦点を当てます： - [**Web Unlocker API**](/products/web-unlocker)：ボット保護を克服する高度なスクレイピングAPIで、Markdown形式のあらゆるウェブページへのアクセスを提供します。 - [**ウェブスクレーパーAPI**](/products/web-scraper)：LinkedIn、Amazonなど、人気のあるウェブ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特別なエンドポイントです。 これらのツールを使うには 1. Bright DataアカウントでWeb Unlockerソリューションを設定します。 2. Web Unlocker および Web Scraper API へのリクエストを認証するための Bright Data API トークンを取得します。 以下の手順に従ってください！ まず、Bright Dataアカウントをまだお持ちでない場合は、[無料でサインアップして](/?hs_signup=1)ください。すでにお持ちの場合は、ログインしてダッシュボードを開きます。ここで、”Get proxy products “ボタンをクリックします： ![ブライトデータのアカウントで「プロキシ製品を取得する」ボタンをクリックする](https://media.brightdata.com/2025/07/image-25-1024x542.png)プロキシとスクレイピング・インフラストラクチャ」ページにリダイレクトされます： ![すでに有効になっているWeb Unlocker APIゾーンに注意してください。](https://media.brightdata.com/2025/07/image-26-1024x549.png)このページでは、すでに設定されたBright Dataソリューションを見ることができます。この例では、Web Unlokerゾーンが有効化されています。ゾーンの名前は「unblocker」です（後でスクリプトに統合する際に必要になります）。 Web Unlockerゾーンがまだない場合は、「Web Unlocker API」カードまでスクロールダウンし、「Create zone」をクリックします： ![Web Unlocker API "カードの "Create zone "をクリックする。](https://media.brightdata.com/2025/07/image-27-1024x514.png)ゾーンに名前（”unlocker “など）をつけ、最高のパフォーマンスを発揮するために高度な機能を有効にし、”Add “ボタンを押す： ![新しい Web Unlocker API ゾーンの設定](https://media.brightdata.com/2025/07/image-28-1024x544.png)新しいゾーンのページが表示されます。トグルが “Active “になっていることを確認してください： ![unlocker "ウェブアンロッカーAPIゾーンページ](https://media.brightdata.com/2025/07/image-29-1024x546.png)[Bright Dataの公式ドキュメントに従ってAPIキーを生成して](https://docs.brightdata.com/api-reference/authentication#api-key)ください。APIキーを取得したら、`.env`ファイルに以下のように追加します： ```none BRIGHT_DATA_API_KEY="" ``` プレースホルダを ``プレースホルダを実際のAPIキー値に置き換える。 完璧です！Agno エージェントスクリプトに Bright Data ツールを統合して、エージェントのウェブスクレイピングを行う時が来ました。 ### ステップ #4: Agno Bright データツールのウェブスクレイピングへの統合 プロジェクトフォルダで、仮想環境をアクティブにした状態で、Agnoをインストールしてください： ```none pip install agno ``` [`agno`](https://pypi.org/project/agno/)パッケージには、Bright Dataツールのビルトインサポートが含まれています。そのため、特別な統合パッケージは必要ありません。 追加で必要なパッケージは[Python Requests ライブラリのみ](/blog/ウェブデータ/python-requests-guide)で、Bright Data ツールが先に設定した製品を API 経由で呼び出すのに使用します。`Requests`をインストールします： ```none pip install requests ``` `scraper.py`ファイルに`agnoの`Bright Dataスクレイピングツールをインポートします： ```none from agno.tools.brightdata import BrightDataTools ``` そして、次のようにツールを初期化する： ```none bright_data_tools = BrightDataTools( web_unlocker_zone="unlocker", # Replace with your Web Unlocker API zone name search_engine=False, ) ``` `unlocker"`は、Bright Data Web Unlocker ゾーンの実際の名前に置き換えてください。 また、この例では[SERP API ツールを](/products/serp-api)使用していないため、`search_engine`が`False に`設定されていることに注意してください。 **ヒント**：ゾーン名をハードコーディングする代わりに、`.env`ファイルから読み込むことができます。そのためには、次の行を`.env`ファイルに追加してください： ```none BRIGHT_DATA_WEB_UNLOCKER_ZONE="" ``` プレースホルダを実際の Web Unlocker ゾーン名に置き換えます。次に、`BrightDataTools` から`web_unlocker_zone`引数を削除します。このクラスは、あなたの環境からゾーン名を自動的にピックアップします。 **注意**: Bright Dataに接続するために、`BrightDataToolsは`環境変数`BRIGHT_DATA_API_KEYで`APIキーを探します。これが、前のステップで`.env`ファイルに追加した理由です。 すごい！Geminiを統合して、Agnoウェブスクレイピングエージェントワークフローをパワーアップさせましょう。 ### ステップ#5: ジェミニからLLMモデルを設定する このチュートリアルで選んだLLMプロバイダーであるGeminiに接続する時間だ。`google-genai`パッケージをインストールすることから始めましょう： ```none pip install google-genai ``` 次に、AgnoからGemini統合クラスをインポートする： ```none from agno.models.google import Gemini ``` LLMモデルを次のように初期化する： ```none llm_model = Gemini(id="gemini-2.5-flash") ``` 上記のスニペットでは、[`gemini-2.5-flashは`](https://cloud.google.com/vertex-ai/generative-ai/docs/models/gemini/2-5-flash)エージェントに利用させたいGeminiモデルの名前です。他のサポートされているGeminiモデルで置き換えてもかまいません（API経由で自由に使えないものもあることを覚えておいてください）。 `google-genai`ライブラリは、あなたのGemini APIキーが`GOOGLE_API_KEYという`環境変数に格納されていることを期待します。これを設定するには、`.env`ファイルに以下の行を追加します： ```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。まだお持ちでない場合は、[公式ガイドに従ってGemini APIキーを生成して](https://ai.google.dev/gemini-api/docs/api-key)ください。 **注**：別のLLMプロバイダーに接続したい場合は、[公式ドキュメントでセットアップ手順を確認して](https://docs.agno.com/models/introduction#supported-models)ください。 素晴らしい！これでAgnoスクレイピングエージェントを構築するのに必要なコアコンポーネントは全て揃いました。 ### ステップ6：スクレイピング・エージェントの定義 `scraper.py`ファイルで、Agnoスクレイピングエージェントを次のように設定します： ```none agent = Agent( tools=[bright_data_tools], model=llm_model, ) ``` これは、設定された LLM を使用してプロンプトを処理し、Bright Data ツールを使用してウェブスクレイピングを行う Agno Agent オブジェクトを作成します。 このインポートをファイルの先頭に追加することを忘れないでください： ```none from agno.agent import Agent ``` 素晴らしい！あとはエージェントにクエリーを送り、スクレイピングされたデータをエクスポートするだけだ。 ### ステップ #7: Agnoスクレイピングエージェントに問い合わせる CLIからプロンプトを読み、実行するためにAgnoスクレイピングエージェントに渡します： ```none # Read the agent request from the CLI request = input("Request -> ") # Run a task in the AI agent response = agent.run(request) ``` 最初の行は、Pythonの組み込みの[`input()`](https://docs.python.org/3/library/functions.html#input)関数を使用して、ユーザーが入力したプロンプトを読み取ります。プロンプトには、エージェントに処理させたいスクレイピングタスクや質問を記述します。2行目は、プロンプトを処理してタスクを実行するためにエージェント上で\[`run()を`呼び出します\](https://docs.agno.com/agents/run#running-your-agent)。 レスポンスをターミナルにきれいに表示するには、次のようにする： ```none pprint_run_response(response) ``` このヘルパー関数をAgnoからインポートする： ```none from agno.utils.pprint import pprint_run_response ``` `pprint_run_responseは`AIエージェントの応答をプリントする。しかし、おそらくBright Dataツールによって返された生のスクレイピングデータを抽出して保存したいでしょう。次のステップでそれを処理しよう！ ### ステップ#8：スクレイピングしたデータをエクスポートする スクレイピングタスクを実行する際、Agno ウェブスクレイピングエージェントは、設定された Bright Data ツールを裏で呼び出します。スクリプトがこれらのツールによって返された生データもエクスポートするようにすることで、ワークフローに多くの価値が加わります。なぜなら、そのデータを他のシナリオ（例えば、データ分析）や[追加のエージェントのユースケースに](/ai/web-access)再利用することができるからです。 現在、スクレイピングエージェントは`BrightDataToolsの`これら2つのツールメソッドにアクセスできます： - `scrape_as_markdown()`：任意のウェブページをスクレイピングし、その内容をMarkdown形式で返します。 - `web_data_feed()：`LinkedIn、Amazon、Instagramなどの人気サイトから構造化されたJSONデータを取得する。 したがって、タスクに応じて、スクレイピングされたデータ出力は、MarkdownまたはJSON形式のいずれかになります。両方のケースを扱うには、`response.tools[0].resultで`ツールの結果から生の出力を読むことができる。その後、JSONとしてパースを試みる。それが失敗した場合は、スクレイピングされたデータをMarkdownとして扱います。 上記のロジックを以下のコードで実装する： ```none if (len(response.tools) > 0): # Access the scraped data from the Bright Data tool scraping_data = response.tools[0].result try: # Check if the scraped data is in JSON format parsed_json = json.loads(scraping_data) output_extension = "json" except json.JSONDecodeError: output_extension = "md" # Write the scraped data to an output file with open(f"output.