Guia Passo a Passo: Gemini CLI & Web MCP da Bright Data

Neste tutorial, você aprenderá:

O que é a Gemini CLI e por que ela é tão popular na comunidade de codificação.
Como a adição de recursos de interação com a Web e de extração de dados pode levá-la ao próximo nível.
Como conectar o Gemini CLI com o servidor Web MCP da Bright Data para criar um agente de codificação de IA aprimorado.

Vamos mergulhar de cabeça!

O que é a CLI do Gemini?

O Gemini CLI é um agente de IA desenvolvido pelo Google que traz o poder do modelo de linguagem grande do Gemini diretamente para o seu terminal. Ele foi projetado para melhorar a produtividade do desenvolvedor e simplificar várias tarefas, especialmente aquelas relacionadas à codificação.

A biblioteca é de código aberto e está disponível por meio de um pacote Node.js. Até o momento em que este artigo foi escrito, ela já recebeu mais de 67 mil estrelas no GitHub. Apesar de ter sido lançada há apenas alguns meses, o entusiasmo da comunidade e sua rápida adoção foram notáveis.

Em particular, os principais aspectos que tornam a CLI do Gemini especial são:

Interação direta com o terminal: Interaja com os modelos Gemini diretamente da linha de comando.
Foco na codificação: Ajuda você a depurar, gerar novos recursos, melhorar a cobertura de testes e até mesmo criar novos aplicativos a partir de prompts ou esboços.
Integração e extensibilidade de ferramentas: Utiliza um loop ReAct (“raciocinar e agir”) e pode se integrar com ferramentas internas (como grep, terminal, leitura/gravação de arquivos) e servidores MCP externos.
Uso gratuito: O Google também oferece um nível de uso gratuito generoso, tornando a ferramenta amplamente acessível.
Recursos multimodais: Oferece suporte a tarefas como a geração de código a partir de imagens ou esboços.

Por que ampliar a CLI do Gemini com recursos de interação com a Web e extração de dados?

Por mais avançados que sejam os modelos Gemini integrados à CLI do Gemini, eles ainda enfrentam limitações comuns compartilhadas por todos os LLMs.

Os modelos Gemini só podem responder com base no conjunto de dados estáticos em que foram treinados. Mas esse é um instantâneo do passado! Além disso, os LLMs não podem renderizar ou interagir com páginas da Web ao vivo como um usuário humano. Como resultado, sua precisão e alcance de ação são inerentemente limitados.

Agora, imagine dar ao seu assistente de codificação Gemini CLI a capacidade de buscar tutoriais, páginas de documentação e guias em tempo real – e aprender com eles. Imagine-o interagindo com qualquer site ativo, da mesma forma que ele já navega em seu sistema de arquivos. Isso marca um salto significativo em sua funcionalidade, e isso é possível por meio da integração com o servidor Web MCP da Bright Data.

O servidor Web MCP da Bright Data fornece acesso a mais de 60 ferramentas prontas para IA para coleta de dados da Web em tempo real e interação com a Web. Todas elas são alimentadas pela rica infraestrutura de dados de IA da Bright Data.

Para obter a lista completa de ferramentas expostas pelo servidor Bright Data Web MCP, consulte a documentação.

Aqui estão apenas algumas coisas que você pode fazer combinando o Gemini CLI com o Web MCP:

Recupere SERPs para inserir automaticamente links contextuais em relatórios ou artigos.
Solicite ao Gemini que busque tutoriais ou documentação atualizados, aprenda com eles e, em seguida, gere modelos de código ou de projeto de acordo.
Extraia dados de sites reais e salve-os localmente para simulação, teste ou análise.

Vamos explorar um exemplo prático dessa integração em ação!

Como integrar o servidor Web MCP na CLI do Gemini

Saiba como instalar e configurar o Gemini CLI localmente e integrá-lo ao servidor Web MCP da Bright Data. A configuração resultante será usada para:

Extraia uma página de produto da Amazon.
Armazene os dados localmente.
Crie um script Node.js para carregar e processar os dados.

Siga as etapas abaixo!

