Cómo conectar los modelos de Ollama al Web MCP de Bright Data

En este tutorial, aprenderá:

• Por qué debería ampliar los modelos de Ollama con herramientas del MCP Web de Bright Data.
• Qué herramientas necesita para hacerlo posible.
• Qué debe hacer para empezar.
• Cómo integrar Web MCP en modelos Ollama utilizando MCPHost.
• Cómo conseguir el mismo resultado con ollmcp.
• Las nuevas funcionalidades que ganarán sus modelos locales de Ollama, demostradas en un ejemplo completo.

¡Vamos a sumergirnos!

Por qué ampliar los modelos Ollama con Web MCP de Bright Data

Ollama ofrece una amplia gama de modelos de IA que pueden ejecutarse localmente. Sin embargo, independientemente del MCP que elija, todos comparten la misma limitación: su conocimiento es estático, limitado a los datos con los que fueron entrenados.

¿Cómo superar este obstáculo? Dando acceso al LLM a datos frescos y en tiempo real de la fuente más grande y rica disponible, es decir, la Web. Aquí es donde entra en juego el Web MCP de Bright Data.

El servidor Web MCP amplía los modelos Ollama con la capacidad de recuperar datos web actualizados e interactuar con páginas web como un humano. Esto permite a sus modelos de IA superar sus limitaciones de conocimiento incorporadas.

Web MCP proporciona más de 60 herramientas preparadas para IA, todas ellas impulsadas por la infraestructura de Bright Data para la interacción web y la recopilación de datos. Incluso en la versión gratuita, tendrá acceso a dos herramientas muy útiles:

Además, Web MCP incluye herramientas para la interacción con navegadores en la nube y docenas de herramientas especializadas para la alimentación de datos estructurados en plataformas como YouTube, Amazon, LinkedIn, TikTok, Google Maps, etc.

Añadir herramientas MCP a los modelos Ollama

En el momento de escribir este artículo, la aplicación de escritorio de Ollama no admite la integración de MCP directamente (consulte las actualizaciones en el tema oficial de GitHub). Esto significa que si desea integrar modelos de Ollama con herramientas MCP, deberá recurrir a soluciones de terceros.

Las soluciones más populares para utilizar Ollama con MCP son:

• MCPHost: Una aplicación CLI host que permite a los LLM interactuar con herramientas externas a través de MCP. Actualmente es compatible con los modelos Claude, OpenAI, Google Gemini y Ollama.
• Cliente MCP para Ollama (ollmcp): Una moderna TUI (Text-based User Interface) que conecta LLMs locales de Ollama a uno o más servidores MCP, permitiendo el uso avanzado de herramientas y la automatización del flujo de trabajo.

Otras soluciones posibles son Dolphin MCP, ollama-mcp-bridge y otras. En esta guía, nos centraremos en las dos primeras, ya que son las más utilizadas y soportadas.

Requisitos previos

En esta sección, configurará todos los prerrequisitos necesarios para integrar Bright Data Web MCP con Ollama, utilizando tanto MCPHost como MCP Client para Ollama(ollmcp), todo dentro de un entorno local.

Antes de empezar, asegúrese de tener

• Node.js instalado localmente (recomendamos descargar la última versión LTS) para ejecutar el servidor Bright Data Web MCP localmente.
• Al menos 16 GB de RAM y una CPU moderna para ejecutar Ollama sin problemas en su máquina.

También será útil tener conocimientos básicos sobre el funcionamiento de MCP y las herramientas expuestas por Web MCP.

Al final de esta sección, usted tendrá:

1. Ollama instalado y configurado localmente, ejecutándose y listo para integrarse con Bright Data Web MCP.
2. Una cuenta de Bright Data con una clave API para la autenticación de Web MCP.
3. Confirmación de que su máquina puede ejecutar correctamente el servidor Web MCP localmente.

Siga las siguientes secciones

Configurar Ollama

Si aún no lo ha hecho, descargue Ollama para su sistema operativo e instálelo. A continuación, asegúrate de extraer algunos modelos, como gpt-oss, qwen3, deepseek-r1, llama3.2, o cualquier otro que prefieras.

