So verbinden Sie Ollama-Modelle mit dem Web MCP von Bright Data

In diesem Lernprogramm lernen Sie:

• Warum Sie Ollama-Modelle mit den Tools von Bright Data’s Web MCP erweitern sollten.
• Welche Tools Sie benötigen, um dies zu ermöglichen.
• Was Sie tun müssen, um loszulegen.
• Wie Sie Web MCP mit MCPHost in Ollama-Modelle integrieren.
• Wie Sie das gleiche Ergebnis mit ollmcp erreichen.
• Die neuen Funktionen, die Ihre lokalen Ollama-Modelle erhalten werden, demonstriert an einem vollständigen Beispiel.

Lassen Sie uns eintauchen!

Warum Ollama-Modelle mit dem Web MCP von Bright Data erweitern?

Ollama bietet eine breite Palette von KI-Modellen, die lokal ausgeführt werden können. Unabhängig davon, für welches LLM Sie sich entscheiden, haben sie jedoch alle dieselbe Einschränkung: Ihr Wissen ist statisch und auf die Daten beschränkt , mit denen sie trainiert wurden.

Wie können Sie diese Hürde überwinden? Indem Sie dem LLM Zugang zu frischen Echtzeitdaten aus der größten und reichhaltigsten verfügbaren Quelle geben, nämlich dem Web. Genau hier kommt der Web MCP von Bright Data ins Spiel!

Der Web MCP-Server erweitert die Ollama-Modelle um die Fähigkeit, aktuelle Webdaten abzurufen und mit Webseiten wie ein Mensch zu interagieren. So können Ihre KI-Modelle ihre eingebauten Wissensgrenzen überwinden.

Web MCP bietet über 60 KI-fähige Tools, die alle auf der Infrastruktur von Bright Data für Webinteraktion und Datenerfassung basieren. Schon mit der kostenlosen Version erhalten Sie Zugang zu zwei äußerst nützlichen Tools:

Tool	Beschreibung
such_engine	Rufen Sie Suchergebnisse von Google, Bing oder Yandex in JSON oder Markdown ab.
scrape_als_markdown	Scrape eine beliebige Webseite in ein sauberes Markdown-Format und umgehe dabei Bot-Erkennung und CAPTCHA.

Darüber hinaus umfasst Web MCP Tools für die Interaktion mit Cloud-Browsern und Dutzende von spezialisierten Tools für strukturierte Datenfeeds über Plattformen wie YouTube, Amazon, LinkedIn, TikTok, Google Maps und andere.

MCP-Tools zu Ollama-Modellen hinzufügen

Zum jetzigen Zeitpunkt unterstützt die Ollama-Desktop-Anwendung keine direkte MCP-Integration (siehe Updates auf der offiziellen GitHub-Seite). Das bedeutet, dass Sie, wenn Sie Ollama-Modelle mit MCP-Tools integrieren möchten, auf Lösungen von Drittanbietern zurückgreifen müssen.

Die beliebtesten Lösungen für die Verwendung von Ollama mit MCP sind:

• MCPHost: Eine CLI-Host-Anwendung, die es LLMs ermöglicht, über MCP mit externen Tools zu interagieren. Sie unterstützt derzeit Claude, OpenAI, Google Gemini und Ollama-Modelle.
• MCP-Client für Ollama (ollmcp): Eine moderne TUI (textbasierte Benutzeroberfläche), die lokale Ollama-LLMs mit einem oder mehreren MCP-Servern verbindet und so eine erweiterte Werkzeugnutzung und Workflow-Automatisierung ermöglicht.

Andere mögliche Lösungen sind Dolphin MCP, ollama-mcp-bridge, und andere. In diesem Leitfaden werden wir uns auf die ersten beiden konzentrieren, da sie am häufigsten verwendet und unterstützt werden.

Voraussetzungen

In diesem Abschnitt werden Sie alle Voraussetzungen einrichten, die für die Integration von Bright Data Web MCP mit Ollama erforderlich sind, wobei Sie sowohl MCPHost als auch MCP-Client für Ollama(ollmcp) in einer lokalen Umgebung verwenden.

Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:

• Node.js muss lokal installiert sein (wir empfehlen den Download der neuesten LTS-Version), damit der Bright Data Web MCP-Server lokal ausgeführt werden kann.
• Mindestens 16 GB RAM und eine moderne CPU, um Ollama reibungslos auf Ihrem Rechner auszuführen.

