--- title: "Intégrer le Bright Data MCP de Bright Data dans smolagents" slug: smolagents-with-web-mcp date: 2025-11-10T11:24:35+00:00 modified: 2025-11-10T11:24:37+00:00 permalink: https://brightdata.fr/blog/ai/smolagents-with-web-mcp type: blog --- [ Blog ](https://brightdata.fr/blog "Blog") / [AI](https://brightdata.fr/blog/ai) [AI](https://brightdata.fr/blog/ai) # Intégrer le Bright Data MCP de Bright Data dans smolagents Découvrez comment booster vos agents IA Python avec smolagents et le MCP Bright Data Web. Déverrouillez les données Web en direct, l’intégration d’outils et l’automatisation avancée. 6 min de lecture [ ![Antonello Zanini](https://media.brightdata.fr/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) ![smolagents × Bright Data MCP](https://media.brightdata.fr/2025/10/smolagents-%C3%97-Bright-Data-MCP.png) Dans cet article de blog, vous apprendrez - Ce qu’est smolagents et pourquoi il gagne tant en popularité. - Comment ses agents s’appuient sur l’exécution d’outils et comment récupérer des outils via le Bright Data MCP de Bright Data. - Comment intégrer les outils Bright Data MCP dans smolagents pour construire un agent de code IA. Entrons dans le vif du sujet ! ## Qu’est-ce que smolagents ? [smolagents](https://huggingface.co/docs/smolagents/index) est une bibliothèque Python légère qui permet de construire de puissants agents IA avec un minimum de code. Ce qui la rend unique, c’est son `CodeAgent`, qui écrit les actions nécessaires à l’exécution d’une invite sous forme d’extraits de code Python exécutables (au lieu de renvoyer une réponse textuelle). Cette approche améliore l’efficacité, réduit les appels LLM et permet aux agents d’interagir directement avec les outils et les environnements en toute sécurité grâce à l’exécution en bac à sable. La communauté a adopté cette nouvelle approche de la construction d’agents IA, comme en témoignent les [23k étoiles que la bibliothèque a reçues sur GitHub](https://github.com/huggingface/smolagents) en seulement quelques mois : ![The GitHub start history of smolagents](https://media.brightdata.com/2025/10/image-138-1024x731.png)Gardez à l’esprit que smolagents est : 1. **Agnostique au niveau du modèle**, supportant OpenAI, Anthropic, les transformateurs locaux, ou n’importe quel LLM sur le Hugging Face Hub. 2. **Agnostique en termes de modalité**, supportant le texte, la vision, l’audio et la vidéo. 3. **Agnostique** en termes d’outils, supportant les outils des serveurs MCP, LangChain, ou Hub Spaces. Pour en savoir plus sur la philosophie de cette bibliothèque, consultez le [billet d’annonce sur le blog Hugging Face](https://huggingface.co/blog/smolagents). ## Pourquoi smolagents pousse à l’utilisation d’outils Les LLM sont limités par les [données sur lesquelles ils ont été formés.](/blog/web-data/llm-training-data) Ils peuvent générer des réponses, du contenu, du code ou du multimédia sur la base de cette connaissance. Cela les rend puissants, bien sûr, mais cela représente également l’une des plus grandes limites de l’IA actuelle. smolagents y remédie en proposant des agents construits autour d’outils. C’est tellement important que chaque classe d’agent de la bibliothèque accepte une liste d’outils comme argument obligatoire. Grâce à l’appel à péage, votre modèle d’IA peut interagir avec l’environnement et effectuer des tâches allant au-delà de la génération de contenu. En particulier, n’oubliez pas que les smolagents peuvent se connecter à des outils provenant de serveurs MCP, de LangChain ou même d’un Hub Space. Il prend également en charge les appels d’outils standard basés sur JSON/texte. Qu’est-ce qui manque aujourd’hui à l’IA classique ? Des données précises et récentes et la capacité d’interagir avec des pages web comme des humains. C’est précisément ce que les outils [**Bright Data MCP de Bright Data**](/ai/mcp-server) offrent ! Le Bright Data MCP est un serveur open-source offrant [plus de 60 outils prêts pour l’IA](https://docs.brightdata.com/mcp-server/tools), tous alimentés par l’infrastructure de Bright Data pour l’interaction web et la collecte de données. Même avec [la version gratuite](/blog/ai/web-mcp-free-tier), vous avez accès à deux outils qui changent la donne : **Outil****Description de l’outil**`moteur_de_recherche`Récupère les résultats de recherche de Google, Bing ou Yandex en JSON ou Markdown.