Comment connecter les modèles Ollama au Web MCP de Bright Data ?

Dans ce tutoriel, vous apprendrez

• Pourquoi vous devriez étendre les modèles Ollama avec les outils du MCP Web de Bright Data.
• Quels sont les outils dont vous avez besoin pour rendre cela possible.
• Ce qu’il faut faire pour commencer.
• Comment intégrer Web MCP dans les modèles Ollama en utilisant MCPHost.
• Comment obtenir le même résultat avec ollmcp.
• Les nouvelles fonctionnalités dont bénéficieront vos modèles Ollama locaux, démontrées dans un exemple complet.

Plongeons dans l’aventure !

Pourquoi étendre les modèles Ollama avec le Web MCP de Bright Data ?

Ollama offre une large gamme de modèles IA qui peuvent être exécutés localement. Cependant, quel que soit le LLM que vous choisissez, ils partagent tous la même limitation : leur connaissance est statique, limitée aux données sur lesquelles ils ont été formés.

Comment surmonter cet obstacle ? En donnant au LLM l’accès à des données fraîches, en temps réel, provenant de la source la plus vaste et la plus riche qui soit, c’est-à-dire le Web. C’est là que le Web MCP de Bright Data entre en jeu !

Le serveur Web MCP étend les modèles Ollama en leur donnant la possibilité de récupérer des données Web actualisées et d’interagir avec des pages Web comme un humain. Cela permet à vos modèles IA de dépasser les limites de leurs connaissances intégrées.

Web MCP fournit plus de 60 outils prêts pour l’IA, tous alimentés par l’infrastructure de Bright Data pour l’interaction web et la collecte de données. Même avec la version gratuite, vous avez accès à deux outils très utiles :

Au-delà de ces outils, Web MCP comprend des outils pour l’interaction avec les navigateurs en nuage et des dizaines d’outils spécialisés pour les flux de données structurés à travers des plateformes telles que YouTube, Amazon, LinkedIn, TikTok, Google Maps, et bien plus encore.

Ajouter des outils MCP aux modèles Ollama

A ce jour, l’application de bureau Ollama ne supporte pas directement l’intégration de MCP (voir les mises à jour sur l’issue officielle GitHub). Cela signifie que si vous souhaitez intégrer des modèles Ollama avec des outils MCP, vous devez vous appuyer sur des solutions tierces.

Les solutions les plus populaires pour utiliser Ollama avec MCP sont :

• MCPHost: Une application hôte CLI qui permet aux LLM d’interagir avec des outils externes via MCP. Elle prend actuellement en charge les modèles Claude, OpenAI, Google Gemini et Ollama.
• Client MCP pour Ollama (ollmcp): Une TUI (Text-based User Interface) moderne qui connecte les LLM locaux d’Ollama à un ou plusieurs serveurs MCP, permettant l’utilisation d’outils avancés et l’automatisation du flux de travail.

D’autres solutions possibles incluent Dolphin MCP, ollama-mcp-bridge, et d’autres. Dans ce guide, nous nous concentrerons sur les deux premières, car elles sont les plus largement utilisées et supportées.

Conditions préalables

Dans cette section, vous allez mettre en place tous les prérequis nécessaires à l’intégration de Bright Data Web MCP avec Ollama, en utilisant à la fois MCPHost et MCP Client for Ollama(ollmcp), le tout dans un environnement local.

Avant de commencer, assurez-vous que

• Node.js installé localement (nous recommandons de télécharger la dernière version LTS) pour exécuter le serveur MCP Web de Bright Data localement.
• Au moins 16 Go de RAM et un processeur moderne pour faire fonctionner Ollama sans problème sur votre machine.

Une compréhension de base du fonctionnement de MCP et des outils exposés par Web MCP sera également utile.

A la fin de cette section, vous aurez :

1. Ollama installé et configuré localement, fonctionnant et prêt à être intégré à Bright Data Web MCP.
2. Un compte Bright Data avec une clé API pour l’authentification de Web MCP.
3. La confirmation que votre machine peut exécuter avec succès le serveur Web MCP localement.

Suivez les sections ci-dessous !

Configuration d’Ollama

Si vous ne l’avez pas encore fait, téléchargez Ollama pour votre système d’exploitation et installez-le. Ensuite, assurez-vous de récupérer quelques modèles, tels que gpt-oss, qwen3, deepseek-r1, llama3.2, ou tout autre modèle que vous préférez.