Ein grundlegendes Verständnis der Funktionsweise von MCP und der von Web MCP bereitgestellten Tools ist ebenfalls hilfreich.

Am Ende dieses Abschnitts werden Sie Folgendes haben:

1. Ollama ist lokal installiert und konfiguriert, läuft und ist bereit für die Integration mit Bright Data Web MCP.
2. Ein Bright Data-Konto mit einem API-Schlüssel für die Web MCP-Authentifizierung.
3. Die Bestätigung, dass Ihr Computer den Web MCP-Server erfolgreich lokal ausführen kann.

Folgen Sie den nachstehenden Abschnitten!

Einrichten von Ollama

Falls Sie dies noch nicht getan haben, laden Sie Ollama für Ihr Betriebssystem herunter und installieren Sie es. Stellen Sie dann sicher, dass Sie einige Modelle, wie gpt-oss, qwen3, deepseek-r1, llama3.2 oder andere, die Sie bevorzugen, herunterladen.

Ziehen Sie die Modelle mit dem folgenden Befehl:

ollama pull <Modell_name>

Ersetzen Sie <Modellname> durch den Namen eines der verfügbaren LLM-Modelle von Ollama.

Sowohl MCPHost als auch ollmcp erfordern, dass Ollama lokal ausgeführt wird. Starten Sie also Ollama mit:

ollama serve

Dieser Befehl startet Ollama im Servermodus, ohne die Desktop-Anwendung zu öffnen.

Wichtig: Standardmäßig startet Ollama mit einer auf 4096 Token begrenzten Kontextlänge, was für größere Aufgaben in der Regel zu wenig ist. Sie können sie mit den folgenden Befehlen auf 40.000 Token erhöhen (oder auf das Maximum, das von dem von Ihnen gewählten Modell unterstützt wird):
Unter macOS/Linux führen Sie aus:

OLLAMA_CONTEXT_LENGTH=40000 ollama serve

Oder, unter Windows (PowerShell), führen Sie aus:

$Env:OLLAMA_CONTEXT_LENGTH=40000; ollama serve

Dadurch wird sichergestellt, dass Ihr Ollama-Modell längere Kontexte ohne Abschneiden verarbeiten kann.

Großartig! Ollama ist nun konfiguriert und bereit für die Integration mit dem Bright Data Web MCP-Server.

Abrufen des Bright Data-API-Schlüssels

Der Web MCP-Server wird mit Ihrem Bright Data-API-Schlüssel authentifiziert. Um einen solchen Schlüssel zu erhalten, müssen Sie zunächst ein Bright Data-Konto erstellen. Wenn Sie bereits ein Konto besitzen, melden Sie sich einfach an.

Befolgen Sie dann die Schritte in der offiziellen Anleitung, um Ihren Bright Data-API-Schlüssel zu generieren. Bewahren Sie ihn an einem sicheren Ort auf, da Sie ihn in Kürze benötigen werden.

Hinweis: Es wird empfohlen, einen API-Schlüssel mit Verwaltungsberechtigungen einzurichten, da dies den Web MCP-Integrationsprozess erheblich vereinfacht.

Testen Sie den Web MCP vor Ort

Bevor Sie Ollama-Modelle mit dem Bright Data Web MCP integrieren, müssen Sie überprüfen, ob Ihr Computer den Server tatsächlich ausführen kann.

Für eine schnelle Einrichtung melden Sie sich bei unserem Bright Data-Konto an und lesen Sie die Anweisungen auf der Seite “MCP“:

Andernfalls folgen Sie bitte den nachstehenden Anweisungen, um weitere Informationen zu erhalten.

Installieren Sie den Web MCP mit diesem npm-Befehl global auf Ihrem Computer:

npm install -g @brightdata/mcp

Überprüfen Sie, ob der MCP-Server funktioniert, indem Sie ihn ausführen:

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

Oder, äquivalent, in PowerShell:

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

Ersetzen Sie den Platzhalter <YOUR_BRIGHT_DATA_API> durch das Bright Data-API-Token, das Sie zuvor abgerufen haben. Diese Befehle setzen die erforderliche API_TOKEN-Umgebungsvariable und starten den Web MCP lokal durch Ausführen des Pakets @brightdata/mcp.