`scrape_as_markdown`Récupère n’importe quelle page web dans un format Markdown propre, en contournant la détection des robots et les CAPTCHA.En outre, Bright Data MCP propose des outils d’[interaction dans un navigateur en nuage](/ai/agent-browser) et des dizaines d’outils spécialisés pour la collecte de données structurées sur des plateformes telles que YouTube, Amazon, LinkedIn, TikTok, Yahoo Finance, et bien d’autres. Pour en savoir plus, consultez la [page officielle GitHub](https://github.com/brightdata/brightdata-mcp). Voir Bright Data MCP en action avec smolagents ! ## Comment étendre un agent de code IA smolagents avec les outils Bright Data MCP Dans cette section du tutoriel, vous apprendrez à construire un agent de code IA smolagents qui s’intègre à Bright Data MCP. Plus précisément, l’agent utilisera les outils exposés par le serveur MCP pour récupérer des données Web à la volée et effectuer une analyse des sentiments. **Remarque**: il ne s’agit que d’un exemple, et vous pouvez facilement l’adapter à d’autres cas d’utilisation en modifiant l’invite d’entrée. Suivez les instructions ci-dessous ! ### Prérequis Pour suivre ce tutoriel, assurez-vous d’avoir : - [Python 3.10+](https://www.python.org/downloads/) installé localement. - Node.js installé sur votre machine (nous recommandons la [dernière version LTS](https://nodejs.org/en/download)) pour l’exécution de Bright Data MCP. - Une [clé API Gemini](https://ai.google.dev/gemini-api/docs/api-key) (ou une clé API de l’un des [autres modèles pris en charge](https://huggingface.co/docs/smolagents/main/en/examples/using_different_models)). Vous aurez également besoin d’un compte Bright Data avec une clé API. Ne vous inquiétez pas, nous vous guiderons dans cette étape. Il est également utile d’avoir une compréhension de base du [fonctionnement du MCP](https://modelcontextprotocol.io/specification/2025-06-18) et des [outils fournis par le MCP Web.](https://docs.brightdata.com/mcp-server/tools) ### Étape 1 : Configuration du projet Ouvrez le terminal et créez un nouveau dossier pour votre projet smolagents : ```none mkdir smolagents-mcp-agent ``` `smolagents-mcp-agent/` contiendra le code Python de votre agent IA étendu via les outils Bright Data MCP. Ensuite, entrez dans le répertoire du projet et [initialisez un environnement virtuel](https://docs.python.org/3/library/venv.html) à l’intérieur de celui-ci : ```none cd smolagents-mcp-agent python -m venv .venv ``` Ajoutez un nouveau fichier appelé `agent.py.` La structure des fichiers de votre projet devrait maintenant être la suivante : ```none smolagents-mcp-agent/ ├── .venv/ └── agent.py ``` `agent.py` représentera votre fichier Python principal et contiendra la définition de l’agent IA. Chargez le dossier du projet dans votre IDE Python préféré. Nous recommandons [Visual Studio Code avec l’extension Python](https://code.visualstudio.com/docs/languages/python) ou [PyCharm Community Edition](https://www.jetbrains.com/pycharm/download/). Il est temps d’activer l’environnement virtuel que vous avez créé précédemment. Sous Linux ou macOS, lancez : ```none source .venv/bin/activate ``` De manière équivalente, sous Windows, lancez : source .venv/Scripts/activate ```none .venv/Scripts/activate ``` Une fois l’environnement virtuel activé, installez les bibliothèques PyPI requises : ```none pip install "smolagents[mcp,openai]" python-dotenv ``` Les dépendances sont : - [`"smolagents[mcp,openai]"`](https://pypi.org/project/smolagents/): Le paquet `smolagent`, étendu avec des sections pour l’intégration MCP et la connexion à n’importe quel fournisseur offrant des API de type OpenAI. - [`python-dotenv`](https://pypi.org/project/python-dotenv/): Pour lire les variables d’environnement à partir d’un fichier `.env` local. C’est fait ! Vous avez maintenant un environnement Python pour le développement d’agents IA avec smolagents. ### Étape 2 : Configurer la lecture des variables d’environnement Votre agent se connectera à des services tiers comme Gemini et Bright Data. Pour authentifier ces connexions, vous devez définir des clés API. Les coder en dur dans votre fichier `agent.py` est une mauvaise odeur de code, car cela peut créer des problèmes de sécurité. Configurez donc votre script pour qu’il lise les secrets à partir des variables d’environnement. C’est exactement la raison pour laquelle nous avons installé le paquet `python-dotenv`. Dans votre fichier `agent.py`, importez la bibliothèque et appelez `load_dotenv()` pour charger vos variables d’environnement : ```none from dotenv import load_dotenv load_dotenv() ``` Votre script peut désormais accéder aux variables d’environnement à partir d’un fichier `.env` local. Ajoutez un fichier `.env` au répertoire de votre projet : ```none smolagents-mcp-agent/ ├── .venv/ ├── .env # <------ └── agent.py ``` Vous pouvez alors accéder aux variables d’environnement dans votre code en utilisant : ```none import os os.getenv("ENV_NAME") ``` Génial ! Votre script charge désormais en toute sécurité les secrets d’intégration des tiers à partir des variables d’environnement. ### Étape 3 : tester le MCP Web de Bright Data localement Avant de configurer la connexion au MCP Web de Bright Data, assurez-vous que votre machine peut exécuter le serveur. Cela est nécessaire car vous demanderez à smolagents de démarrer le MCP Web localement. Votre agent s [‘y connectera](https://modelcontextprotocol.io/specification/2025-06-18/basic/transports#stdio) ensuite [via STDIO](https://modelcontextprotocol.io/specification/2025-06-18/basic/transports#stdio). Si vous n’avez pas de compte Bright Data, [créez-en un nouveau](/?hs_signup=1). Si vous en avez un, il [vous suffit de vous connecter](/cp/start). Pour une installation rapide, suivez les instructions de la section “[MCP](/cp/mcp)” de votre compte : ![The “MCP” section in your Bright Data account](https://media.brightdata.com/2025/10/image-113-1024x548.png)Sinon, pour plus d’informations, suivez les instructions ci-dessous. Tout d’abord, [générez une clé API Bright Data](https://docs.brightdata.com/api-reference/authentication#generating-an-api-key%3A). Conservez-la en lieu sûr, car vous en aurez bientôt besoin. Nous supposons ici que votre clé API dispose d’autorisations d’*administrateur*, car cela simplifie le processus d’intégration du MCP Web. Procédez à l’installation globale de Bright Data MCP sur votre machine via le paquet [`@brightdata/mcp`](https://www.npmjs.com/package/@brightdata/mcp): ```none npm install -g @brightdata/mcp ``` Ensuite, vérifiez que le serveur MCP local fonctionne en le lançant : ```none API_TOKEN="" npx -y @brightdata/mcp ``` Ou, de manière équivalente, en PowerShell : ```none $Env:API_TOKEN="" ; npx -y @brightdata/mcp ``` Remplacez le caractère générique `` par votre clé API Bright Data. Ces commandes définissent la variable d’environnement `API_TOKEN` requise et lancent le Bright Data MCP localement en exécutant son paquetage npm. En cas de succès, vous devriez voir des journaux comme celui-ci : ![Bright Data MCP startup logs](https://media.brightdata.com/2025/10/image-114-1024x157.png)Lors du premier lancement, le MCP Web crée automatiquement deux zones par défaut dans votre compte Bright Data : - `mcp_unlocker`: Une zone pour [Web