Extrayez les modèles à l’aide de la commande suivante :

ollama pull <nom_du_modèle>

Remplacez <nom_modèle> par le nom d’un des modèles LLM Ollama disponibles.

MCPHost et ollmcp nécessitent qu’Ollama soit lancé localement. Démarrez donc Ollama avec :

ollama serve

Cette commande lance Ollama en mode serveur sans ouvrir l’application de bureau.

Important: Par défaut, Ollama démarre avec une longueur de contexte limitée à 4096 tokens, ce qui est généralement trop faible pour des tâches plus importantes. Vous pouvez l’augmenter à 40 000 jetons (ou le maximum supporté par le modèle que vous avez choisi) en utilisant les commandes suivantes :
Sous macOS/Linux, exécutez :

OLLAMA_CONTEXT_LENGTH=40000 ollama serve

Ou, sous Windows (PowerShell), exécutez :

$Env:OLLAMA_CONTEXT_LENGTH=40000 ; ollama serve

Cela garantit que votre modèle Ollama peut gérer des contextes plus longs sans troncature.

C’est génial ! Ollama est maintenant configuré et prêt à être intégré au serveur Web MCP de Bright Data.

Récupérez votre clé API Bright Data

Le serveur Web MCP est authentifié à l’aide de votre clé d’API Bright Data. Pour l’obtenir, commencez par créer un compte Bright Data. Sinon, si vous avez déjà un compte, connectez-vous simplement.

Ensuite, suivez les étapes du guide officiel pour générer votre clé API Bright Data. Conservez-la dans un endroit sûr, car vous en aurez besoin prochainement.

Remarque: il est recommandé de configurer une clé API avec des autorisations d’administrateur, car cela facilite grandement le processus d’intégration de Web MCP.

Tester le Web MCP localement

Avant d’intégrer les modèles Ollama avec le Web MCP de Bright Data, vous devez vérifier que votre machine peut effectivement exécuter le serveur.

Pour une installation rapide, connectez-vous à votre compte Bright Data et reportez-vous aux instructions de la page “MCP” :

Sinon, pour plus d’informations, suivez les instructions ci-dessous.

Installez le Web MCP globalement sur votre machine via cette commande npm :

npm install -g @brightdata/mcp

Vérifiez que le serveur MCP fonctionne en l’exécutant :

API_TOKEN="<Votre_clé_API_BRIGHT_DATA>" npx -y @brightdata/mcp

Ou, de manière équivalente, en PowerShell :

$Env:API_TOKEN="<Votre_BRIGHT_DATA_API_KEY>" ; npx -y @brightdata/mcp

Remplacez le caractère générique <YOUR_BRIGHT_DATA_API> par la clé API de Bright Data que vous avez récupérée plus tôt. Ces commandes définissent la variable d’environnement API_TOKEN requise et lancent le Web MCP localement en exécutant le package @brightdata/mcp.

En cas de succès, vous devriez obtenir un résultat similaire à celui-ci :

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.
• mcp_browser: Une zone pour Browser API.

Web MCP s’appuie sur ces deux produits Bright Data pour alimenter ses plus de 60 outils.

Si vous souhaitez vérifier que les zones ont été configurées, accédez à la page “Proxy & Infrastructure de scraping” dans votre tableau de bord Bright Data. Vous devriez voir les deux zones dans le tableau :

Remarque: si votre jeton API ne dispose pas des autorisations Admin, les deux zones ne seront pas créées. Dans ce cas, vous devez les définir manuellement et les définir via des variables d’environnement , comme indiqué sur GitHub.

Sur le niveau gratuit de Web MCP, le serveur MCP n’expose que les outils search_engine et scrape_as_markdown (et leurs versions batch). Pour déverrouiller tous les autres outils, vous devez activer le mode Pro **en définissant la variable d’environnement PRO_MODE="true":

API_TOKEN="<Votre_API_BRIGHT_DATA>" PRO_MODE="true" npx -y @brightdata/mcp

Ou, sous Windows :

$Env:API_TOKEN="<Votre_BRIGHT_DATA_API>" ; $Env:PRO_MODE="true" ; npx -y @brightdata/mcp

Le mode Pro permet de débloquer les 60+ outils, mais il n’est pas inclus dans la version gratuite. Il entraînera donc des frais supplémentaires.

Parfait ! Vous venez de vérifier que le serveur Web MCP fonctionne sur votre machine. Maintenant, arrêtez le processus MCP, car vous allez configurer les clients MCP pour qu’ils le lancent et s’y connectent.