Extraiga los modelos utilizando el siguiente comando:

ollama pull <nombre_modelo>

Sustituya <nombre_modelo> por el nombre de uno de los modelos LLM de Ollama disponibles.

Tanto MCPHost como ollmcp requieren que Ollama se ejecute localmente. Por lo tanto, inicie Ollama con

ollama serve

Este comando inicia Ollama en modo servidor sin abrir la aplicación de escritorio.

Importante: Por defecto, Ollama se inicia con una longitud de contexto limitada a 4096 tokens, que suele ser demasiado baja para tareas grandes. Puede aumentarla a 40.000 tokens (o al máximo soportado por el modelo elegido) utilizando los siguientes comandos:
En macOS/Linux, ejecute

OLLAMA_CONTEXT_LENGTH=40000 ollama serve

O, en Windows (PowerShell), ejecute:

$Env:OLLAMA_CONTEXT_LENGTH=40000; ollama serve

Esto asegura que su modelo Ollama puede manejar contextos más largos sin truncamiento.

Muy bien. Ollama ya está configurado y listo para integrarse con el servidor MCP Web de Bright Data.

Recupere su clave API de Bright Data

El servidor Web MCP se autentica utilizando su clave API de Bright Data. Para obtenerla, empiece por crear una cuenta Bright Data. Si ya tiene una cuenta, simplemente inicie sesión.

A continuación, siga los pasos de la guía oficial para generar su clave API de Bright Data. Guárdela en un lugar seguro, ya que la necesitará en breve.

Nota: Se recomienda configurar una clave API con permisos de administrador, ya que facilita el proceso de integración de Web MCP.

Pruebe el Web MCP localmente

Antes de integrar los modelos de Ollama con el MCP Web de Bright Data, debe verificar que su máquina puede ejecutar el servidor.

Para una configuración rápida, inicie sesión en nuestra cuenta de Bright Data y consulte las instrucciones de la página “MCP“:

De lo contrario, para obtener más orientación, siga las instrucciones que se indican a continuación.

Instale el Web MCP globalmente en su máquina mediante este comando npm:

npm install -g @brightdata/mcp

Comprueba que el servidor MCP funciona ejecutándolo:

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

O, de forma equivalente, en PowerShell

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

Sustituya el marcador de posición <YOUR_BRIGHT_DATA_API> por el token de API de Bright Data que recuperó anteriormente. Estos comandos establecen la variable de entorno API_TOKEN necesaria e inician el Web MCP localmente ejecutando el paquete @brightdata/mcp.

Si tiene éxito, debería ver una salida similar a esta:

En el primer inicio, el Web MCP crea automáticamente dos zonas predeterminadas en su cuenta de Bright Data:

• mcp_unlocker: Una zona para Web Unlocker.
• mcp_browser: Una zona para Browser API.

Web MCP depende de estos dos productos de Bright Data para sus más de 60 herramientas.

Si desea comprobar que las zonas se han configurado, vaya a la página “Proxies e Infraestructura de scraping” de su panel de Bright Data. Debería ver las dos zonas en la tabla:

Nota: Si su token de API no tiene permisos de administrador, no se crearán las dos zonas. En este caso, deberá definirlas manualmente y establecerlas mediante variables de entorno como se muestra en GitHub.

En el nivel gratuito de Web MCP, el servidor MCP sólo expone las herramientas search_engine y scrape_as_markdown (y sus versiones por lotes). Para desbloquear el resto de herramientas, es necesario activar el modo Pro **estableciendo la variable de entorno PRO_MODE="true":

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

O, en Windows

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

El modo Pro desbloquea las más de 60 herramientas, pero no está incluido en la versión gratuita. Por lo tanto, incurrirá en cargos adicionales.

Perfecto. Acaba de verificar que el servidor Web MCP se está ejecutando en su máquina. Ahora, detenga el proceso MCP, ya que a continuación configurará los clientes MCP para que se inicien y se conecten a él.

