Bright Data API를 Agent.ai에 통합하는 방법 (코딩 불필요)

이 가이드에서는 다음을 배우게 됩니다:

Agent.ai가 무엇이며, 다른 AI 에이전트 구축 플랫폼과 비교해 어떤 점이 독특한지.
– 타사 서비스를 통해 AI 에이전트 기능을 확장하는 것이 중요한 이유와 Bright Data가 이를 지원하는 방법
코드를 한 줄도 작성하지 않고 Bright Data API를 통해 Agent.ai 워크플로우에 웹 데이터 수집 기능을 추가하는 방법.

자, 시작해 보겠습니다!

Agent.ai란 무엇인가요?

Agent.ai는 사람들이 AI 에이전트를 발견하고 구축하며 활용하여 업무를 수행하고 비즈니스 목표를 달성할 수 있는 전문 네트워크이자 마켓플레이스입니다.

핵심은 프로그래밍 지식 없이도 AI 에이전트를 생성할 수 있는 로우코드/노코드 플랫폼이라는 점입니다. 간단히 말해 Agent.ai는 AI 에이전트 빌더 플랫폼이자 마켓플레이스입니다.

사용자 친화적인 인터페이스 덕분에 다음과 같은 작업을 수행할 수 있습니다:

특정 요구사항에 맞춰 맞춤형 AI 에이전트 생성
프로세스 자동화를 위한 다단계 워크플로우 구성
에이전트가 다른 시스템과 상호작용할 수 있도록 통합을 정의합니다.
보다 스마트한 에이전트 행동을 위한 의사 결정 규칙 설정
비즈니스 목표 달성을 지원하는 에이전트 배포.

LangChain, LlamaIndex 또는 Crew.ai와 같은 코딩 중심 도구와 달리 Agent.ai는 AI 에이전트 구축에 프로그래밍 전문 지식이 필요하지 않습니다.

Agent.ai에서 가능한 작업

플랫폼에서 가능한 작업은 다음과 같습니다:

AI 에이전트 발견: 다른 사용자가 구축한 기성 에이전트를 검색하고 찾아보세요.
맞춤형 에이전트 생성: 목표에 특화된 AI 에이전트를 구축하세요.
워크플로 구성: 자동화를 위한 다단계 워크플로를 설계하세요.
시스템 연결: API 및 도구를 활용하여 에이전트를 Slack, Gmail, Google 스프레드시트 같은 플랫폼과 연동하세요.
AI 에이전트 활용: 미리 구축된 에이전트를 도입하여 즉시 업무 수행 가능.

작동 방식

Agent.ai는 에이전트를 구동하는 여러 핵심 기능을 제공합니다:

입력 및 출력: 사용자가 입력(예: 작업 또는 질문)을 제공하면 에이전트가 필요한 출력(이메일 초안 작성 또는 데이터 분석 등)을 생성합니다.
추론: 에이전트는 맥락과 논리를 활용하여 정보에 기반한 결정을 내리고 다음 단계를 계획합니다.
도구 및 API: 에이전트는 외부 서비스와 도구를 호출하여 기능을 확장할 수 있습니다.
기억: 에이전트는 더 정교한 추론과 계획을 위해 컨텍스트와 과거 상호작용을 기억합니다.

Agent.ai에서 Bright Data를 에이전트에 연결하는 이유와 방법

LLM은 다양한 작업을 단독으로 처리할 수 있지만, 오직 LLM만으로 구축된 에이전트는 한계가 있습니다. 특히 에이전트는 외부 기능과 결합될 때 비로소 진정한 효과를 발휘합니다. 예를 들어 실시간 웹 데이터 접근, 모든 웹페이지에서 콘텐츠 스크래핑, 전체 사이트 크롤링을 통한 URL 매핑, 인간 사용자와 동일한 방식으로 웹페이지와 상호작용하는 능력 등이 필요합니다.