Bei Erfolg sollten Sie eine Ausgabe ähnlich der folgenden sehen:

Beim ersten Start erstellt die Web MCP automatisch zwei Standardzonen in Ihrem Bright Data-Konto:

• mcp_unlocker: Eine Zone für Web Unlocker.
• mcp_browser: Eine Zone für Browser API.

Web MCP stützt sich auf diese beiden Bright Data-Produkte, um seine über 60 Tools zu betreiben.

Wenn Sie überprüfen möchten, ob die Zonen eingerichtet wurden, rufen Sie die Seite “Proxies & Scraping-Infrastruktur” in Ihrem Bright Data-Dashboard auf. Sie sollten die beiden Zonen in der Tabelle sehen:

Hinweis: Wenn Ihr API-Token nicht über Admin-Berechtigungen verfügt, werden die beiden Zonen nicht erstellt. In diesem Fall müssen Sie sie manuell definieren und über Umgebungsvariablen festlegen , wie auf GitHub gezeigt.

Auf der kostenlosen Web MCP-Stufe stellt der MCP-Server nur die Tools search_engine und scrape_as_markdown (und ihre Batch-Versionen) zur Verfügung. Um alle anderen Tools freizuschalten, müssen Sie den Pro-Modus **durch Setzen der Umgebungsvariablen PRO_MODE="true" aktivieren:

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

Oder, unter Windows:

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

Der Pro-Modus schaltet alle 60+ Werkzeuge frei, ist aber nicht in der kostenlosen Version enthalten. Es fallen also zusätzliche Kosten an.

Perfekt! Sie haben soeben sichergestellt, dass der Web-MCP-Server auf Ihrem Rechner läuft. Beenden Sie nun den MCP-Prozess, da Sie als Nächstes die MCP-Clients für den Start und die Verbindung mit dem Server konfigurieren werden.

So integrieren Sie Bright Data Web MCP mit MCPHost in Ollama

In diesem Abschnitt erfahren Sie Schritt für Schritt, wie Sie ein Ollama-Modell mit einer lokalen Instanz von Bright Data Web MCP mithilfe von MCPHost integrieren können.

Voraussetzungen

Neben den oben genannten Voraussetzungen müssen Sie Go 1.23+ auf Ihrem System installiert haben. Dies ist erforderlich, um MCPHost einzurichten und auszuführen.

Schritt #1: MCPHost installieren

Installiere MCPHost mit dem folgenden Befehl:

go install github.com/mark3labs/mcphost@latest

Nun können Sie MCPHost mit dem Befehlszeilentool mcphost starten.

Hinweis: MCPHost kann auch programmatisch in Go-Skripten über sein SDK verwendet werden.

Schritt #2: Konfigurieren Sie das Tool und machen Sie sich mit ihm vertraut

Um MCPHost mit einem bestimmten Ollama-Modell zu starten, führen Sie den folgenden Befehl aus:

mcphost -m ollama:<Modell_name>

Ersetzen Sie <model_name> durch den Namen des Ollama-Modells, das MCPHost verwenden soll.

Wenn das angegebene Modell nicht lokal verfügbar ist, wird es automatisch für Sie geladen. Nach dem Laden ist dies die Benutzeroberfläche, die Sie in der CLI sehen:

Eine vollständige Liste der verfügbaren Befehle finden Sie in der Dokumentation. Wenn Sie zum Beispiel den Befehl /tools ausführen, wird Folgendes angezeigt:

Sie sehen keine Tools, da Sie noch eine MCP-Integration angeben müssen.

Schritt Nr. 3: Erstellen der Konfigurationsdatei für die Web-MCP-Verbindung

Standardmäßig sucht MCPHost nach einer Konfiguration auf globaler Ebene in ~/.mcphost.yml oder~/.mcphost.json unter macOS und Linux und in %USERPROFILE%.mcphost.yml oder %USERPROFILE%.mcphost.json unter Windows.

Hier werden wir eine Konfiguration für die Verbindung zu Web MCP mit einer lokalen YAML-Datei definieren. Wenn Sie eine globale Konfiguration bevorzugen, können Sie die oben genannten Dateien aktualisieren.