Cómo integrar Bright Data Web MCP en Ollama con MCPHost

En esta sección paso a paso, aprenderá a integrar un modelo Ollama con una instancia local de Bright Data Web MCP utilizando MCPHost.

Requisitos previos

Además de los prerrequisitos anteriores, necesita tener Go 1.23+ instalado en su sistema. Es necesario para configurar y ejecutar MCPHost.

Paso #1: Instalar MCPHost

Instale MCPHost utilizando el siguiente comando:

go install github.com/mark3labs/mcphost@latest

Ahora puede iniciar MCPHost utilizando la herramienta de línea de comandos mcphost.

Nota: MCPHost también se puede utilizar mediante programación en scripts Go a través de su SDK.

Paso 2: Configurar la herramienta y familiarizarse con ella

Para iniciar MCPHost con un modelo específico de Ollama, ejecute el siguiente comando:

mcphost -m ollama:<nombre_modelo>

Sustituya <nombre_modelo> por el nombre del modelo de Ollama que desea que utilice MCPHost.

Si el modelo especificado no está disponible localmente, se cargará automáticamente. Una vez cargado, esta es la interfaz de usuario que verá en la CLI:

Consulte la documentación para obtener una lista completa de los comandos disponibles. Por ejemplo, si ejecuta el comando /tools, aparecerá:

No verá ninguna herramienta, ya que aún debe especificar una integración MCP.

Paso 3: Crear el archivo de configuración de la conexión Web MCP

Por defecto, MCPHost busca la configuración a nivel global en ~/.mcphost.yml o~/.mcphost.json en macOS y Linux, y en %USERPROFILE% .mcphost.yml o %USERPROFILE%.mcphost.json en Windows.

Aquí definiremos una configuración para conectarnos a Web MCP utilizando un archivo YAML local. Si prefiere una configuración global, puede actualizar los archivos mencionados anteriormente.

En la carpeta de su proyecto, cree un archivo llamado bd-web-mcp.yml con el siguiente contenido:

mcpServidores:
  bright-data-web-mcp:
    type: "local"
    comando: ["npx", "-y", "@brightdata/mcp"].
    entorno:
      API_TOKEN: "<SU_CLAVE_API_BRIGHT_DATA>"
      PRO_MODE: "true"

La configuración anterior refleja el comando npx utilizado anteriormente, utilizando las siguientes variables de entorno:

• API_TOKEN es necesaria. Configúrela con su clave de API de Bright Data.
• PRO_MODE es opcional. Puede eliminarla si prefiere no activar el modo Pro.

En otras palabras, este archivo de configuración indica a MCPHost cómo iniciar el servidor Web MCP localmente y conectarse a él.

Paso 4: Conectar el modelo Ollama a Web MCP**.

Ahora puede iniciar MCPHost para la integración de Web MCP en Ollama utilizando el siguiente comando:

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

Por ejemplo, para lanzar MCPHost con el modelo qwen2.5:0.5b:

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

El resultado será el siguiente:

Observe que el modelo Ollama ahora tiene acceso a más de 60 herramientas expuestas por su instancia Web MCP local. Puede comprobarlo ejecutando el comando /tools en la CLI, que mostrará una lista como ésta:

Si el servidor MCP fue configurado en Modo Pro, verá 60+ herramientas. En caso contrario, sólo estarán accesibles las 4 herramientas disponibles en el nivel gratuito(search_engine, scrape_as_markdown, y sus versiones batch).

Listo. Su modelo Ollama está ahora configurado para trabajar con las herramientas Web MCP de Bright Data.

Configurar el MCP Web de Bright Data en Ollama mediante ollmcp

En esta sección, se le guiará a través de la conexión de modelos locales de Ollama a una instancia local del servidor Web MCP de Bright Data utilizando ollmcp, elCliente MCP para Ollama.

Requisitos previos

Para seguir esta sección del tutorial, además de los prerrequisitos anteriores, debe tener Python 3.10+ instalado localmente. Esto es necesario para instalar y ejecutar ollmcp.

Paso #1: Empezar con ollmcp

Instale ollmcp localmente utilizando el siguiente comando:

pip install --upgrade ollmcp

Nota: También puede ejecutar este comando dentro de un entorno virtual, si lo prefiere.

