블로그 / AI
AI

Qwen-Agent를 MCP와 통합하여 실시간 데이터 접근이 가능한 에이전트 구축

Qwen-Agent를 Bright Data MCP 서버와 연결하여 실시간 웹 데이터 검색 및 자동화 기능을 AI 에이전트에 적용하세요.
5 분 읽기
Antonello Zanini
Antonello Zanini
Technical Writer
Qwen-Agent with Bright Data's MCP

이 가이드에서는 다음을 배울 수 있습니다:

  • Qwen-Agent 라이브러리가 무엇이며 AI 에이전트 구축에 어떻게 도움이 되는지.
  • 차세대 AI 에이전트 제작에 Qwen3과 Bright Data Web MCP 서버를 함께 사용하는 것이 이상적인 이유.
  • Qwen3 기반의 유능한 에이전트를 구축하기 위해 Qwen-Agent를 Bright Data의 MCP와 통합하는 방법.

자, 시작해 보겠습니다!

Qwen-Agent란 무엇인가요?

Qwen-Agent는 Alibaba Cloud에서 개발한 오픈소스 프레임워크로, 고급 LLM 기반 애플리케이션 구축을 지원합니다. Qwen 모델의 기능을 활용하여 명령어 수행, 도구 사용, 계획 수립, 메모리 관리 기능을 갖춘 AI 에이전트를 생성합니다.

이 라이브러리는 특히 Qwen Chat의 백엔드 역할을 합니다. AI 에이전트 구축을 위한 핵심 구성 요소를 제공하며, MCP(Model Context Protocol)를 통해서도 함수 및 도구 호출을 기본 지원합니다.

Qwen-Agent는 알리바바 클라우드의 DashScope 서비스 또는 자체 호스팅 Qwen 모델을 통해 유연한 모델 배포를 지원합니다. 또한 Gradio 기반 웹 UI를 포함하여 브라우저에서 에이전트를 신속하게 배포하고 테스트할 수 있습니다.

Qwen-Agent에서 Qwen3과 MCP 서버를 결합해야 하는 이유

Qwen3는 알리바바 클라우드에서 개발한 최신 모델입니다. 강력한 성능을 제공하며 오픈소스이기 때문에 여러 온라인 공급자를 통해 무료로 이용할 수 있습니다(자체 호스팅도 가능합니다!). 따라서 비용 효율적이면서도 강력한 AI 에이전트 구축에 이상적인 선택입니다.

Qwen3 기반의 Qwen-Agent로 구축된 AI 에이전트는 이미 상당한 역량을 갖추고 있습니다. 그러나 기본 LLM의 한계(예: 실시간 정보 접근 불가)를 상속받습니다. 이러한 한계는 에이전트에 정확한 데이터를 제공하고 실시간 웹 탐색 기능을 부여함으로써 극복할 수 있습니다.

바로 여기에 Bright Data 웹 MCP 서버가 필요합니다. Node.js 기반으로 구축된 MCP 서버는 Bright Data의 AI 데이터 검색 도구 모음과 통합됩니다. 이러한 도구를 통해 에이전트는 실시간 웹 콘텐츠에 접근하고, 구조화된 데이터셋을 쿼리하며, 실시간 웹 스크래핑을 수행할 수 있는 능력을 얻습니다.

현재 지원되는 MCP 도구는 다음과 같습니다:

도구 설명
search_engine Google, Bing 또는 Yandex의 검색 결과를 스크래핑합니다. SERP 결과를 마크다운 형식(URL, 제목, 설명)으로 반환합니다.
scrape_as_markdown 단일 웹페이지를 스크랩하고 추출된 콘텐츠를 마크다운 형식으로 반환합니다. 봇으로 보호되거나 CAPTCHA로 보안된 페이지에서도 작동합니다.
scrape_as_html 위와 동일하지만, 원시 HTML 형식으로 콘텐츠를 반환합니다.
session_stats 현재 세션 동안의 도구 사용 요약 정보를 제공합니다.
web_data_amazon_product /dp/ URL을 사용하여 구조화된 Amazon 제품 데이터를 검색합니다. 캐싱으로 인해 스크래핑보다 안정적입니다.
web_data_amazon_product_reviews /dp/ URL을 사용하여 구조화된 Amazon 리뷰 데이터를 가져옵니다. 캐싱되어 안정적입니다.
web_data_linkedin_person_profile 구조화된 LinkedIn 프로필 데이터에 접근합니다. 일관성과 속도를 위해 캐싱됩니다.
web_data_linkedin_company_profile 구조화된 LinkedIn 회사 데이터에 접근합니다. 캐시된 버전으로 안정성 향상.
web_data_zoominfo_company_profile 구조화된 ZoomInfo 회사 데이터를 검색합니다. 유효한 ZoomInfo URL이 필요합니다.
web_data_instagram_profiles 구조화된 Instagram 프로필 데이터. 유효한 Instagram URL이 필요합니다.
web_data_instagram_posts Instagram 게시물에 대한 구조화된 데이터를 검색합니다.
web_data_instagram_reels 인스타그램 릴즈에 대한 구조화된 데이터를 가져옵니다.
web_data_instagram_comments 인스타그램 댓글을 구조화된 데이터로 가져옵니다.
web_data_facebook_posts Facebook 게시물에 대한 구조화된 데이터에 액세스합니다.
web_data_facebook_marketplace_listings Facebook 마켓플레이스의 구조화된 목록을 가져옵니다.
web_data_facebook_company_reviews Facebook 회사 리뷰를 검색합니다. 회사 URL과 리뷰 수가 필요합니다.
web_data_x_posts X(구 트위터) 게시물의 구조화된 데이터를 가져옵니다.
web_data_zillow_properties_listing 구조화된 Zillow 리스팅 데이터에 접근합니다.
web_data_booking_hotel_listings Booking.com에서 구조화된 호텔 목록을 검색합니다.
web_data_youtube_videos 구조화된 YouTube 동영상 데이터. 유효한 동영상 URL이 필요합니다.
scraping_browser_navigate 스크래핑 브라우저를 새로운 URL로 이동합니다.
scraping_browser_go_back 이전 페이지로 돌아갑니다.
scraping_browser_go_forward 브라우저 기록에서 앞으로 이동합니다.
scraping_browser_click 페이지의 특정 요소를 클릭합니다. 요소 선택기가 필요합니다.
scraping_browser_links 현재 페이지의 모든 링크와 해당 선택기 및 텍스트를 가져옵니다.
scraping_browser_type 입력 필드에 텍스트를 입력하는 것을 시뮬레이션합니다.
scraping_browser_wait_for 특정 요소가 표시될 때까지 기다립니다.
scraping_browser_screenshot 현재 페이지의 스크린샷을 찍습니다.
scraping_browser_get_html 현재 페이지의 전체 HTML을 가져옵니다. 전체 페이지 콘텐츠가 필요하지 않은 경우 주의해서 사용하십시오.
scraping_browser_get_text 현재 페이지의 가시적인 텍스트 콘텐츠를 가져옵니다.

실제 사례를 살펴보려면 MCP 서버를 사용한 스크래핑 가이드를 참조하거나 Google SDK와 같은 도구와의 통합 방식을 확인하세요.

참고: Bright Data는 지속적으로 MCP 도구 세트를 확장하고 있으므로 시간이 지남에 따라 더 많은 기능을 기대할 수 있습니다.

이제 Qwen-Agent를 통해 Qwen3에서 이러한 MCP 도구를 사용하는 방법을 살펴보세요!

Python에서 Qwen-Agent를 Bright MCP 서버와 통합하는 방법

이 섹션에서는 Qwen-Agent를 사용하여 Qwen3 기반의 강력한 Python AI 에이전트를 구축하는 방법을 배웁니다. 이 에이전트는 Bright Data 웹 MCP 서버를 통해 실시간 데이터 스크래핑, 검색 및 변환 기능을 갖추게 됩니다.

예시로,스크래핑이 까다로운 것으로 알려진 아마존에서 실시간 제품 데이터를 검색하는 AI 에이전트의 작동 방식을 보여드리겠습니다. 이는 가능한 사용 사례 중 하나일 뿐입니다. AI 에이전트는 MCP 서버를 통해 제공되는 20개 이상의 도구 중 어떤 것이든 활용하여 다양한 작업을 처리할 수 있습니다.

참고: AI 에이전트에 다른 프롬프트를 제공하기만 하면 다른 시나리오나 사용 사례도 수행할 수 있습니다.

Qwen-Agent 및 Qwen 3을 사용하여 Bright Data MCP 기반 AI 에이전트를 구축하려면 아래 단계를 따르세요!

필수 조건

이 튜토리얼을 따라하려면 다음이 필요합니다:

또한 다음이 필요합니다:

  • Bright Data 계정.
  • OpenRouter API 키.

아래 단계에서는 필요 시 Bright Data와 OpenRouter 자격 증명을 설정하는 방법을 안내합니다. 따라서 지금 당장 걱정하지 마세요.

필수 사항은 아니지만, 다음 지식을 갖추면 이 튜토리얼을 최대한 활용하는 데 도움이 됩니다:

  • MCP 작동 방식에 대한 일반적인 이해.
  • Qwen Agent의 기능에 대한 기본적인 이해.
  • Bright Data 웹 MCP 서버 및 제공되는 도구에 대한 일부 지식.
  • Python에서의 비동기 프로그래밍 경험.

1단계: 프로젝트 설정

터미널을 열고 MCP 기반 AI 에이전트를 위한 새 폴더를 생성합니다:

mkdir qwen-agent-mcp

qwen-agent-mcp 폴더에는 Python AI 에이전트의 모든 코드가 포함됩니다.

다음으로 프로젝트 폴더로 이동하여 가상 환경을 생성합니다:

cd qwen-agent-mcp
python -m venv venv

선호하는 Python IDE에서 프로젝트 폴더를 엽니다. Python 확장 프로그램이 설치된 Visual Studio Code 또는 PyCharm Community Edition 사용을 권장합니다.

프로젝트 폴더 내에 agent.py라는 파일을 생성하세요. 현재 폴더 구조는 다음과 같아야 합니다:

The file structure of the Qwen-Agent MCP agent project

agent.py 파일은 현재 비어 있지만, 곧 Qwen3을 Bright Data Web MCP 서버와 통합하는 로직이 포함될 것입니다.

IDE의 터미널에서 가상 환경을 활성화하세요. Linux 또는 macOS에서는 다음 명령을 실행합니다:

source venv/bin/activate

Windows에서는 동일하게 다음을 실행하세요:

venv/Scripts/activate

이제 준비가 완료되었습니다! Qwen-Agent와 Bright Data Web MCP 서버를 사용하여 AI 에이전트를 구축할 수 있는 Python 환경이 마련되었습니다.

2단계: 환경 변수 설정

프로젝트는 OpenRouter 및 Bright Data와 같은 타사 서비스와 상호작용합니다. Python 코드에 API 키를 하드코딩하지 마십시오. 대신 보안과 유지보수성을 위해 환경 변수에서 로드하세요.

이 과정을 간소화하기 위해 python-dotenv 라이브러리를 활용하겠습니다. 가상 환경이 활성화된 상태에서 다음 명령을 실행하여 설치하세요:

pip install python-dotenv

다음으로 agent.py 파일에서 라이브러리를 임포트하고 load_dotenv()로 환경 변수를 로드합니다:

from dotenv import load_dotenv

load_dotenv()

이렇게 하면 스크립트가 로컬 .env 파일에서 환경 변수를 읽을 수 있습니다. 프로젝트 폴더 내에 .env 파일을 생성하세요:

The .env file in your nested agent folder

이제 코드에서 다음과 같이 환경 변수에 접근할 수 있습니다:

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

Python 표준 라이브러리에서 os 모듈을 반드시 임포트하세요:

import os

훌륭합니다! 이제 환경 변수에서 비밀 정보를 안전하게 불러올 준비가 되었습니다.

3단계: Google ADK 시작하기

가동된 가상 환경에서 다음 명령을 실행하여 Qwen-Agent 라이브러리를 설치하세요:

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

참고: qwen-agent는 몇 가지 선택적 서브모듈을 지원합니다. 본 튜토리얼에서는 다음 두 가지로 충분합니다:

  • [gui] – Gradio 기반 사용자 인터페이스용
  • [mcp] – 모든 MCP 서버와 통합하기 위한 모듈.

그런 다음 agent.py 파일을 열고 다음 임포트를 포함하세요:

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

다음 단계에서 Qwen-Agent를 MCP 서버에 연결하고 AI 에이전트를 구현하는 데 사용됩니다.

기본적으로 Qwen-Agent는 Qwen 모델에 접근하기 위해 환경에 DashScope API 키를 요구합니다. 그러나 이 튜토리얼에서는 무료 OpenRouter 플랫폼을 통해 Qwen3를 사용할 것입니다.

⚠️ 경고: 왜 알리바바 클라우드의 DashScope를 사용해 Qwen3에 직접 접근하지 않는지 궁금할 수 있습니다. 그 이유는 작성 시점 기준으로 해외 사용자(중국 외 사용자)에게 제한 사항이 존재하기 때문입니다. 이러한 제한으로 인해 현재 다음과 같은 (다소 오해의 소지가 있는) 오류 메시지가 발생합니다:

오류 코드: InvalidApiKey. 오류 메시지: 잘못된 API 키가 제공되었습니다.

이 문제를 피하려면 OpenRouter나 지역 제한 없이 Qwen3에 접근할 수 있는 다른 플랫폼을 이용하세요.

이제 Qwen3 통합을 위한 OpenRouter API 키 설정 방법을 단계별로 살펴보겠습니다!

단계 #4: OpenRouter API 키 가져오기

아직 계정이 없다면 OpenRouter 계정에 가입하세요. 이미 계정이 있다면 로그인하세요.

다음으로, 오른쪽 상단 모서리의 프로필 이미지를 마우스로 가리키고 “키(Keys)” 옵션을 선택하여 “API 키” 페이지로 이동하세요:

The “API Keys” page in the OpenRouter platform

“Create API Key” 버튼을 클릭하고 안내에 따라 키를 생성하세요. 그런 다음 키를 복사하여 다음과 같이 .env 파일에 추가하세요:

OPEN_ROUTER_API_KEY="<YOUR_OPEN_ROUTER_API_KEY>"

<YOUR_OPEN_ROUTER_API_KEY> 자리 표시자를 실제 OpenRouter API 키로 교체하세요.

다음으로 agent.py 파일에서 키를 로드하세요:

OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

훌륭합니다! 이제 OpenRouter를 통해 Qwen-Agent와 함께 Qwen3를 사용할 준비가 되었습니다.

단계 #5: Bright Data MCP 서버 설정

새 Bright Data 계정을 생성하거나 기존 계정에 로그인하세요.

다음으로 공식 지침에 따라 다음을 수행하세요:

  1. Bright Data API 토큰을 가져옵니다.
  2. MCP 통합을 위해 Web Unlocker 및 Scraping Browser를 구성하세요.

완료 후에는 다음을 보유하게 됩니다:

  • Bright Data API 토큰.
  • 웹 언락커 영역 (여기서는 영역 이름이 기본값인 “mcp_unlocker”라고 가정합니다).
  • <BRIGHT_DATA_SB_USERNAME>:<BRIGHT_DATA_SB_PASSWORD> 형식의 스크래핑 브라우저 자격 증명.

이제 Node.js 환경에 Bright Data Web MCP 서버를 전역 설치합니다:

npm install -g @brightdata/mcp

그런 다음 터미널에서 두 가지 환경을 반드시 지정하세요:

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

운영 체제에 따라 환경 변수 정의 절차를 정확히 따르십시오.

이제 @brightdata/mcp npm 패키지를 통해 MCP 서버를 시작할 수 있습니다:

npx -y @brightdata/mcp

이 명령어는 필요한 환경 변수(API_TOKEN 및 BROWSER_AUTH)를 읽어 로컬에서 MCP 서버를 실행합니다. 모든 설정이 올바르게 완료되었다면 다음과 같은 출력이 표시됩니다:

필수 영역 확인 중...
필수 영역 "mcp_unlocker"가 이미 존재합니다
서버 시작 중...

잘하셨습니다! Bright Data 웹 MCP 서버가 완벽하게 작동합니다.

다음으로, 두 환경 변수를 .env 파일에 추가하세요:

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

자리 표시자를 실제 값으로 대체하세요.

agent.py 파일에서 다음 코드로 변수를 불러옵니다:

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

완벽합니다! 이제 Bright Data 웹 MCP 서버를 Qwen-Agent와 통합하기 위한 모든 설정이 완료되었습니다.

6단계: Qwen3 기반 MCP 에이전트 정의

Qwen3 및 MCP 지원을 통해 AI 에이전트를 초기화하는 함수를 생성하세요:

def initialize_mcp_agent():
    # OpenRouter를 통해 Qwen3에 연결
    llm_cfg = {
        "model": "qwen/qwen3-coder:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # Bright Data 웹 MCP 서버 연결 설정
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # MCP 통합을 통한 Qwen-Agent 어시스턴트 정의
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="실시간 데이터 접근이 가능한 MCP 기반 어시스턴트",
        description="이 에이전트는 구성된 MCP 도구를 사용하여 인터넷에서 최신 정보를 검색하여 질문에 답변할 수 있습니다"
    )

    return agent

위 코드에서 볼 수 있듯이:

  • llm_cfg 사전은 OpenRouter API를 통해 Qwen3 무료 버전에 대한 접근을 설정합니다.
  • tools 배열은 Bright Data Web MCP 서버에 연결하는 방식을 정의하여 AI 에이전트가 외부 데이터 검색 도구를 호출할 수 있게 합니다.
  • 마지막으로 Qwen-Agent에서 제공하는 Assistant() 클래스를 사용하여 LLM과 도구 통합을 모두 갖춘 AI 에이전트를 정의합니다.

이게 전부입니다! Qwen-Agent 덕분에 AI 에이전트에 MCP를 통합하는 데 단 몇 줄의 코드만 필요합니다.

7단계: Qwen3 MCP 에이전트 실행하기

정의된 AI 에이전트를 Gradio 인터페이스에서 실행하려면 agent. py에 다음 코드를 추가하세요:

if __name__ == "__main__":
    # MCP 기반 에이전트 초기화
    mcp_agent = initialize_mcp_agent()

    # 브라우저에서 AI 에이전트와 상호작용할 Gradio 기반 웹 UI 실행
    WebUI(mcp_agent).run()

미션 완료! 이제 코드를 테스트하고 AI 에이전트가 무엇을 할 수 있는지 확인하기만 하면 됩니다.

단계 #8: 모든 것 통합하기

다음은 agent.py의 최종 코드입니다:

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

# .env 파일에서 환경 변수 불러오기
load_dotenv()

# Qwen3 사용을 위해 OpenRouter에서 API 키 읽기
OPEN_ROUTER_API_KEY = os.getenv("OPEN_ROUTER_API_KEY")

# Bright Data Web MCP 서버 연동을 위한 환경 변수 읽기
BRIGHT_DATA_API_TOKEN = os.getenv("BRIGHT_DATA_API_TOKEN")
BRIGHT_DATA_BROWSER_AUTH = os.getenv("BRIGHT_DATA_BROWSER_AUTH")

# Qwen 3 및 MCP 구성으로 에이전트 정의
def initialize_mcp_agent():
    # OpenRouter를 통해 Qwen3에 연결
    llm_cfg = {
        "model": "qwen/qwen3-coder:free",
        "model_server": "https://openrouter.ai/api/v1",
        "api_key": OPEN_ROUTER_API_KEY,
    }

    # Bright Data 웹 MCP 서버 연결
    tools = [{
        "mcpServers": {
            "brightdata": {
                "command": "npx",
                "args": ["-y", "@brightdata/mcp"],
                "env": {
                    "API_TOKEN": BRIGHT_DATA_API_TOKEN,
                    "BROWSER_AUTH": BRIGHT_DATA_BROWSER_AUTH,
                }
            }
        }
    }]


    # MCP 통합을 통한 Qwen-Agent 어시스턴트 정의
    agent = Assistant(
        llm=llm_cfg,
        function_list=tools,
        name="실시간 데이터 접근이 가능한 MCP 기반 어시스턴트",
        description="이 에이전트는 구성된 MCP 도구를 사용하여 인터넷에서 최신 정보를 검색하여 질문에 답변할 수 있습니다"
    )

    return agent

if __name__ == "__main__":
    # MCP 기반 에이전트 초기화
    mcp_agent = initialize_mcp_agent()

    # 브라우저에서 AI 에이전트와 상호작용하기 위한 Gradio 기반 웹 UI 실행
    WebUI(mcp_agent).run()

와우! Qwen-Agent와 OpenRouter 덕분에 약 50줄의 코드로 강력한 MCP 기반 AI 에이전트를 구축할 수 있습니다.

AI 에이전트 실행 방법:

python agent.py

터미널에 다음과 같은 출력이 표시됩니다:

2026-05-27 15:40:58,783 - mcp_manager.py - 122 - INFO - mcp 서버에서 MCP 도구 초기화: ['brightdata']
2026-05-27 15:40:58,800 - mcp_manager.py - 340 - INFO - MCP stdio_client 초기화 중, 시간이 오래 걸릴 경우 해당 MCP 서버(brightdata)의 설정을 확인해 주세요
2026-05-27 15:41:01,098 - mcp_manager.py - 350 - 정보 - 리스트 리소스 없음: 메서드 미검출
* 로컬 URL에서 실행 중: http://127.0.0.1:7860

이는 MCP 서버가 정상 가동 중이며, AI 에이전트가 http://127.0.0.1:7860에서 연결 및 접근 가능함을 의미합니다. 브라우저에서 해당 URL을 방문하여 Gradio 웹 UI를 통해 에이전트와 상호작용하세요.

예를 들어, 다음과 같은 프롬프트를 입력해 보세요:

Amazon 제품 페이지 "https://www.amazon.com/PlayStation%C2%AE5-console-slim-PlayStation-5/dp/B0CL61F39H/"에서 주요 정보를 추출하여 JSON 형식으로 반환해 주세요

이 테스트는 AI 에이전트가 Amazon PS5 제품 페이지의 실시간 데이터를 검색(따라서 활용/학습)할 수 있는지 확인하는 데 매우 유용합니다:

Amazon PS5 page

UI에서 이 프롬프트를 실행하면 다음과 같은 결과가 나타납니다:

Executing the Amazon data extraction request in Qwen-Agent

먼저, 오른쪽 패널에 사용 가능한 모든 Bright Data Web MCP 서버 도구 목록이 표시됨을 확인하세요. 또한 Qwen-Agent가 요청을 처리하기 위해 Bright Data Web MCP 서버의 web_data_amazon_product 도구를 사용하는 방식을 살펴보세요.

도구 실행 결과를 보여주는 인터페이스의 글머리 기호 목록을 확인하여 이를 검증할 수 있습니다:

See the result of the web_data_amazon_product tool

최종 JSON 출력은 다음과 같아야 합니다:

{
  "title": "PlayStation®5 콘솔 (슬림)",
  "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",
  "평점": 4.7,
  "리뷰 수": 6824,
  "설명": "PS5 콘솔은 여러분이 예상하지 못했던 새로운 게임의 가능성을 열어줍니다. 초고속 SSD로 번개처럼 빠른 로딩을 경험하고, 햅틱 피드백, 어댑티브 트리거, 3D 오디오* 지원으로 더욱 깊이 몰입하며, 놀라운 차세대 플레이스테이션 게임을 만나보세요...",
  "주요 기능": [
    "통합 I/O를 탑재한 맞춤형 CPU, GPU 및 SSD",
    "햅틱 피드백, 적응형 트리거 및 3D 오디오 지원",
    "PS4 게임과의 하위 호환성",
    "1TB SSD 및 4.8kg 콘솔 무게",
    "듀얼센스 무선 컨트롤러 포함"
  ],
  "delivery_info": "6월 1일 일요일 무료 배송. 또는 프라임 회원 대상 오늘 오전 10시~오후 3시 무료 당일 배송.",
  "images": [
    "https://m.media-amazon.com/images/I/41ECK5cY-2L.SL1000.jpg",
    "https://m.media-amazon.com/images/I/41srF-iY93L.SL1000.jpg"
    // 추가 이미지 URL...
  ],
  "product_details": {
    "ASIN": "B0CL61F39H",
    "Release Date": "2023년 12월 10일",
    "크기": "14 x 17 x 7 인치",
    "무게": "10.6 파운드",
    "베스트셀러 순위": "비디오 게임 부문 18위",
    "제조사": "소니"
  },
  // 간결함을 위해 생략...
}

이 간단한 예시는 AI 에이전트의 강력한 성능을 보여줍니다. 실시간으로 어떤 사이트에서든 구조화된 데이터를 추출할 수 있습니다. 이는 실시간 검색, RAG(검색 강화 생성), 최신 의사 결정에 완벽합니다.

더욱 놀라운 점은 에이전트가 에이전트 브라우저(이전 스크래핑 브라우저) 를 활용해 웹 페이지와 직접 상호작용할 수 있어 고도의 자동화와 복잡한 워크플로우 구현이 가능하다는 것입니다.

자, 보세요! 이것이 Qwen3 + MCP와 Qwen-Agent의 통합으로 차세대 AI 에이전트를 구축하는 힘입니다.

결론

이 블로그 포스트에서는 Qwen-Agent 라이브러리와 Qwen3, Bright Data MCP를 결합하여 Python으로 강력한 AI 에이전트를 구축하는 방법을 알아보았습니다.

보시다시피, 다양한 기능을 갖춘 MCP 서버를 Qwen-Agent와 통합하면 AI 에이전트가 웹에서 실시간 데이터를 검색하고 자율적으로 고급 작업을 수행할 수 있습니다. 이는 Bright Data의 도구가 지능적이고 자동화된 AI 워크플로를 어떻게 구동할 수 있는지에 대한 한 가지 예시일 뿐입니다.

당사 AI 인프라의 솔루션을 살펴보세요:

  • 자율 AI 에이전트: 강력한 API 세트를 활용하여 실시간으로 모든 웹사이트를 검색, 접근 및 상호작용합니다.
  • 수직 AI 애플리케이션: 산업별 소스에서 웹 데이터를 추출하기 위한 안정적이고 맞춤형 데이터 파이프라인 구축.
  • 파운데이션 모델: 사전 훈련, 평가 및 미세 조정을 위한 규정 준수 웹 규모 데이터셋에 접근하세요.
  • 다중 모드 AI: AI에 최적화된 세계 최대 규모의 이미지, 동영상, 오디오 저장소를 활용하세요.
  • 데이터 공급자: 신뢰할 수 있는 공급자와 연결하여 대규모로 고품질의 AI 활용 가능한 데이터셋을 확보하세요.
  • 데이터 패키지: 선별되고 즉시 사용 가능한 구조화, 보강 및 주석이 달린 데이터 세트를 확보하세요.

자세한 내용은 AI 허브를 살펴보세요.

Bright Data 계정을 생성하고 AI 에이전트 개발을 위한 모든 제품과 서비스를 체험해 보세요!

목차

    관심이 있을 수 있습니다.

    How to Give Oracle Generative AI Agents Access to the Web with Bright Data
    AI
    Antonello Zanini
    Antonello Zanini
    Technical Writer

    Bright Data로 Oracle Generative AI 에이전트에 웹 접근 권한 부여하기

    Bright Data가 Oracle Generative AI 에이전트에 실시간 웹 데이터 접근을 가능하게 하여 엔터프라이즈 AI 에이전트에 실시간 시장 인사이트를 제공하는 방법을 알아보세요
    02-7월-2026
    5 분 읽기
    Goose with Bright Data's Web MCP
    AI
    Antonello Zanini
    Antonello Zanini
    Technical Writer

    goose를 Bright Data의 Web MCP에 연결하는 방법

    goose를 Bright Data의 Web MCP에 연결하여 고급 자동화 및 개발을 위한 실시간 웹 데이터 기능으로 AI 에이전트를 강화하세요.
    02-7월-2026
    3 분 읽기
    Bright Data Skills to Enhance AI Coding Agents
    AI
    Antonello Zanini
    Antonello Zanini
    Technical Writer

    Bright Data Skills를 활용하여 AI 코딩 에이전트에 웹 데이터 접근 기능 강화하기

    Bright Data 스킬로 AI 코딩 에이전트의 웹 데이터 접근 기능을 강화하세요. 설치 방법과 더 나은 결과를 위한 실용적인 프롬프트 예시를 알아보세요.
    02-7월-2026
    4 분 읽기