Erstellen Sie in Ihrem Projektordner eine Datei namens bd-web-mcp.yml mit folgendem Inhalt:

mcpServers:
  bright-data-web-mcp:
    type: "local"
    Befehl: ["npx", "-y", "@brightdata/mcp"]
    Umgebung:
      API_TOKEN: "<IHR_BRIGHT_DATA_API_KEY>"
      PRO_MODE: "true"

Die obige Einrichtung entspricht dem zuvor verwendeten npx-Befehl, der die folgenden Umgebungsvariablen verwendet:

• API_TOKEN ist erforderlich. Setzen Sie sie auf Ihren Bright Data-API-Schlüssel.
• PRO_MODE ist optional. Sie können sie entfernen, wenn Sie den Pro-Modus nicht aktivieren möchten.

Mit anderen Worten: Diese Konfigurationsdatei weist MCPHost an, den Web-MCP-Server lokal zu starten und eine Verbindung zu ihm herzustellen.

Schritt #4: Verbinden Sie das Ollama-Modell mit Web MCP**

Sie können nun MCPHost für die Web MCP-Integration in Ollama mit folgendem Befehl starten:

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

Zum Beispiel, um MCPHost mit dem Modell qwen2.5:0.5b zu starten:

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

Das Ergebnis sieht wie folgt aus:

Beachten Sie, dass das Ollama-Modell nun Zugriff auf mehr als 60 Tools hat, die von Ihrer lokalen Web-MCP-Instanz bereitgestellt werden. Sie können dies überprüfen, indem Sie den Befehl /tools in der CLI ausführen, der eine Liste wie diese anzeigt:

Wenn der MCP-Server im Pro-Modus konfiguriert wurde, werden mehr als 60 Tools angezeigt. Andernfalls sind nur die 4 Tools der kostenlosen Version(search_engine, scrape_as_markdown und ihre Batch-Versionen) verfügbar.

Geschafft! Ihr Ollama-Modell ist nun für die Verwendung mit den Web MCP-Tools von Bright Data konfiguriert.

Einrichten von Bright Data’s Web MCP in Ollama über ollmcp

In diesem Abschnitt werden Sie durch die Verbindung lokaler Ollama-Modelle mit einer lokalen Bright Data Web MCP-Serverinstanz mithilfe von ollmcp, demMCP-Client für Ollama, geführt.

Voraussetzungen

Zusätzlich zu den oben genannten Voraussetzungen müssen Sie Python 3.10+ lokal installiert haben, um diesen Abschnitt des Lernprogramms zu absolvieren. Dies ist erforderlich, um ollmcp zu installieren und auszuführen.

Schritt #1: Erste Schritte mit ollmcp

Installieren Sie ollmcp lokal mit dem folgenden Befehl:

pip install --upgrade ollmcp

Hinweis: Sie können diesen Befehl auch innerhalb einer virtuellen Umgebung ausführen, wenn Sie dies bevorzugen.

Überprüfen Sie, ob der MCP-Client für Ollama korrekt installiert ist, indem Sie ihn starten:

ollmcp

Sie sollten die unten stehende Ansicht sehen:

Standardmäßig verwendet ollmcp qwen2.5:7b als Ausgangsmodell. Beachten Sie auch, dass der Client noch keine MCP-Tools erkennt, was zu erwarten ist.

Schritt #2: Konfigurieren Sie einen LLM

Starten Sie ollmcp mit einem bestimmten Ollama-Modell über das --model (oder -m) Flag. Der Startbefehl würde also lauten:

ollmcp --model <model_name>

Oder, äquivalent dazu:

ollmcp -m <Modell_name>

Dabei ist <Modellname> der Name des gewünschten Ollama-Modells.

Alternativ können Sie das Modell auch über die CLI mit dem Befehl model konfigurieren:

Wählen Sie dann das gewünschte Modell aus. Weitere Informationen zu den verfügbaren Flags und Optionen finden Sie in der offiziellen Dokumentation.