Comment intégrer Bright Data Web MCP dans Ollama avec MCPHost

Dans cette section étape par étape, vous apprendrez à intégrer un modèle Ollama avec une instance locale de Bright Data Web MCP à l’aide de MCPHost.

Conditions préalables

En plus des prérequis précédents, Go 1.23+ doit être installé sur votre système. Il est nécessaire de configurer et d’exécuter MCPHost.

Etape #1 : Installer MCPHost

Installez MCPHost en utilisant la commande ci-dessous :

go install github.com/mark3labs/mcphost@latest

Vous pouvez maintenant lancer MCPHost en utilisant l’outil de ligne de commande mcphost.

Note : MCPHost peut également être utilisé de manière programmatique dans des scripts Go via son SDK.

Étape 2 : Configurer l’outil et se familiariser avec lui

Pour démarrer MCPHost avec un modèle Ollama spécifique, exécutez la commande suivante :

mcphost -m ollama:<nom_du_modèle>

Remplacez <nom_modèle> par le nom du modèle Ollama que vous souhaitez que MCPHost utilise.

Si le modèle spécifié n’est pas disponible localement, il sera automatiquement extrait pour vous. Une fois chargé, c’est l’interface utilisateur que vous verrez dans le CLI :

Reportez-vous à la documentation pour obtenir la liste complète des commandes disponibles. Par exemple, l’exécution de la commande /tools affichera :

Vous ne verrez aucun outil, car vous devez encore spécifier une intégration MCP.

Étape 3 : Créer le fichier de configuration de la connexion Web MCP

Par défaut, MCPHost recherche la configuration globale dans ~/.mcphost.yml ou~/.mcphost.json sur macOS et Linux, et dans %USERPROFILE%.mcphost.yml ou %USERPROFILE%.mcphost.json sur Windows.

Ici, nous allons définir une configuration pour se connecter à Web MCP en utilisant un fichier YAML local. Si vous préférez une configuration globale, vous pouvez mettre à jour les fichiers mentionnés ci-dessus.

Dans le dossier de votre projet, créez un fichier nommé bd-web-mcp.yml avec le contenu suivant :

mcpServers :
  bright-data-web-mcp :
    type : "local"
    command : ["npx", "-y", "@brightdata/mcp"]
    environnement :
      API_TOKEN : "<VOTRE_CLÉ_API_DATA_BRIGHT>"
      PRO_MODE : "true"

La configuration ci-dessus reflète la commande npx utilisée précédemment, en utilisant les variables d’environnement suivantes :

• API_TOKEN est nécessaire. Définissez-la sur votre clé API Bright Data.
• PRO_MODE est facultatif. Vous pouvez la supprimer si vous préférez ne pas activer le mode Pro.

En d’autres termes, ce fichier de configuration indique à MCPHost comment lancer le serveur Web MCP localement et s’y connecter.

Etape #4 : Connecter le modèle Ollama à Web MCP**

Vous pouvez maintenant Commencer MCPHost pour l’intégration de Web MCP dans Ollama en utilisant la commande suivante :

mcphost -m ollama:<nom_du_modèle> --config "./bd-web-mcp.yml"

Par exemple, pour lancer MCPHost avec le modèle qwen2.5:0.5b :

mcphost -m ollama:qwen2.5:0.5b --config "./bd-web-mcp.yml

Le résultat ressemblera à ceci :

Remarquez que le modèle Ollama a maintenant accès à plus de 60 outils exposés par votre instance Web MCP locale. Vous pouvez le vérifier en lançant la commande /tools dans le CLI, qui affichera une liste comme celle-ci :

Si le serveur MCP a été configuré en mode Pro, vous verrez plus de 60 outils. Sinon, seuls les 4 outils disponibles dans la version gratuite(search_engine, scrape_as_markdown, et leurs versions batch) seront accessibles.

C’est fait ! Votre modèle Ollama est maintenant configuré pour fonctionner avec les outils Web MCP de Bright Data.

Configuration de Bright Data Web MCP dans Ollama via ollmcp

Dans cette section, vous serez guidé dans la connexion des modèles Ollama locaux à une instance locale du serveur Web MCP de Bright Data en utilisant ollmcp, leclient MCP pour Ollama.

Conditions préalables

Pour suivre cette section du tutoriel, en plus des prérequis précédents, vous devez avoir installé Python 3.10+ localement. Ceci est nécessaire pour installer et lancer ollmcp.

Etape #1 : Démarrer avec ollmcp

Installez ollmcp localement en utilisant la commande suivante :

pip install --upgrade ollmcp

Remarque: vous pouvez également exécuter cette commande dans un environnement virtuel, si vous le souhaitez.