Pré-requisitos

Para replicar as etapas desta seção do tutorial, verifique se você tem o seguinte:

Node.js 20+ instalado localmente (recomendamos o uso da versão LTS mais recente).
Uma chave de API Gemini ou uma chave de API Vertex AI (aqui, usaremos uma chave de API Gemini).
Uma conta da Bright Data.

Você não precisa configurar as chaves de API ainda. As etapas abaixo o orientarão na configuração das chaves de API do Gemini e do Bright Data quando chegar a hora.

Embora não seja estritamente necessário, os conhecimentos básicos a seguir o ajudarão:

Uma compreensão geral de como o MCP funciona.
Alguma familiaridade com o servidor Bright Data Web MCP e suas ferramentas disponíveis.

Etapa 1: instalar a CLI do Gemini

Para começar a usar a CLI do Gemini, primeiro você precisa gerar uma chave de API do Google AI Studio. Siga as instruções oficiais para recuperar sua chave de API do Gemini.

Observação: se você já tiver ou preferir usar uma chave de API do Vertex AI, dê uma olhada na documentação oficial.

Depois de obter a chave da API do Gemini, abra o terminal e defina-a como uma variável de ambiente com este comando do Bash:

export GEMINI_API_KEY="<YOUR_GEMINI_API_KEY>"

Ou, como alternativa, com este comando do PowerShell no Windows:

$env:GEMINI_API_KEY="<YOUR_GEMINI_API_KEY>"

Substitua a pela chave de API com sua chave real gerada.

Em seguida, instale a CLI do Gemini globalmente por meio do pacote oficial @google/gemini-cli:

npm install -g @google/gemini-cli

Na mesma sessão de terminal em que você definiu a GEMINI_API_KEY (ou VERTEX_API_KEY), inicie a CLI do Gemini com:

gemini

É isso que você deve ver:

Visualização da autenticação da CLI do Gemini

Pressione Enter para selecionar a opção 2 (“Use Gemini API key”). A CLI deve detectar automaticamente sua chave de API e prosseguir para a exibição de solicitação:

A visualização de prompt da CLI do Gemini

Na seção “Type your message or @path/to/file” (Digite sua mensagem ou @path/to/file), você pode escrever seu prompt diretamente ou fazer referência a um arquivo para enviar à CLI do Gemini para execução.

No canto inferior direito, você notará que a CLI do Gemini está usando o modelo gemini-2.5-pro. Esse é o modelo configurado imediatamente. Felizmente, a API do Gemini oferece uma camada gratuita com até 100 solicitações por dia usando o modelo gemini-2.5-pro, de modo que você pode testá-la mesmo sem um plano pago.

Se preferir um modelo com limites de taxa mais altos, como o gemini-2.5-flash, você poderá configurá-lo antes de iniciar a CLI, definindo a variável de ambiente GEMINI_MODEL. No Linux ou no macOS, execute:

export GEMINI_MODEL="gemini-2.5-flash"

Ou, de forma equivalente, no Windows:

$env:GEMINI_MODEL="gemini-2.5-flash"

Em seguida, inicie a CLI do Gemini como de costume com o comando gemini.

Excelente! A CLI do Gemini agora está configurada e pronta para ser usada.

Etapa 2: Começar a usar o servidor Web MCP da Bright Data

Se ainda não o fez, inscreva-se na Bright Data. Se já tiver uma conta, basta fazer o login.

Em seguida, siga as instruções oficiais para gerar sua chave de API da Bright Data. Para simplificar, esta etapa pressupõe que você esteja usando um token com permissões de administrador.

Instale o servidor Bright Data Web MCP globalmente por meio desse comando:

npm install -g @brightdata/mcp

Em seguida, teste se tudo funciona com o comando Bash abaixo:

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

Ou, no Windows, o comando PowerShell equivalente é:

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

Certifique-se de substituir o pelo token de API real que você recuperou anteriormente. Ambos os comandos definem a variável de ambiente API_TOKEN necessária e iniciam o servidor MCP por meio do pacote npm @brightdata/mcp.