Schritt #3: Hinzufügen der Web MCP-Konfigurationsdatei

ollmcp unterstützt mehrere Optionen für die MCP-Server-Integration:

• --mcp-server, -s: Pfad zu einem oder mehreren MCP-Server-Skripten (.py oder .js). Er kann mehrfach angegeben werden.
• --mcp-server-url, -u: URL zu einem oder mehreren SSE- oder streamingfähigen HTTP-MCP-Servern. Sie können diese mehrfach angeben.
• --servers-json, -j: Pfad zu einer JSON-Datei mit Serverkonfigurationen in einem bestimmten Format.
• --auto-discovery, -a: Automatische Erkennung von Servern aus der Standardkonfigurationsdatei von Claude (Standardverhalten, wenn keine anderen Optionen angegeben werden).

In dieser Anleitung werden wir eine benutzerdefinierte JSON-Datei verwenden, die Claude-ähnlich ist und eine der einfachsten Optionen darstellt.

Erstellen Sie in Ihrem Projektordner eine Datei namens bd-web-mcp.json. Füllen Sie sie wie folgt aus:

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

Die obige Konfiguration spiegelt den zuvor getesteten npx-Befehl wider, wobei diese Umgebungsvariablen verwendet werden:

• API_TOKEN ist erforderlich. Ersetzen Sie den Platzhalter <YOUR_BRIGHT_DATA_API_KEY> durch Ihren Bright Data-API-Schlüssel.
• PRO_MODE ist optional. Sie können ihn also entfernen, wenn Sie den Pro-Modus nicht aktivieren möchten.

Einfacher ausgedrückt: Diese JSON-Datei teilt dem MCP-Client für Ollama mit, wie er den Web-MCP-Server lokal starten und eine Verbindung zu ihm herstellen kann.

Schritt #4: Verbinden Sie sich mit dem Web MCP

Verwenden Sie das Flag --servers-json, um die zuvor erstellte Datei bd-web-mcp.json anzugeben und sich mit dem Web MCP-Server zu verbinden:

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

Dieses Ergebnis sollten Sie erhalten:

Wie Sie sehen können, hat das Modell in ollmcp nun Zugriff auf die über 60 Tools, die von Ihrer lokalen Web MCP-Serverinstanz bereitgestellt werden. Wenn Sie den Server ohne aktivierten Pro-Modus konfiguriert haben, sind nur einige wenige Tools (wie search_engine, scrape_as_markdown und ihre Batch-Versionen) verfügbar.

Sie können auch alle verfügbaren Tools auflisten, indem Sie den Befehl tools in der CLI ausführen:

Sie haben Ihr Ollama-Modell erfolgreich mit dem Web MCP integriert. Mission erfüllt!

Nutzen Sie die Vorteile der Web MCP Tools in Ollama-Modellen

Unabhängig davon, welchen Weg Sie für die Web MCP-Integration in Ollama wählen, das Ergebnis ist dasselbe: ein Ollama-Modell, das um die Web MCP-Server-Tools von Bright Data erweitert wurde.

Das bedeutet, dass Ihr Ollama-Modell nun Zugriff auf Tools für die Websuche, das Web-Scraping, die Integration von Browserseiten, das Abrufen von Webdaten und vieles mehr hat. Dadurch kann Ihr Modell eine breite Palette von Anwendungsfällen abdecken, die normalerweise für Standard-LLMs nicht verfügbar sind.

Sie können Ihr LLM beispielsweise für die Überprüfung von Fakten mit Hilfe von Web-Suchwerkzeugen, für die Zusammenfassung von Nachrichtenartikeln anhand einer URL mit Hilfe von Scraping-Tools, für die Web-Interaktion in einem agentenbasierten KI-System und für viele weitere Aufgaben einsetzen.

Um die Funktionalität des Web MCP-Servers besser darzustellen, konfigurieren Sie ihn im Pro-Modus. Verwenden Sie dann ollmcp mit dem Modell llama3.2 (oder MCPHost):

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

Versuchen Sie eine Eingabeaufforderung wie diese:

Rufen Sie TikTok-Profildaten von der folgenden TikTok-Profil-URL ab: 
"https://www.tiktok.com/@khaby.lame". 
Geben Sie die wichtigsten Influencer-Statistiken in einem Bericht in Markdown zurück und fügen Sie einen abschließenden Kommentar dazu ein, ob dieser Nutzer angesichts seiner Zielgruppe ein guter Kandidat für eine Zusammenarbeit zur Bewerbung unserer Klimaanlage sein könnte.

Dies ist ein großartiges Beispiel für eine Aufgabe, die Fähigkeiten zum Abrufen von Webdaten erfordert.