{output_extension}", "w", encoding="utf-8") as file: file.write(scraping_data) ``` Python Standard Libraryから[`jsonを`](https://docs.python.org/3/library/json.html)インポートすることを忘れないでください： ```none import json ``` 素晴らしい！これでAgnoウェブスクレイピングエージェントのワークフローは完了です。 ### ステップ9：すべてをまとめる これが`scraper.py`ファイルの最終コードです： ```none from dotenv import load_dotenv from agno.tools.brightdata import BrightDataTools from agno.models.google import Gemini from agno.agent import Agent from agno.utils.pprint import pprint_run_response import json # Load the environment variables from the .env file load_dotenv() # Configure the Bright Data tools for Agno integration bright_data_tools = BrightDataTools( web_unlocker_zone="web_unlocker", # Replace with your Web Unlocker API zone name search_engine=False, # As the SERP API tool is not required in this use case ) # The LLM that will be used by the AI scraping agent llm_model = Gemini(id="gemini-2.5-flash") # Define your Agno agent with Bright Data tools agent = Agent( tools=[bright_data_tools], model=llm_model, ) # Read the agent request from the CLI request = input("Request -> ") # Run a task in the AI agent response = agent.run(request) # Print the agent response in the terminal pprint_run_response(response) # Export the scraped data if (len(response.tools) > 0): # Access the scraped data from the Bright Data tool scraping_data = response.tools[0].result try: # Check if the scraped data is in JSON format parsed_json = json.loads(scraping_data) output_extension = "json" except json.JSONDecodeError: output_extension = "md" # Write the scraped data to an output file with open(f"output.{output_extension}", "w", encoding="utf-8") as file: file.write(scraping_data) ``` 50行以下のコードで、あらゆるウェブページからデータを引き出せるAI主導のスクレイピングワークフローを構築しました。これが、Bright DataとAgnoを組み合わせたエージェント開発の力です！ ### ステップ #10: Agnoスクレイピングエージェントの実行 ターミナルで、Agnoウェブスクレイピングエージェントを起動してください： ```none python scraper.py ``` リクエストを入力するプロンプトが表示されます。次のように入力してください： ```none Give me a short summary from "https://www.reuters.com/sports/formula1/hulkenberg-rids-himself-unwanted-record-239th-attempt-2025-07-06/" ``` このような出力が表示されるはずだ： ![与えられたプロンプトに対するAgnoスクレイピングエージェントの出力](https://media.brightdata.com/2025/07/image-30-1024x223.png)この出力には以下が含まれる： 1. 提出したオリジナルのプロンプト。 2. どのBright Dataツールがスクレイピングに使用されたかを示すログ。この場合、`scrape_as_markdown() が`起動されたことが確認できます。 3. Geminiによって生成されたMarkdown形式の要約。青い四角形で強調されている。 プロジェクトのルート・フォルダー内を見ると、`output.mdという`新しいファイルがあります。このファイルをMarkdownビューアで開くと、スクレイピングされたページのコンテンツのMarkdownバージョンが得られます： ![output.mdファイルにあるターゲットページのMarkdownバージョン](https://media.brightdata.com/2025/07/s_B4A49A122B43032FF317233A5B9986A7AC935045EB44435867DA1FC7DA6575D6_1751897334106_image-1-1024x788.png)お分かりのように、Bright DataのMarkdown出力は、元のウェブページの内容を正確にとらえている： ![ロイターの目標ページ](https://media.brightdata.com/2025/07/s_B4A49A122B43032FF317233A5B9986A7AC935045EB44435867DA1FC7DA6575D6_1751903180268_image-1-1024x620.png)次に、異なる、より具体的なリクエストでスクレイピング・エージェントを再度起動してみる： ```none Summarize the main features of the product on this Amazon page: "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H/" ``` 今回の出力は次のようになる： ![](https://media.brightdata.com/2025/07/image-31-1024x249.png)Geminiを搭載したAgnoエージェントが自動的に`web_data_feed`ツールを選択したことに注目してください。