Unlocker](/products/web-unlocker). - `mcp_browser`: Une zone pour [Browser API](/products/scraping-browser). Pour alimenter ses plus de 60 outils, Bright Data MCP s’appuie sur ces deux produits Bright Data. Si vous souhaitez vérifier que les zones ont été créées, connectez-vous à votre tableau de bord Bright Data. Accédez à la page “[Proxy & Scraping Infrastructure](/cp/zones)“, et vous devriez apercevoir les deux zones dans le tableau : ![The mcp_unlocker and mcp_browser zones created by the Bright Data MCP at startup](https://media.brightdata.com/2025/10/image-115-1024x539.png)**Remarque**: si votre jeton API ne dispose pas des autorisations *Admin*, les deux zones ne seront pas créées. Dans ce cas, vous devez les mettre en place manuellement et configurer leurs noms via des variables d’environnement [comme expliqué sur GitHub](https://github.com/brightdata/brightdata-mcp?tab=readme-ov-file#advanced-configuration). Par défaut, le serveur MCP n’expose que les outils `search_engine` et `scrape_as_markdown` (et leurs versions batch). Ces outils sont inclus dans la [version gratuite de Bright Data MCP](/blog/ai/web-mcp-free-tier), vous pouvez donc les utiliser sans frais. Pour débloquer les outils avancés, tels que les outils d’automatisation du navigateur et les flux de données structurées, vous devez activer le mode Pro. Pour ce faire, définissez la variable d’environnement `PRO_MODE="true"` avant de démarrer le Bright Data MCP : ```none API_TOKEN="" PRO_MODE="true" npx -y @brightdata/mcp ``` Ou, sous Windows : ```none $Env:API_TOKEN="" ; $Env:PRO_MODE="true" ; npx -y @brightdata/mcp ``` Le mode Pro permet de débloquer plus de 60 outils, mais il n’est pas inclus dans la version gratuite et [entraîne des frais supplémentaires](https://github.com/brightdata/brightdata-mcp?tab=readme-ov-file#-pricing--modes). C’est formidable ! Vous venez de vérifier que le serveur Bright Data MCP fonctionne sur votre système. Arrêtez le processus MCP, car vous êtes sur le point de configurer votre script pour le lancer et vous y connecter. ### Étape 4 : Se connecter à Bright Data MCP Demandez à votre script Python de se connecter au serveur Bright Data MCP via STDIO. Commencez par ajouter la clé API de Bright Data que vous avez obtenue précédemment à votre fichier `.env`: ```none BRIGHT_DATA_API_KEY="" ``` Remplacez l’espace réservé `` par votre clé réelle. Dans `agent.py`, chargez la clé API avec : ```none BRIGHT_DATA_API_KEY = os.getenv("BRIGHT_DATA_API_KEY") ``` Ensuite, définissez un objet `StdioServerParameters` pour configurer la connexion STDIO : ```none from mcp import StdioServerParameters server_parameters = StdioServerParameters( command="npx", args=["-y", "@brightdata/mcp"], env={ "API_TOKEN" : BRIGHT_DATA_API_KEY, "PRO_MODE" : "true", # Optional }, ) ``` Cette configuration reflète la commande `npx` de tout à l’heure, en utilisant la variable d’environnement pour le jeton API. Notez que `API_TOKEN` est obligatoire, tandis que `PRO_MODE` est facultatif. Utilisez une instance de [`MCPClient`](https://huggingface.co/docs/smolagents/main/en/reference/tools#smolagents.MCPClient) pour appliquer ces paramètres de connexion et récupérer la liste des outils exposés par le serveur : ```none from smolagents import MCPClient avec MCPClient(server_parameters, structured_output=True) as tools : ``` Votre script `agent.py` va maintenant lancer un processus Bright Data MCP et se connecter via STDIO. Le résultat est un tableau d’outils que vous pouvez passer à n’importe quel agent IA de smolagents. Vérifiez la connexion en imprimant les outils disponibles : ```none for bright_data_tool in bright_data_tools : print(f "OUTIL : {bright_data_tool.name} - {bright_data_tool.description}n") ``` Si vous exécutez le script avec le mode Pro désactivé, vous devriez voir un ensemble limité d’outils : ![The list of tools with Pro mode