Verifique que el Cliente MCP para Ollama está instalado correctamente ejecutándolo:

ollmcp

Debería ver la siguiente vista:

Por defecto, ollmcp utiliza qwen2.5:7b como modelo inicial. Además, observe que el cliente aún no detecta ninguna herramienta MCP, lo cual es de esperar.

Paso 2: Configurar un LLM

Ejecute ollmcp con un modelo de Ollama específico mediante el indicador --model (o -m). Así, el comando de lanzamiento sería

ollmcp --model <model_name>

O, de forma equivalente

ollmcp -m <nombre_modelo>

Donde <nombre_modelo> es el nombre del modelo Ollama deseado.

También puede configurar el modelo desde la CLI utilizando el comando model:

A continuación, seleccione el modelo que desea utilizar. Para más información sobre las opciones disponibles, consulte la documentación oficial.

Paso 3: Añadir el archivo de configuración Web MCP

ollmcp admite varias opciones para la integración del servidor MCP:

• --mcp-server, -s: Ruta a uno o más scripts de servidor MCP (.py o .js). Puede especificarse varias veces.
• --mcp-server-url, -u: URL a uno o más servidores MCP SSE o HTTP streamable. Se puede especificar varias veces.
• --servers-json, -j: Ruta a un archivo JSON que contiene configuraciones de servidor con un formato específico.
• --auto-discovery, -a: Descubrir servidores automáticamente desde el archivo de configuración por defecto de Claude (comportamiento por defecto si no se proporcionan otras opciones).

En esta guía, vamos a utilizar un archivo JSON personalizado, que es similar al de Claude y una de las opciones más sencillas.

En la carpeta de tu proyecto, crea un archivo llamado bd-web-mcp.json. Rellénalo de la siguiente manera:

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

La configuración anterior refleja el comando npx probado anteriormente, utilizando estas variables de entorno:

• API_TOKEN es necesaria. Sustituya el marcador de posición <YOUR_BRIGHT_DATA_API_KEY> por su clave de API de Bright Data.
• PRO_MODE es opcional. Por lo tanto, puede eliminarlo si no desea activar el modo Pro.

En términos más sencillos, ese archivo JSON indica al Cliente MCP para Ollama cómo iniciar el servidor Web MCP localmente y conectarse a él.

Paso 4: Conectarse al Web MCP

Utilice el indicador --servers-json para especificar el archivo bd-web-mcp.json que creó anteriormente y conéctese al servidor Web MCP:

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

Esto es lo que debería obtener:

Como puede ver, el modelo en ollmcp ahora tiene acceso a las más de 60 herramientas expuestas por su instancia local del servidor Web MCP. Si configuró el servidor sin el modo Pro activado, sólo estarán disponibles algunas herramientas (como search_engine, scrape_as_markdown y sus versiones por lotes).

También puede obtener una lista de todas las herramientas disponibles ejecutando el comando tools en la CLI:

Ha integrado correctamente su modelo Ollama con el Web MCP. Misión cumplida.

Aproveche las herramientas Web MCP en los modelos Ollama

Independientemente del camino que elija para la integración de Web MCP en Ollama, el resultado es el mismo: un modelo Ollama ampliado con las herramientas del servidor Web MCP de Bright Data.

Esto significa que su modelo Ollama ahora tiene acceso a herramientas de búsqueda web, Scraping web, integración de páginas de navegador, recuperación de datos web y mucho más. Esto permite a su modelo cubrir una amplia gama de casos de uso que normalmente no están disponibles para los LLM estándar.

Por ejemplo, puede utilizar su LLM para la comprobación de hechos a través de herramientas de búsqueda web, resumir artículos de noticias dada una URL utilizando herramientas de Scraping, interacción web en un sistema agentico de IA, y muchas más tareas.