Vérifiez que le client MCP pour Ollama est correctement installé en le lançant :

ollmcp

Vous devriez voir la vue ci-dessous :

Par défaut, ollmcp utilise qwen2.5:7b comme modèle initial. Notez également que le client ne détecte pas encore d’outils MCP, ce qui est normal.

Etape #2 : Configurer un LLM

Lancez ollmcp avec un modèle Ollama spécifique via l’option --model (ou -m). Ainsi, la commande de lancement deviendrait :

ollmcp --model <nom_du_modèle>

Ou, de manière équivalente :

ollmcp -m <nom_du_modèle>

Où <nom_modèle> est le nom du modèle Ollama souhaité.

Vous pouvez également configurer le modèle à partir du CLI en utilisant la commande model:

Sélectionnez ensuite le modèle que vous souhaitez utiliser. Pour plus d’informations sur les drapeaux et options disponibles, reportez-vous à la documentation officielle.

Étape 3 : Ajouter le fichier de configuration Web MCP

ollmcp supporte plusieurs options pour l’intégration du serveur MCP:

• --mcp-server, -s: Chemin d’accès à un ou plusieurs scripts de serveur MCP (.py ou .js). Il peut être spécifié plusieurs fois.
• --mcp-server-url, -u: URL d’un ou de plusieurs serveurs MCP SSE ou HTTP streamable. Vous pouvez la spécifier plusieurs fois.
• --servers-json, -j: chemin d’accès à un fichier JSON contenant des configurations de serveur dans un format spécifique.
• --auto-discovery, -a: Découvrir automatiquement les serveurs à partir du fichier de configuration par défaut de Claude (comportement par défaut si aucune autre option n’est fournie).

Dans ce guide, nous allons utiliser un fichier JSON personnalisé, qui est similaire à Claude et l’une des options les plus simples.

Dans le dossier de votre projet, créez un fichier nommé bd-web-mcp.json. Remplissez-le comme suit :

{
  "mcpServers" : {
    "bright-data-web-mcp" : {
      "command" : "npx",
      "args" : ["-y", "@brightdata/mcp"],
      "env" : {
        "API_TOKEN" : "<VOTRE_CLÉ_API_DATA_BRIGHT>",
        "PRO_MODE" : "true"
      }
    }
  }
}

La configuration ci-dessus reflète la commande npx testée précédemment, en utilisant ces variables d’environnement :

• API_TOKEN est nécessaire. Remplacez le caractère générique <YOUR_BRIGHT_DATA_API_KEY> par votre clé d’API Bright Data.
• PRO_MODE est facultatif. Vous pouvez donc le supprimer si vous ne souhaitez pas activer le mode Pro.

En termes plus simples, ce fichier JSON indique au client MCP pour Ollama comment démarrer le serveur Web MCP localement et s’y connecter.

Etape 4 : Se connecter au Web MCP

Utilisez l’option --servers-json pour spécifier le fichier bd-web-mcp.json que vous avez créé plus tôt et connectez-vous au serveur Web MCP :

ollmcp --servers-json .bd-web-mcp.json

Voici ce que vous devriez obtenir :

Comme vous pouvez le constater, le modèle dans ollmcp a maintenant accès à plus de 60 outils exposés par votre instance locale du serveur Web MCP. Si vous avez configuré le serveur sans activer le mode Pro, seuls quelques outils (tels que search_engine, scrape_as_markdown, et leurs versions batch) seront disponibles.

Vous pouvez également lister tous les outils disponibles en lançant la commande tools dans le CLI :

Vous avez réussi à intégrer votre modèle Ollama avec le MCP Web. Mission accomplie !

Tirer profit des outils du Web MCP dans les modèles Ollama

Quel que soit le chemin choisi pour l’intégration de Web MCP dans Ollama, le résultat est le même : un modèle Ollama étendu par les outils du serveur Web MCP de Bright Data.

Cela signifie que votre modèle Ollama a désormais accès aux outils de recherche sur le web, de Scraping web, d’intégration de pages de navigateurs, de récupération de données web, et bien plus encore. Cela permet à votre modèle de couvrir un large éventail de cas d’utilisation qui ne sont normalement pas disponibles pour les LLM standard.

Par exemple, vous pouvez utiliser votre LLM pour la vérification des faits via des outils de recherche sur le Web, le résumé d’articles d’actualité à partir d’une URL à l’aide d’outils de scraping, l’interaction avec le Web dans un système d’IA agentique, et bien d’autres tâches encore.