바로 이러한 기능들을 Bright Data가 제공합니다. Bright Data의 AI 지원 서비스 툴킷은 에이전트와 손쉽게 통합되며, 다음을 포함합니다:

언락커 API: 차단 우회 및 CAPTCHA 자동 해결을 통해 공개 URL의 콘텐츠를 안정적으로 가져옵니다.
크롤 API: 더 나은 추론과 결론을 위해 LLM 친화적 형식으로 전체 웹사이트의 데이터를 추출합니다.
SERP API: 실시간 지역 타겟팅 검색 엔진 결과를 수집하여 가장 관련성 높은 데이터 소스를 발견합니다.
Browser API: 에이전트가 동적 웹사이트와 상호작용하고 원격 스텔스 브라우저를 사용하여 대규모 자동화 워크플로를 실행할 수 있도록 지원합니다.

이 모든 제품은 API를 통해 접근 가능하므로 Agent.ai의 노코드 워크플로우(또는 Dify와 같은 유사 플랫폼) 에서 에이전트에 직접 연결할 수 있습니다.

Agent.ai에서 Bright Data 통합을 활용한 AI 에이전트 구축

이 섹션에서는 API를 통해 Bright Data의 웹 데이터 검색 기능을 Agent.ai 에이전트에 통합하는 방법을 배웁니다. 구체적으로, 다음과 같은 샘플 뉴스 요약 에이전트를 구축합니다:

뉴스 기사 URL을 입력으로 받습니다.
Web Unlocker API를 사용하여 콘텐츠를 스크래핑하고 마크다운 형식으로 출력합니다.
요약하기 위해 마크다운을 LLM(대규모 언어 모델)에 전달합니다.
요약본을 사용자에게 제시합니다.

참고: 이는 단순한 예시입니다. Bright Data 서비스를 활용하여 다양한 통합 및 시나리오를 구현할 수 있습니다.

이제 아래 단계를 따라 노코드 워크플로에서 이 에이전트를 구축하는 방법을 알아보세요. 또는 원하신다면 에이전트 페이지를 확인하여 최종 출력을 직접 살펴보실 수도 있습니다.

필수 사항

이 튜토리얼을 따라하려면 다음이 필요합니다:

Agent.ai 계정.
API 키와 웹 언락커(Web Unlocker) 구역이 준비된 Bright Data 계정.

아직 Bright Data 계정을 설정하지 않으셨더라도 걱정하지 마십시오. 아래 단계에서 해당 과정을 안내해 드리겠습니다.

1단계: 새 에이전트 생성

Agent.ai 계정을 생성하거나 로그인하세요.

로그인 후 오른쪽 상단의 “에이전트 빌더” 링크를 클릭하세요. “에이전트 빌더” 기능을 활성화하면 계정의 “내 에이전트” 섹션으로 이동합니다. 여기서 “에이전트 생성” 버튼을 클릭하여 새 에이전트 제작을 시작하세요:

“새 에이전트 생성” 옵션을 선택하고 “다음”을 눌러 완전히 새로운 에이전트를 초기화하세요:

에이전트에 이름을 지정하세요(예: “뉴스 요약기”), “저장”을 누르세요:

이제 Agent.ai의 에이전트 빌더 화면에 접근할 수 있습니다:

훌륭합니다! 새 빈 AI 에이전트 생성에 성공했습니다.

이제 에이전트의 동작 논리를 정의할 차례입니다!

2단계: 뉴스 페이지 URL을 수집하기 위한 사용자 입력 로직 정의

먼저 에이전트가 요약할 뉴스 페이지의 URL을 입력으로 받아야 합니다. 이를 위해 에이전트에 입력 액션을 추가하세요.

“액션 라이브러리 열기” 버튼을 클릭하고 “입력 및 데이터 검색” 드롭다운 메뉴에서 “사용자 입력 받기” 액션을 선택하세요:

“사용자 입력 받기” 액션을 다음과 같이 구성하세요:

유형: URL
프롬프트 사용: “뉴스 페이지 URL을 입력하세요”
필수: ✓
출력 변수 이름: news_page_url

이 설정은 URL만 허용하는 사용자 입력을 정의하고, 필수 항목으로 지정하며, 입력값을 news_page_url 변수에 저장합니다. 이 변수는 에이전트가 사용할 수 있습니다.

완료 후 “추가”를 누르세요:

이제 다음과 같이 표시됩니다:

“작업” 섹션의 “사용자 입력 받기” 액션과 에이전트 빌더 뷰의 “미리 보기” 섹션에 “뉴스 페이지 URL 입력” 입력 옵션이 표시되는 것을 확인하세요. 잘하셨습니다!