disabled](https://media.brightdata.com/2025/10/image-139-1024x225.png)Si le mode Pro est activé, les plus de 60 outils seront affichés : ![The list of tools with Pro mode enabled](https://media.brightdata.com/2025/10/image-140-1024x525.png)Formidable ! Cela confirme que votre intégration Bright Data MCP fonctionne correctement. ### Etape #5 : Définir l’intégration LLM Votre script a maintenant accès aux outils, mais votre agent a également besoin d’un cerveau. Cela signifie qu’il est temps de configurer une connexion à un service LLM. Commencez par ajouter votre clé API Gemini au fichier `.env`: ```none GEMINI_API_KEY="" ``` Ensuite, chargez-la dans votre fichier `agent.py :` ```none GEMINI_API_KEY = os.getenv("GEMINI_API_KEY") ``` Ensuite, définissez une instance [`OpenAIServerModel`](https://huggingface.co/docs/smolagents/main/en/reference/models#smolagents.OpenAIServerModel) pour vous connecter aux APIs Gemini : ```none from smolagents import OpenAIServerModel model = OpenAIServerModel( model_id= "gemini-2.5-flash", # URL de base de l'API Gemini compatible avec l'OpenAI de Google api_base="https://generativelanguage.googleapis.com/v1beta/openai/", api_key=GEMINI_API_KEY, ) ``` Même si vous utilisez une classe de modèle pour OpenAI, cela fonctionnera. C’est grâce à l’`api_base` spécifique que vous avez définie, qui vous donne accès aux points de terminaison compatibles avec OpenAI pour l’intégration de Gemini. C’est super ! ### Étape 6 : Créer l’agent IA avec les outils Bright Data MCP Vous avez maintenant tous les éléments de base pour créer un agent IA de code smolagents. Utilisez les outils Bright Data MCP et le moteur LLM pour en définir un : ```none from smolagents import CodeAgent agent = CodeAgent( model=model, tools=outils, stream_outputs=True, ) ``` [`CodeAgent`](https://huggingface.co/docs/smolagents/main/en/guided_tour#codeagent) est le principal type d’agent IA de smolagents. Il génère des extraits de code Python pour effectuer des actions et résoudre des tâches. Les avantages et les inconvénients de cette approche sont les suivants : **Avantages**: - **Très expressif :** Peut gérer une logique complexe, un flux de contrôle et combiner plusieurs outils. De plus, il prend en charge les boucles, les transformations, le raisonnement, etc. - **Flexible**: Il n’est pas nécessaire de prédéfinir chaque action, car il peut générer dynamiquement de nouvelles actions et de nouveaux outils. - **Raisonnement émergent**: Bien adapté aux problèmes à plusieurs étapes ou à la prise de décision dynamique. **Inconvénients** - **Risque d’erreurs**: Peut produire des erreurs de syntaxe Python ou des exceptions qui doivent être gérées. - **Moins prévisible**: Les résultats peuvent être inattendus ou dangereux. - **Nécessite un environnement sécurisé**: Doit être exécuté dans un contexte d’exécution sûr. Il ne reste plus qu’à lancer votre agent et à le laisser exécuter des tâches ! ### Étape n° 7 : Exécuter une tâche dans l’agent Pour tester les capacités de récupération de données web de votre agent, vous devez écrire une invite appropriée. Par exemple, supposons que vous souhaitiez analyser le sentiment des commentaires sur une vidéo YouTube. Un outil Bright Data MCP récupérera les commentaires, et un script Python généré par le `CodeAgent` effectuera l’analyse du sentiment. Enfin, le code sera exécuté. Il est également utile de disposer du code Python généré pour comprendre le processus et faciliter les extensions futures. Pour ce faire, lancez une invite comme la suivante dans votre agent : ```none prompt = """ Récupérer les 10 premiers commentaires de la vidéo YouTube suivante : Fournir un rapport concis comprenant l'analyse du sentiment, ainsi que des extraits des commentaires réels. """ # Exécuter l'invite dans l'agent agent.run(prompt) ``` La vidéo d’entrée est une [bande-annonce de Black Ops 7](https://www.youtube.com/watch?v=9txkGBj_trg), un