Para mostrar mejor la funcionalidad del servidor Web MCP, configúralo en modo Pro. A continuación, utilice ollmcp con el modelo llama3.2 (o MCPHost):

ollmcp --modelo llama3.2 --servidores-json .bd-web-mcp.json

Prueba con un prompt como este

Recuperar datos de perfil TikTok de la siguiente URL de perfil TikTok: 
"https://www.tiktok.com/@khaby.lame". 
Devuelve las estadísticas clave del influencer en un informe en Markdown, e incluye un comentario final sobre si este usuario podría ser un buen candidato para una colaboración para promocionar nuestro aire acondicionado, dada su audiencia.

Este es un gran ejemplo de una tarea que requiere capacidades de recuperación de datos web.

El resultado tendrá este aspecto:

El modelo Ollama analiza su solicitud y selecciona la herramienta web_data_tiktok_profiles de Web MCP. Esta herramienta se define como “Lectura rápida de datos estructurados de perfiles TikTok. Requiere una URL de perfil TikTok válida. A menudo más rápido y más fiable que el scraping”. Por lo tanto, esa fue la selección de la herramienta perfecta.

Se te pedirá permiso para ejecutar la herramienta. Escriba y y pulse Enter para ejecutar el prompt. Esto lanza una tarea asíncrona de TikTok Raspador en la infraestructura de Bright Data. Una vez que los datos estructurados del perfil están listos, Ollama los procesa.

Esta vez, el informe resultante fue

**Perfil:**
- Apodo:** Khabane Lame
- Verificado:** Sí
- Seguidores:** 161.100.000
- Siguiendo:** 83
- **Cuenta creada:** 10 de agosto de 2016
- **Idioma del perfil:** Inglés
- Biografía:** "Se vuoi ridere sei nel posto giusto. If u wanna laugh u r in the right place"
- **Enlace al perfil:** [Perfil de TikTok](https://www.tiktok.com/@khaby.lame)

**Tasas de compromiso:**
- Promedio de participación:** 0.61%.
- Tasa de participación de Me gusta:** 0.60%
- Tasa de participación de comentarios:** 0.009%.

**Resumen del contenido
- Total de vídeos:1.293
- Rango de reproducciones de los mejores vídeos:** 1.4M - 209.3M
- Mejores vídeos Favoritos:** 1.199 - 287.000
- Comentarios en los mejores vídeos:** 1.035 - 87.000

**Audiencia
- El contenido es muy cómico y atrae a un público global que busca contenido ligero y humorístico.
- La participación es fuerte en términos de "me gusta" y "compartir", aunque la participación de los comentarios es comparativamente baja.

**Potencial de colaboración
La audiencia masiva de Khabane Lame y su atractivo global lo convierten en un fuerte candidato para la promoción de marcas. Sin embargo, su nicho es el humor y el entretenimiento viral. Colaborar en una campaña de aire acondicionado requeriría un ángulo creativo y humorístico que encaje de forma natural con su estilo de contenido. La promoción directa de un producto puede no tener resonancia a menos que se vincule a situaciones cómicas o cercanas (por ejemplo, escapar del calor de forma divertida). 

Como puedes ver, este informe contiene todos los datos del perfil de TikTok de Khaby Lame, incluidos análisis reveladores como las tasas de participación.

El comentario final destaca que el influencer seleccionado puede no ser necesariamente ideal para promocionar un aire acondicionado, que es exactamente lo que quieres determinar.

Ahora, ¡intente experimentar con otras prompts y explore las capacidades de Web MCP en Ollama!

Conclusión

En esta entrada de blog, ha aprendido a aprovechar las herramientas MCP de Ollama. En particular, ha visto cómo mejorar los modelos locales de Ollama con herramientas de Web MCP de Bright Data, que se ejecutan localmente a través del paquete @brightdata/mcp.

Esta integración dota a su modelo de capacidades de búsqueda web, extracción de datos estructurados, alimentación de datos web en directo, interacciones web automatizadas y mucho más.

Para crear agentes de IA aún más avanzados, explore el conjunto completo de herramientas y servicios preparados para IA disponibles en el ecosistema de Bright Data.

Regístrese hoy mismo para obtener una cuenta gratuita de Bright Data y eche mano de nuestras herramientas de datos web.