Se tudo estiver funcionando corretamente, você verá os logs abaixo:

Os registros de inicialização do servidor Bright Data Web MCP

Na primeira inicialização, o servidor MCP cria automaticamente duas zonas de proxy padrão em sua conta da Bright Data:

mcp_unlocker: Uma zona para o Web Unlocker.
mcp_browser: Uma zona para a API do navegador.

Essas duas zonas são necessárias para habilitar toda a gama de ferramentas do servidor MCP.

Para confirmar que as zonas foram criadas, faça login no painel do Bright Data e vá para a página“Proxies & Scraping Infrastructure“. Você deverá ver as duas zonas listadas:

As zonas mcp_unlocker e mcp_browser criadas pelo servidor MCP na inicialização

Observação: se você não estiver usando um token de API com permissões de administrador, essas zonas não serão criadas automaticamente. Nesse caso, você deverá criá-las manualmente e especificar seus nomes usando variáveis de ambiente, conforme explicado na documentação oficial.

Por padrão, o servidor MCP expõe apenas as ferramentas search_engine e scrape_as_markdown. Para desbloquear recursos avançados, como automação do navegador e extração de dados estruturados, ative o Modo Pro definindo a variável de ambiente PRO_MODE=true antes de iniciar o servidor MCP:

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

E, no Windows:

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

Fantástico! Você acabou de verificar que o servidor do Bright Data Web MCP é executado corretamente em sua máquina. Agora você pode encerrar o processo do servidor, pois está prestes a configurar a CLI do Gemini para iniciá-lo para você.

Etapa nº 3: configurar o servidor Web MCP na CLI do Gemini

A CLI do Gemini oferece suporte à integração do MCP por meio de um arquivo de configuração localizado em ~/.gemini/settings.json, em que ~ representa seu diretório pessoal. Ou, no Windows, $HOME/.gemini/settings.json.

Você pode abrir o arquivo no Visual Studio Code com:

code "~/.gemini/settings.json"

Ou, no Windows:

code "$HOME/.gemini/settings.json"

Observação: se o arquivo settings.json ainda não existir, talvez seja necessário criá-lo manualmente.

Em settings.json, configure a CLI do Gemini para iniciar automaticamente o servidor do Bright Data Web MCP como um subprocesso e se conectar a ele. Certifique-se de que o arquivo settings.json contenha:

{
  "mcpServers": {
    "brightData": {
      "command": "npx",
      "args": [
        "-y",
        "@brightdata/mcp"
      ],
      "env": {
        "API_TOKEN": "<YOUR_BRIGHT_DATA_API_KEY>",
        "PRO_MODE": "true"
      }
    }
  }
}

Na configuração acima:

O objeto mcpServers informa à CLI do Gemini como iniciar servidores MCP externos.
A entrada brightData define o comando e as variáveis de ambiente necessárias para executar o servidor Web MCP da Bright Data (a ativação do PRO_MODE é opcional, mas recomendada). Observe que ele executa exatamente o mesmo comando que você testou anteriormente, mas agora a CLI do Gemini o executará para você automaticamente nos bastidores.

Importante: Substitua o pelo seu token real da API da Bright Data para ativar a autenticação.

Depois de adicionar a configuração do servidor MCP, salve o arquivo. Agora você está pronto para testar a integração do MCP na CLI do Gemini!

Etapa 4: Verificar a conexão MCP

Se a CLI do Gemini ainda estiver em execução, saia dela usando o comando /quit e, em seguida, reinicie-a. Agora, ele deverá se conectar automaticamente ao servidor Web MCP da Bright Data.

Para verificar a conexão, digite o comando /mcp na CLI do Gemini:

Em seguida, selecione a opção de lista para visualizar os servidores MCP configurados e as ferramentas disponíveis. Pressione Enter e você verá algo parecido com isto:

A integração do servidor Web MCP da Bright Data na CLI do Gemini

Como você pode ver, a CLI do Gemini se conectou ao servidor Web MCP da Bright Data e agora pode acessar todas as mais de 60 ferramentas que ele oferece. Muito bem!

Dica: Explore todos os outros comandos da CLI do Gemini na documentação.