`web_data_feed`ツールは、Amazon商品ページの構造化スクレイピング用に正しく設定されています。 その結果、プロジェクトフォルダに`output.json`ファイルができます。このファイルを開き、その内容を任意のJSONビューアーに貼り付けてください： ![](https://media.brightdata.com/2025/07/image-32-1024x537.png)ブライト・データ・ツールが、このアマゾンのページから構造化されたJSONデータをいかにきれいに抽出したかを見てほしい： ![](https://media.brightdata.com/2025/07/image-33-1024x534.png)これらの例は、エージェントが事実上どのようなウェブページからでもデータを取得できることを示しています。これは、Amazonのような複雑なサイトであっても同様です。[Amazonの](/blog/ウェブデータ/bypass-amazon-captcha)ような複雑なサイトは、スクレイピング対策が厳しいことで有名です（[悪名高いAmazon CAPTCHAの](/blog/ウェブデータ/bypass-amazon-captcha)ような）。 出来上がりです！BrightデータツールとAgnoを利用したAIエージェントで、シームレスなウェブスクレイピングを体験できます。 ### 次のステップ Agnoで構築したウェブスクレイピングエージェントは、ほんの始まりに過ぎません。ここから、あなたのプロジェクトを拡張し、強化するいくつかの方法を探ることができます： - [**メモリレイヤーを組み込む**](https://docs.agno.com/introduction/agents#level-2%3A-agents-with-knowledge-and-storage)：Agno のネイティブベクターデータベースを使用して、Bright Dataを通じてエージェントが収集したデータを保存します。これにより、エージェントに長期的な記憶を与え、[エージェントRAGの](https://hackernoon.com/agentic-ai-and-agentic-rag-hyped-buzzwords-or-game-changers)ような高度なユースケースへの道を開きます。 - [**ユーザーフレンドリーなインターフェースの作成**](https://docs.agno.com/applications/ag-ui/introduction)ユーザが自然な会話形式でエージェントとチャットできるように、シンプルなウェブまたはデスクトップUIを構築します（ChatGPTやGeminiとの対話に似ています）。これにより、あなたのスクレイピングツールは、はるかにアクセスしやすくなります。 - **より豊かな統合を探る**：Agno は、エージェントのスキルをスクレイピング以上に拡張できる様々なツールや機能を提供しています。より多くのデータソースを接続したり、異なる LLM を使用したり、マルチステップエージェントのワークフローをオーケストレーションする方法については、[Agno のドキュメントを](https://agno.ai)ご覧ください。 ## 結論 この記事では、WebスクレイピングのためのAIエージェントを構築するためにAgnoを使用する方法を学びました。これは、Agnoに組み込まれたBright Dataツールとの統合によって可能になりました。これらのツールは、選ばれたLLMにあらゆるウェブサイトからデータを抽出する力を与えます。 これは簡単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開発したい場合は、ライブのウェブデータを取得、検証、変換するソリューションが必要になります。これこそが、[Bright Data AIインフラストラクチャに](/ai)あるものです。 無料のBright Dataアカウントを作成し、AI対応スクレイピング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=Agno%E3%81%A7Bright+Data%E3%82%92%E4%BD%BF%E3%81%A3%E3%81%A6Web%E3%82%B9%E3%82%AF%E3%83%AC%E3%82%A4%E3%83%94%E3%83%B3%E3%82%B0%E3%82%92%E8%A1%8C%E3%81%86%E6%96%B9%E6%B3%95&u=https://brightdata.jp/blog/ai/web-scraping-with-agno-and-bright-data) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Agno%E3%81%A7Bright+Data%E3%82%92%E4%BD%BF%E3%81%A3%E3%81%A6Web%E3%82%B9%E3%82%AF%E3%83%AC%E3%82%A4%E3%83%94%E3%83%B3%E3%82%B0%E3%82%92%E8%A1%8C%E3%81%86%E6%96%B9%E6%B3%95&url=https://brightdata.jp/blog/ai/web-scraping-with-agno-and-bright-data) [ ](http://www.reddit.com/submit?title=Agno%E3%81%A7Bright+Data%E3%82%92%E4%BD%BF%E3%81%A3%E3%81%A6Web%E3%82%B9%E3%82%AF%E3%83%AC%E3%82%A4%E3%83%94%E3%83%B3%E3%82%B0%E3%82%92%E8%A1%8C%E3%81%86%E6%96%B9%E6%B3%95&url=https://brightdata.jp/blog/ai/web-scraping-with-agno-and-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)