Das Ergebnis sieht dann so aus:

Das Ollama-Modell analysiert Ihre Eingabeaufforderung und wählt das Tool web_data_tiktok_profiles aus Web MCP aus. Dieses Werkzeug ist definiert als “Schnelles Lesen strukturierter TikTok-Profildaten. Erfordert eine gültige TikTok-Profil-URL. Oft schneller und zuverlässiger als Scraping.” Das war also die perfekte Tool-Auswahl.

Sie werden um die Erlaubnis gebeten, das Tool auszuführen. Geben Sie y ein und drücken Sie die Eingabetaste, um die Aufforderung auszuführen. Dadurch wird eine asynchrone TikTok Scraper-Aufgabe in der Bright Data-Infrastruktur gestartet. Sobald die strukturierten Profildaten fertig sind, werden sie von Ollama verarbeitet.

Dieses Mal war der resultierende Bericht:

**Profil:**
- **Nickname:** Khabane Lame
- **Verifiziert:** Ja
- **Follower:** 161.100.000
- **Anhängerschaft:** 83
- **Konto erstellt:** August 10, 2016
- **Profilsprache:** Englisch
- **Biografie:** "Se vuoi ridere sei nel posto giusto. If u wanna laugh u r in the right place"
- **Profil-Link:** [TikTok Profile](https://www.tiktok.com/@khaby.lame)

**Bindungsraten:**
- **Durchschnittliche Engagement-Rate:** 0.61%
- **Like Engagement Rate:** 0.60%
- **Kommentar-Beteiligungsrate:** 0,009%

**Inhaltsübersicht:**
- **Gesamte Videos:** 1.293
- **Bereich der Abspielzahlen der Top-Videos:** 1.4M - 209.3M
- **Bereich der Top-Videos-Favoriten:** 1.199 - 287.000
- **Bereich der Top-Videos Kommentare:** 1,035 - 87,000

**Publikumseinblick:**
- Der Inhalt ist sehr komödiantisch und spricht ein globales Publikum an, das leichte, humorvolle Inhalte sucht.
- Das Engagement ist stark in Bezug auf Likes und Shares, obwohl das Kommentar-Engagement vergleichsweise gering ist.

**Kollaborationspotenzial:**
Khabane Lames großes Publikum und seine globale Anziehungskraft machen ihn zu einem guten Kandidaten für Markenwerbung. Seine Nische ist jedoch Humor und virale Unterhaltung. Die Mitarbeit an einer Kampagne für Klimaanlagen würde einen kreativen, humorvollen Blickwinkel erfordern, der natürlich zu seinem Content-Stil passt. Reine Produktwerbung kommt möglicherweise nicht gut an, es sei denn, sie ist mit komödiantischen oder nachvollziehbaren Szenarien verbunden (z. B. der Hitze auf witzige Weise zu entkommen). 

Wie Sie sehen können, enthält dieser Bericht alle Daten für das TikTok-Profil von Khaby Lame– einschließlich aufschlussreicher Analysen wie der Engagement-Raten.

Der abschließende Kommentar hebt hervor, dass der ausgewählte Influencer nicht unbedingt ideal für die Werbung für eine Klimaanlage geeignet ist, was genau das ist, was Sie herausfinden möchten.

Experimentieren Sie jetzt mit anderen Prompts und erkunden Sie die Web MCP-Funktionen in Ollama!

Fazit

In diesem Blogbeitrag haben Sie gelernt, wie Sie die MCP-Tools in Ollama nutzen können. Insbesondere haben Sie gesehen, wie Sie lokale Ollama-Modelle mit Tools von Bright Data’s Web MCP erweitern können, die lokal über das @brightdata/mcp-Paket ausgeführt werden.

Diese Integration erweitert Ihr Modell um Funktionen für die Websuche, die Extraktion strukturierter Daten, Live-Webdaten-Feeds, automatisierte Webinteraktionen und vieles mehr.

Um noch fortschrittlichere KI-Agenten zu erstellen, erkunden Sie die gesamte Palette der KI-fähigen Tools und Services, die im Ökosystem von Bright Data verfügbar sind.

Melden Sie sich noch heute für ein kostenloses Bright Data-Konto an und nutzen Sie unsere Webdatentools!