Etapa nº 5: executar uma tarefa na CLI do Gemini

Para testar os recursos da Web da configuração da CLI do Gemini, você pode usar um prompt como o seguinte:

Scrape data from "https://www.amazon.com/AmazonBasics-Pound-Neoprene-Dumbbells-Weights/dp/B01LR5S6HK/" and store the resulting JSON data in a local data.json file. Then, create a Node.js index.js script to load and print its contents.

Isso representa um caso de uso do mundo real, útil para coletar dados em tempo real para análise, simulação de APIs ou testes.

Cole o prompt na CLI do Gemini:

Em seguida, pressione Enter para executá-la. É assim que o agente deve abordar sua tarefa:

O GIF acima foi acelerado, mas é isso que deve acontecer:

A CLI do Gemini envia seu prompt para o LLM configurado (ou seja, gemini-2.5-pro).
O LLM seleciona a ferramenta MCP apropriada(web_data_amazon_product, neste caso).
Você é solicitado a confirmar que a ferramenta pode ser executada via Web MCP, usando o URL do produto Amazon fornecido.
Depois de aprovada, a tarefa de raspagem é iniciada por meio da integração do MCP.
Os dados resultantes do produto são exibidos em seu formato bruto (ou seja, JSON).
A CLI do Gemini pergunta se pode salvar esses dados em um arquivo local chamado data.json.
Depois que você aprovar, o arquivo será criado e preenchido.
Em seguida, a CLI do Gemini mostra a lógica JavaScript do index.js, que carrega e imprime os dados JSON
Após sua aprovação, o arquivo index.js é criado.
Você é solicitado a obter permissão para executar o script Node.js.
Uma vez concedido, o index.js é executado e os dados do data.json são impressos no terminal, conforme descrito na tarefa.
A CLI do Gemini pergunta se você deseja excluir os arquivos gerados.
Mantenha-os para encerrar a execução.

Observe que a CLI do Gemini solicitou a execução do script, embora você não o tenha solicitado explicitamente na tarefa. Ainda assim, isso é útil para testes, portanto, fez sentido e foi, na verdade, uma boa adição à sua tarefa.

No final da interação, seu diretório de trabalho armazenará esses dois arquivos:

├── data.json
└── index.js

Abra o data.json no VS Code e você verá:

Esse arquivo contém dados reais de produtos extraídos da Amazon usando a integração do Bright Data Web MCP.

Da mesma forma, a abertura do index.js revela:

Esse script inclui a lógica do Node.js para carregar e exibir o conteúdo do data.json.

Execute o script index.js do Node.js com:

node index.js

O resultado será:

E pronto! O fluxo de trabalho foi concluído com êxito.

Especificamente, o conteúdo carregado do data.json e impresso no terminal corresponde aos dados reais da página original do produto da Amazon:

A página de produto da Amazon usada como alvo para coletar dados

Lembre-se de que o data.json contém dados reais raspados – não conteúdo alucinado ou inventado gerado pela IA. Além disso, lembre-se de que raspar a Amazon é notoriamente difícil devido às suas robustas proteções anti-bot (como o Amazon CAPTCHA). Um LLM comum não conseguiria fazer isso!

Portanto, este exemplo demonstra o poder de combinar a CLI do Gemini com o servidor Web MCP da Bright Data. Agora, experimente mais prompts e explore fluxos de trabalho de dados avançados orientados por LLM diretamente na CLI!

Conclusão

Neste artigo, você aprendeu a conectar a CLI do Gemini ao servidor Web MCP da Bright Data para criar um agente de codificação de IA capaz de acessar a Web. Essa integração é possível graças ao suporte integrado do Gemini CLI para MCP.

Para criar agentes mais complexos, explore a gama completa de serviços disponíveis na infraestrutura de IA da Bright Data. Essas soluções podem apoiar uma ampla variedade de cenários agênticos.

Crie uma conta da Bright Data gratuitamente e comece a fazer experiências com nossas ferramentas de dados da Web prontas para IA!

Teste grátis Registro no Google

CLI do Gemini com o servidor Web MCP da Bright Data