3단계: 문제 발생 방지 위해 에이전트 완성하기

“뉴스 페이지 URL 입력” 입력란을 상호작용하려고 하면 비활성화된 상태임을 알 수 있습니다. 이는 Agent.ai 에이전트에 출력 액션이 정의되지 않았을 때 발생하는 일반적인 현상입니다.

에이전트를 테스트 가능하게 하려면 간단한 출력을 추가하세요. “액션 추가” 버튼을 클릭하고 “출력” 드롭다운에서 “사용자 옵션 표시“를 선택하세요:

예를 들어 항상 “test” 문자열을 반환하는 등의 임시 로직으로 구성하세요:

Configure the action with fixed output logic

다음으로 “미리 보기” 섹션의 “다시 시작” 버튼을 클릭하여 에이전트 미리 보기를 재로드하세요:

이제 “뉴스 페이지 URL 입력” 입력이 사용 가능해지고 에이전트를 테스트할 수 있습니다:

완벽합니다! “사용자 옵션 표시” 액션의 자리 표시자 출력 로직은 튜토리얼 후반부에 업데이트할 예정이니 걱정하지 마세요.

4단계: Bright Data 계정 설정

다음 단계는 뉴스 URL을 Bright Data Web Unlocker API에 전달하여 마크다운 형식의 콘텐츠를 가져오는 것입니다. 그 전에 필요한 요청을 수행할 수 있도록 Bright Data 계정을 설정해 보겠습니다.

참고: API를 통해 제공되는 다른 Bright Data 웹 데이터 검색 제품을 사용하려는 경우, 아래와 유사한 접근 방식을 따르세요. 일부 액션을 상황에 맞게 조정하기만 하면 됩니다. 자세한 안내는 항상 공식 문서를 참조하세요.

Agent.ai 에이전트에서 Web Unlocker API를 호출하려면 다음을 수행해야 합니다:

Bright Data 대시보드에서Web Unlocker 솔루션을 활성화하세요.
Bright Data API 토큰을 가져옵니다. 이 토큰은 Web Unlocker(Web Scraper API 및 기타 모든 API 사용 가능 서비스 포함)에 대한 접근 권한을 부여합니다.

설정을 완료하려면 아래 단계를 따르세요!

먼저, Bright Data 계정이 없다면 새로 생성하세요. 계정이 있다면 로그인하여 대시보드로 이동합니다. 왼쪽 메뉴의 “프록시 및 스크래핑” 버튼을 클릭하여 “프록시 및 스크래핑 인프라” 페이지로 이동합니다:

The “Proxies and Scraping Infrastructure” page

위와 같이 활성화된 웹 언락커 API 영역이 이미 표시된다면, 마이크로 단계 1을 진행할 준비가 된 것입니다. 영역 이름(예: unlocker)은 에이전트 구성 시 나중에 필요하므로 중요합니다.

아직 영역이 없다면, 아래로 스크롤하여 “웹 언락커 API” 섹션에서 “영역 생성”을 클릭하세요:

Clicking the “Create zone” on the “Web Unlocker API” card

새 영역에 unlocker와 같은 이름을 지정하고, 성능 향상을 위해 고급 기능을 활성화한 후 “추가”를 클릭하세요:

Configuring your new Web Unlocker API zone

존이 생성되면 해당 존의 구성 페이지로 자동 이동됩니다:

The “unlocker” Web Unlocker API zone page

활성화 토글이 “활성”으로 설정되어 있는지 확인하세요. 이는 존이 올바르게 구성되어 사용 준비가 되었음을 확인하는 것입니다.

마이크로 단계 2에서는 공식 Bright Data 가이드를 따라 API 키를 생성하세요. 생성된 키는 곧 필요하므로 안전한 곳에 보관하세요.

훌륭합니다! 이제 Agent.ai 에이전트에서 Bright Data 웹 언락커 존을 사용할 수 있습니다.

단계 #5: Agent.ai에 Bright Data 자격 증명 저장하기

웹 언락커 API를 호출하려면 요청에 존 이름과 Bright Data API 키를 지정해야 합니다. 참고로 공식 Bright Data 문서에서 API 요청 방식이 어떻게 작동하는지 확인하세요.