Pour mieux présenter les fonctionnalités du serveur Web MCP, configurez-le en mode Pro. Ensuite, utilisez ollmcp avec le modèle llama3.2 (ou MCPHost) :

ollmcp --model llama3.2 --servers-json .bd-web-mcp.json

Essayez une invite comme celle-ci :

Récupérer les données du profil TikTok à partir de l'URL de profil TikTok suivante : 
"https://www.tiktok.com/@khaby.lame". 
Renvoyez les statistiques de l'influenceur clé dans un rapport en Markdown, et incluez un commentaire final sur le fait que cet utilisateur pourrait être un bon candidat pour une collaboration visant à promouvoir notre climatiseur, compte tenu de son audience.

Il s’agit là d’un excellent exemple de tâche nécessitant des capacités de récupération de données sur le web.

Le résultat ressemblera à ceci :

Le modèle Ollama analyse votre demande et sélectionne l’outil web_data_tiktok_profiles de Web MCP. Cet outil est défini comme suit : “Lecture rapide des données structurées du profil TikTok. Requiert une URL de profil TikTok valide. Souvent plus rapide et plus fiable que le scraping”. C’était donc l’outil idéal.

On vous demandera l’autorisation d’exécuter l’outil. Tapez y et appuyez sur Entrée pour exécuter l’invite. Cela lance une tâche asynchrone de TikTok Scraper sur l’infrastructure de Bright Data. Une fois que les données de profil structurées sont prêtes, Ollama les traite.

Cette fois-ci, le rapport obtenu est le suivant :

**Profil:**
- **Nom de famille:** Khabane Lame
- **Vérifié:** Oui
- **Suiveurs:** 161 100 000
- **Suivi:** 83
- **Compte créé:** 10 août 2016
- Langue du profil:** Anglais
- **Biographie:** "Se vuoi ridere sei nel posto giusto. Si vous voulez rire, vous êtes au bon endroit".
- Lien du profil:** [TikTok Profile](https://www.tiktok.com/@khaby.lame)

**Taux d'engagement:**
- Taux d'engagement moyen:** 0,61%.
- Taux d'engagement des likes:** 0.60%
- Taux d'engagement des commentaires:** 0.009%.

**Aperçu du contenu:**
- Total des vidéos:** 1,293
- Top Videos Playcount Range:** 1.4M - 209.3M
- Top Vidéos Favoris:** 1,199 - 287,000
- Top Vidéos Commentaires:** 1,035 - 87,000

**Aperçu de l'audience:**
- Le contenu est très comique et s'adresse à un public international à la recherche de contenu léger et humoristique.
- L'engagement est fort en termes de likes et de partages, bien que l'engagement des commentaires soit comparativement faible.

**Potentiel de collaboration
L'audience massive et l'attrait mondial de Khabane Lame en font un candidat de choix pour la promotion d'une marque. Cependant, son créneau est l'humour et le divertissement viral. Collaborer à une campagne sur les climatiseurs nécessiterait un angle créatif et humoristique qui correspondrait naturellement à son style de contenu. La promotion pure et simple d'un produit risque de ne pas trouver d'écho, à moins qu'elle ne soit liée à des scénarios comiques ou racontables (par exemple, échapper à la chaleur de manière amusante). 

Comme vous pouvez le constater, ce rapport contient toutes les données du profil TikTok de Khaby Lame, y compris des analyses pertinentes telles que les taux d’engagement.

Le commentaire final souligne que l’influenceur sélectionné n’est pas forcément idéal pour promouvoir un climatiseur, ce qui est exactement ce que vous voulez déterminer.

Maintenant, essayez d’expérimenter avec d’autres messages et explorez les capacités Web MCP d’Ollama !

Conclusion

Dans cet article de blog, vous avez appris à exploiter les outils MCP dans Ollama. En particulier, vous avez vu comment améliorer les modèles Ollama locaux avec les outils du Web MCP de Bright Data, exécutés localement via le package @brightdata/mcp.

Cette intégration dote votre modèle de capacités de recherche sur le web, d’extraction de données structurées, de flux de données web en direct, d’interactions web automatisées, et bien plus encore.

Pour créer des agents IA encore plus avancés, explorez la suite complète d’outils et de services prêts pour l’IA disponibles dans l’écosystème de Bright Data.

Ouvrez un compte Bright Data gratuit dès aujourd’hui et mettez la main sur nos outils de données Web !