jeu vidéo qui n’a pas été bien accueilli par la communauté. Étant donné que la plupart des commentaires sont assez tendancieux, l’analyse des sentiments devrait produire des résultats qui mettent en évidence les réactions négatives. ### Étape n° 8 : Assembler le tout A présent, votre fichier `agent.py` devrait contenir : ```none # pip install "smolagents[mcp,openai]" python-dotenv from dotenv import load_dotenv import os from smolagents import OpenAIServerModel, MCPClient, CodeAgent, ToolCallingAgent from mcp import StdioServerParameters # Chargement des variables d'environnement à partir du fichier .env load_dotenv() # Lire les clés d'API à partir des envs GEMINI_API_KEY = os.getenv("GEMINI_API_KEY") BRIGHT_DATA_API_KEY = os.getenv("BRIGHT_DATA_API_KEY") server_parameters = StdioServerParameters( command="npx", args=["-y", "@brightdata/mcp"], env={ "API_TOKEN" : BRIGHT_DATA_API_KEY, "PRO_MODE" : "true", # Optional }, ) # Initialiser la connexion à Gemini model = OpenAIServerModel( model_id= "gemini-2.5-flash", # URL de base de l'API de Google Gemini compatible avec l'OpenAI api_base="https://generativelanguage.googleapis.com/v1beta/openai/", api_key=GEMINI_API_KEY, ) # Initialiser le client MCP et récupérer les outils with MCPClient(server_parameters, structured_output=True) as tools : # Définir l'agent IA, étendu avec les outils MCP agent = CodeAgent( model=model, tools=outils, stream_outputs=True, ) prompt = """ Récupérer les 10 premiers commentaires de la vidéo YouTube suivante : Fournir un rapport concis comprenant l'analyse des sentiments, ainsi que des extraits des commentaires réels. """ # Exécuter l'invite dans l'agent agent.run(prompt) ``` Comme promis, smolagents répond aux attentes et vous permet de construire un agent IA complet avec intégration MCP en moins de 50 lignes de code. Testez-le en exécutant : ```none python agent.py ``` Supposons que vous l’exécutiez avec le mode Pro activé pour le MCP Web. Le résultat sera une sortie en plusieurs étapes comme celle-ci : ![The Step 1 produced by the smolagents AI agent](https://media.brightdata.com/2025/10/image-141-1024x296.png)Remarquez que, d’après l’invite, l’agent a sélectionné avec succès l’outil Bright Data MCP `web_data_youtube_comments`. Il l’a appelé avec les bons arguments pour atteindre l’objectif. Cet outil est décrit comme suit : “Lire rapidement les données structurées des commentaires youtube. Nécessite une URL de vidéo YouTube valide. Il peut s’agir d’une consultation de cache, donc plus fiable que le scraping”. C’est donc une bonne décision ! Une fois que l’outil a renvoyé les données de commentaires, l’étape 2 de génération du rapport commence : ![Step 2 from the agent](https://media.brightdata.com/2025/10/image-142-1024x562.png)Cette étape génère le rapport final d’analyse des sentiments. En particulier, `CodeAgent` produit tout le code Python pour générer le rapport et l’exécute sur les données récupérées par `web_data_youtube_comments`. Cette approche vous permet de comprendre clairement le processus utilisé par l’IA pour produire le résultat, en supprimant une grande partie de l’effet “boîte noire” habituel des LLM. Le résultat ressemblera à quelque chose comme : ![The produced report](https://media.brightdata.com/2025/10/image-143-1024x679.png)Comme prévu, l’analyse du sentiment est largement négative. Notez que les commentaires référencés dans le rapport correspondent exactement à ce que vous pouvez voir sur la page YouTube de la vidéo : ![The comments in the input YouTube video](https://media.brightdata.com/2025/10/The-live-YouTube-comments-1-1024x518.png)Si vous avez déjà essayé de [récupérer des données sur YouTube](/products/web-scraper/youtube), vous savez à quel point cela peut être difficile en raison des protections anti-bots et des interactions requises avec l’utilisateur. C’est quelque chose que les LLM vanille