이러한 민감한 자격 증명을 에이전트에 직접 저장하지 않으려면 프로필의 비밀 정보(secrets) 에 추가하세요. Agent.ai의 비밀 정보 기능은 API 키나 토큰 같은 민감한 데이터를 안전하게 저장하고 워크플로에 값을 하드코딩하지 않고도 에이전트에서 사용할 수 있게 해줍니다.

시크릿을 정의하려면 Agent.ai 홈페이지로 이동하여 프로필 사진을 클릭한 후 “시크릿” 옵션을 선택하세요.

“시크릿” 페이지에서 “시크릿 추가” 버튼을 클릭하여 새 시크릿을 생성하세요:

Bright Data API 키를 위한 시크릿을 추가하세요. 예시:

이름: bright_data_api_key
값: 이전 단계에서 확인한 Bright Data API 키를 붙여넣으세요.

마찬가지로 웹 언락커(Web Unlocker) 영역 이름을 위한 또 다른 비밀을 추가하세요. 예시:

이름: web_unlocker_zone_name
값: 웹 언락커 영역 이름 (예: unlocker)

이제 두 시크릿이 다음과 같이 표시됩니다:

Note the two secrets required to connect to Web Unlocker API

훌륭합니다! 이제 Agent.ai에서 구축하는 모든 에이전트에서 Bright Data 통합에 이 시크릿을 사용할 수 있습니다.

6단계: Bright Data 웹 언락커 API 호출

에이전트에서 웹 언락커 API를 호출하기 전에 요청 형식을 숙지하세요. 아래는 cURL을 사용하여 대상 사이트의 출력을 마크다운 형식으로 가져오는 호출 방법입니다:

curl -X POST "https://api.brightdata.com/request" 
-H "Authorization: Bearer <YOUR_BRIGHT_DATA_API_KEY>" 
-H "Content-Type: application/json" 
-d '{
  "zone": "<WEB_UNLOCKER_ZONE_NAME>",
  "url": "<YOUR_TARGET_URL>",
  "format": "raw",
  "data_format": "markdown"
}'

위의 cURL 명령어는:

https://api.brightdata.com/request로POST 요청을 수행합니다.
요청 인증을 위해 Authorization 헤더에 Bright Data API 키를 사용하십시오.
요청 본문에 웹 언락커 영역을 지정하세요.
출력을 마크다운 형식으로 받으려면 "data_format": "markdown"을 설정하세요.

이 요청은 백그라운드에서 웹 언락커 서비스에 접속합니다. 이 서비스는 봇 방지 기능을 우회하고 대상 페이지의 콘텐츠를 스크래핑한 후 AI 호환 마크다운으로 변환하여 문자열로 반환합니다( "format": "raw" 옵션 덕분입니다).

다음 예제 호출에서 이를 확인할 수 있습니다:

Note the direct output in Markdown format from the API

에이전트에서 Web Unlocker API 요청을 프로그래밍 방식으로 수행하려면 “작업 추가”를 클릭하고 “워크플로 및 로직” 드롭다운에서“웹 API 호출”을선택하세요:

아래와 같이 액션을 설정하세요:

URL: https://api.brightdata.com/request
메서드: POST
형식: JSON
헤더: { "Authorization": "Bearer {{secrets.bright_data_api_key}}", "Content-Type": "application/json" }
본문: { "zone": "{{secrets.web_unlocker_zone_name}}", "url": "{{news_page_url}}", "format": "raw", "data_format": "markdown"}
출력 변수 이름: api_response

참고: 이전에 정의한 시크릿은 다음 구문을 사용하여 접근할 수 있습니다:

{{secrets.YOUR_SECRET_NAME}}

결과적으로 생성된 “웹 API 호출” 액션은 다음과 같습니다:

The configured “Invoke Web API” action for Web Unlocker API integration

“추가”를 눌러 에이전트에 액션을 추가하세요. 그런 다음 “웹 API 호출” 액션이 “사용자 출력 표시” 액션 앞에 오도록 액션 순서를 재정렬하세요:

좋아요! 이제 에이전트가 API를 통해 Bright Data의 웹 스크래핑 기능에 연결하여 뉴스 페이지 콘텐츠를 마크다운 형식으로 가져올 수 있습니다.