ne peuvent pas gérer, ce qui démontre la puissance et l’efficacité de l’intégration du MCP Web de Bright Data dans un agent IA smolagents. N’hésitez pas à expérimenter différentes invites de saisie. Grâce à la large gamme d’outils Bright Data MCP de Bright Data, vous pouvez répondre à une [grande variété de cas d’utilisation du monde réel](/ai/web-access). Et voilà ! Vous venez de voir la puissance de la combinaison du Bright Data MCP de Bright Data avec un agent IA de code smolagents en Python. ## Conclusion Dans cet article de blog, vous avez appris à construire un agent IA à base de code à l’aide de smolagents. Vous avez vu comment l’améliorer avec les outils du Bright Data MCP de Bright Data, [qui offre même un niveau gratuit](/blog/ai/web-mcp-free-tier). Cette intégration permet à votre agent d’effectuer des recherches sur le Web, d’extraire des données structurées, d’accéder à des flux de données Web en direct, d’automatiser des interactions Web, etc. Pour créer des agents IA encore plus sophistiqués, explorez la gamme plus large de produits et services prêts pour l’IA disponibles dans l’[écosystème de Bright Data](/ai). Créez un compte Bright Data dès aujourd’hui et commencez à expérimenter nos outils de données Web ! Contacter ventesEssai gratuit![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Table des matières 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=Int%C3%A9grer+le+Bright+Data+MCP+de+Bright+Data+dans+smolagents&u=https://brightdata.fr/blog/ai/smolagents-with-web-mcp) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Int%C3%A9grer+le+Bright+Data+MCP+de+Bright+Data+dans+smolagents&url=https://brightdata.fr/blog/ai/smolagents-with-web-mcp) [ ](http://www.reddit.com/submit?title=Int%C3%A9grer+le+Bright+Data+MCP+de+Bright+Data+dans+smolagents&url=https://brightdata.fr/blog/ai/smolagents-with-web-mcp) ## Vous pourriez aussi être intéressé par [ ![OpenHuman with Bright Data](https://media.brightdata.fr/2026/09/OpenHuman-with-Bright-Data.png) ](https://brightdata.fr/blog/ai/openhuman-with-bright-data "Accès Web Prêt pour la Production dans OpenHuman via le CLI Bright Data") [AI ![Antonello Zanini](https://media.brightdata.fr/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Accès Web Prêt pour la Production dans OpenHuman via le CLI Bright Data Intégrez le CLI Bright Data avec OpenHuman pour permettre un accès web prêt pour la production et la collecte de données pour les agents IA. 09-Sep-2026 14 min de lecture ](https://brightdata.fr/blog/ai/openhuman-with-bright-data) [ ![Multimodal Web Scraping with MiniMax](https://media.brightdata.fr/2026/09/Multimodal-Web-Scraping-with-MiniMax.png) ](https://brightdata.fr/blog/donnees-web/multimodal-web-scraping-with-minimax "Scraping Web Multimodal avec MiniMax") [Données Web ![Antonello Zanini](https://media.brightdata.fr/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Scraping Web Multimodal avec MiniMax Associez Bright Data Web Unlocker avec la vision MiniMax M3 pour extraire des données structurées à partir d’images et de captures d’écran de pages web. 09-Sep-2026 5 min de lecture ](https://brightdata.fr/blog/donnees-web/multimodal-web-scraping-with-minimax) [ ![The 10 Best CLI Tools for Codex in 2026](https://media.brightdata.fr/2026/08/The-10-Best-CLI-Tools-for-Codex-in-2026.png) ](https://brightdata.fr/blog/ai/best-cli-tools-for-codex "Les 10 meilleurs outils CLI pour Codex en 2026 – Testés & Classés") [AI ![Daniel Shashko](https://media.brightdata.fr/2022/04/Daniel-Shashko-2-50x50.png) Daniel Shashko Web Data & AI Expert ### Les 10 meilleurs outils CLI pour Codex en 2026 – Testés & Classés Les 10 outils CLI qui rendent Codex plus rapide et plus capable, en commençant par le Bright Data CLI pour un accès web réel depuis l’intérieur du sandbox. 06-Sep-2026 24 min de lecture ](https://brightdata.fr/blog/ai/best-cli-tools-for-codex)