7단계: LLM 요약 단계 추가

이제 마크다운 형식의 뉴스 기사를 확보했으니, LLM에 전달하여 요약하도록 합니다. 이를 위해 “콘텐츠 생성” 액션을 구성하세요:

Gemini 2.5 Flash와 같은 LLM을 선택하고 다음과 같은 프롬프트를 작성하세요:

다음 뉴스 기사를 요약하고 마크다운 형식으로 요약본을 반환하세요.

뉴스 콘텐츠:
"{{api_response}}"

여기서 {{api_response}}는 뉴스 기사의 마크다운 콘텐츠를 포함하며, {{VARIABLE_NAME}} Agent.ai 구문 덕분에 프롬프트에 자동으로 삽입됩니다. 또한 요약본을 나중에 접근할 수 있도록 “출력 변수 이름”을 output 등으로 정의하세요.

“콘텐츠 생성” 액션은 다음과 같아야 합니다:

The configured “Generate Content” action

“추가”를 눌러 새 액션을 추가하세요. 다음으로 액션 순서를 “웹 API 호출” 뒤, “사용자 출력 표시” 앞이 되도록 재배열하세요:

The agent with the new “Generate Content” action

자, 이제 AI 뉴스 요약 에이전트 설정이 거의 완료되었습니다.

8단계: 출력 작업 수정

에이전트가 실제 요약문을 생성하게 되었으니 이제 사용자에게 표시할 차례입니다. “사용자 출력 표시” 액션의 액션 카드에서 편집 버튼을 클릭하여 수정하세요:

“출력 형식 지정” 필드를 “콘텐츠 생성” 작업에서 생성된 요약이 포함된 변수를 사용하도록 구성하세요:

{{summary}}

Properly configuring the “Show User Output” action

미션 완료! 이제 AI 뉴스 요약 에이전트가 준비되었습니다.

단계 #9: 에이전트 테스트

최종 뉴스 요약 에이전트의 모습은 다음과 같습니다:

The News Summarization agent in Agent.ai’s Agent Builder

중요: 뉴스 요약 에이전트 페이지에서 이 에이전트를 시험해 볼 수 있습니다. “에이전트 흐름 보기” 버튼을 클릭하여 동작을 살펴보고 맞춤 설정하세요.

“실행 > 초안 버전 실행” 옵션을 선택하여 테스트하세요:

Selecting the “Run > Rung draft version” option

뉴스 기사 URL(예: ESPN 기사)을 붙여넣고 “실행”을 누르세요:

에이전트는 내부적으로 네 가지 작업을 실행합니다. Bright Data를 통해 기사의 내용을 마크다운 형식으로 스크래핑한 후 Gemini를 사용하여 요약합니다. 출력 결과는 다음과 유사하게 표시됩니다:

케빈 펠턴의 ESPN 기사는 2026-27 시즌을 앞두고 있는 NBA 30개 팀 모두의 가장 큰 로스터 취약점을 지적합니다. NBA 오프시즌이 끝나고 훈련 캠프가 다가오는 시점에 발표된 이 분석은 다양한 결함을 부각합니다. 이러한 문제점은 벤치 플레이메이킹(애틀랜타 호크스)이나 효율적인 슛 창출(토론토 랩터스) 같은 특정 기술 부족부터, 선발 센터(샬럿 호네츠)나 파워 포워드(필라델피아 76ers) 같은 포지션별 약점까지 다양합니다. 다른 팀들은 외곽 선수층 부족(클리블랜드 캐벌리어스), 수비 교란 능력 필요(시카고 불스), 플레이메이킹 경험 부족(브루클린 네츠) 등의 과제에 직면해 있다. 펠턴은 일부 재건 중인 팀들이 새로운 단체 협약으로 인해 단기적 성과보다 팀워크를 우선시할 수 있다고 지적하는 한편, 골든스테이트 워리어스처럼 제한적 자유계약 문제 해결을 기다리는 팀들도 있다고 덧붙였다. 오클라호마시티 선더 같은 우승 후보팀의 경우, 주요 로스터 문제가 없다는 것은 팀이 잘 구축되었음을 의미하며, 이는 우승을 노리는 팀들의 단일 결함은 내부 성장이나 시즌 중 보강을 통해 해결될 수 있음을 시사한다.

ESPN 원문 기사 페이지에서 확인할 수 있듯, 요약 내용은 상당히 정확합니다: