Como conectar os modelos Ollama ao Web MCP da Bright Data

Neste tutorial, você aprenderá:

• Por que você deve ampliar os modelos Ollama com as ferramentas do Web MCP da Bright Data.
• Quais ferramentas você precisa para tornar isso possível.
• O que você precisa fazer para começar.
• Como integrar o Web MCP aos modelos do Ollama usando o MCPHost.
• Como obter o mesmo resultado com o ollmcp.
• Os novos recursos que seus modelos locais do Ollama ganharão, demonstrados em um exemplo completo.

Vamos mergulhar de cabeça!

Por que ampliar os modelos Ollama com o Web MCP da Bright Data?

O Ollama oferece uma ampla gama de modelos de IA que podem ser executados localmente. No entanto, independentemente do LLM que você escolher, todos eles têm a mesma limitação: o conhecimento deles é estático, limitado aos dados em que foram treinados.

Como você pode superar esse obstáculo? Dando ao LLM acesso a dados novos e em tempo real da maior e mais rica fonte disponível, ou seja, a Web. É aí que o Web MCP da Bright Data entra em ação!

O servidor Web MCP amplia os modelos Ollama com a capacidade de recuperar dados atualizados da Web e interagir com páginas da Web como um ser humano. Isso permite que seus modelos de IA superem suas limitações de conhecimento incorporadas.

O Web MCP oferece mais de 60 ferramentas prontas para IA, todas alimentadas pela infraestrutura da Bright Data para interação com a Web e coleta de dados. Mesmo no nível gratuito, você tem acesso a duas ferramentas altamente úteis:

Além dessas, o Web MCP inclui ferramentas para interação com o navegador em nuvem e dezenas de ferramentas especializadas para feeds de dados estruturados em plataformas como YouTube, Amazon, LinkedIn, TikTok, Google Maps e muito mais.

Adicionar ferramentas MCP aos modelos Ollama

No momento em que este texto foi escrito, o aplicativo de desktop Ollama não suporta a integração MCP diretamente (veja as atualizações na edição oficial do GitHub). Isso significa que, se você quiser integrar os modelos do Ollama com as ferramentas MCP, deverá contar com soluções de terceiros.

As soluções mais populares para usar o Ollama com o MCP são:

• MCPHost: Um aplicativo host CLI que permite que os LLMs interajam com ferramentas externas via MCP. Atualmente, ele é compatível com os modelos Claude, OpenAI, Google Gemini e Ollama.
• Cliente MCP para Ollama (ollmcp): Uma TUI (interface de usuário baseada em texto) moderna que conecta LLMs locais do Ollama a um ou mais servidores MCP, permitindo o uso avançado de ferramentas e a automação do fluxo de trabalho.

Outras soluções possíveis incluem Dolphin MCP, ollama-mcp-bridge e outras. Neste guia, vamos nos concentrar nas duas primeiras, pois são as mais amplamente usadas e suportadas.

Pré-requisitos

Nesta seção, você configurará todos os pré-requisitos necessários para integrar o Bright Data Web MCP com o Ollama, usando o MCPHost e o MCP Client for Ollama(ollmcp), tudo em um ambiente local.

Antes de começar, verifique se você tem:

• Node.js instalado localmente (recomendamos baixar a versão LTS mais recente) para executar o servidor Bright Data Web MCP localmente.
• Pelo menos 16 GB de RAM e uma CPU moderna para executar o Ollama sem problemas em sua máquina.

Ter um conhecimento básico de como o MCP funciona e das ferramentas expostas pelo Web MCP também será útil.

Ao final desta seção, você terá:

1. O Ollama instalado e configurado localmente, funcionando e pronto para ser integrado ao Bright Data Web MCP.
2. Uma conta da Bright Data com uma chave API para autenticação do Web MCP.
3. Confirmação de que sua máquina pode executar com êxito o servidor Web MCP localmente.

Siga as seções abaixo!

Configurar o Ollama

Se ainda não tiver feito isso, baixe o Ollama para o seu sistema operacional e instale-o. Em seguida, certifique-se de obter alguns modelos, como gpt-oss, qwen3, deepseek-r1, llama3.2 ou qualquer outro de sua preferência.

Extraia os modelos usando o seguinte comando:

ollama pull <nome_do_modelo>

Substitua <model_name> pelo nome de um dos modelos disponíveis do Ollama LLM.

Tanto o MCPHost quanto o ollmcp exigem que o Ollama esteja sendo executado localmente. Portanto, inicie o Ollama com:

ollama serve

Esse comando inicia o Ollama no modo de servidor sem abrir o aplicativo da área de trabalho.

Importante: por padrão, o Ollama inicia com um comprimento de contexto limitado a 4096 tokens, o que geralmente é muito baixo para tarefas maiores. Você pode aumentá-lo para 40.000 tokens (ou o máximo suportado pelo modelo escolhido) usando os seguintes comandos:
No macOS/Linux, execute:

OLLAMA_CONTEXT_LENGTH=40000 ollama serve

Ou, no Windows (PowerShell), execute:

$Env:OLLAMA_CONTEXT_LENGTH=40000; ollama serve

Isso garante que seu modelo Ollama possa lidar com contextos mais longos sem truncamento.

Ótimo! O Ollama agora está configurado e pronto para ser integrado ao servidor Web MCP da Bright Data.

Recupere sua chave API da Bright Data

O servidor Web MCP é autenticado usando sua chave API da Bright Data. Para obter uma, comece criando uma conta da Bright Data. Caso contrário, se você já tiver uma conta, basta fazer o login.

Em seguida, siga as etapas do guia oficial para gerar sua chave de API da Bright Data. Guarde-a em um local seguro, pois você precisará dela em breve.

Observação: é recomendável configurar uma chave de API com permissões de administrador, pois isso torna o processo de integração do Web MCP muito mais suave.

Teste o Web MCP localmente

Antes de integrar os modelos Ollama com o Web MCP da Bright Data, você deve verificar se a sua máquina pode realmente executar o servidor.

Para uma configuração rápida, faça login na sua conta da Bright Data e consulte as instruções na página “MCP“:

Caso contrário, para obter mais orientações, siga as instruções abaixo.

Instale o Web MCP globalmente em sua máquina por meio deste comando npm:

npm install -g @brightdata/mcp

Verifique se o servidor MCP funciona, executando-o:

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

Ou, de forma equivalente, no PowerShell:

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

Substitua o espaço reservado <YOUR_BRIGHT_DATA_API> pelo token da API da Bright Data que você recuperou anteriormente. Esses comandos definem a variável de ambiente API_TOKEN necessária e iniciam o Web MCP localmente executando o pacote @brightdata/mcp.

Se for bem-sucedido, você verá uma saída semelhante a esta:

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

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

O Web MCP depende desses dois produtos da Bright Data para alimentar suas mais de 60 ferramentas.

Se quiser verificar se as zonas foram configuradas, acesse a página “Proxies & Scraping Infrastructure” (Proxies e Infraestrutura de scraping) no painel do Bright Data. Você deverá ver as duas zonas na tabela:

Observação: Se seu token de API não tiver permissões de administrador, as duas zonas não serão criadas. Nesse caso, você deve defini-las manualmente e configurá-las por meio de variáveis de ambiente , conforme mostrado no GitHub.

Na camada gratuita do Web MCP, o servidor MCP expõe apenas as ferramentas search_engine e scrape_as_markdown (e suas versões em lote). Para desbloquear todas as outras ferramentas, você precisa ativar o modo Pro **definindo a variável de ambiente PRO_MODE="true":

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

Ou, no Windows:

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

O modo Pro desbloqueia todas as mais de 60 ferramentas, mas não está incluído na camada gratuita. Portanto, ele incorrerá em cobranças adicionais.

Perfeito! Você acabou de verificar que o servidor Web MCP está em execução no seu computador. Agora, interrompa o processo do MCP, pois você configurará os clientes do MCP para iniciar e se conectar a ele em seguida.

Como integrar o Bright Data Web MCP ao Ollama com o MCPHost

Nesta seção passo a passo, você aprenderá a integrar um modelo Ollama com uma instância local do Bright Data Web MCP usando o MCPHost.

Pré-requisitos

Além dos pré-requisitos anteriores, você precisa ter o Go 1.23+ instalado em seu sistema. É necessário configurar e executar o MCPHost.

Etapa 1: instalar o MCPHost

Instale o MCPHost usando o comando abaixo:

go install github.com/mark3labs/mcphost@latest

Agora você pode iniciar o MCPHost usando a ferramenta de linha de comando mcphost.

Observação: o MCPHost também pode ser usado programaticamente em scripts Go por meio de seu SDK.

Etapa 2: configurar a ferramenta e familiarizar-se com ela

Para iniciar o MCPHost com um modelo Ollama específico, execute o seguinte comando:

mcphost -m ollama:<model_name>

Substitua <model_name> pelo nome do modelo Ollama que você deseja que o MCPHost use.

Se o modelo especificado não estiver disponível localmente, ele será automaticamente extraído para você. Depois de carregado, essa é a interface do usuário que você verá na CLI:

Consulte a documentação para obter uma lista completa dos comandos disponíveis. Por exemplo, a execução do comando /tools exibirá:

Você não verá nenhuma ferramenta, pois ainda precisa especificar uma integração de MCP.

Etapa nº 3: criar o arquivo de configuração da conexão Web MCP

Por padrão, o MCPHost procura a configuração de nível global em ~/.mcphost.yml ou~/.mcphost.json no macOS e no Linux, e em %USERPROFILE%.mcphost.yml ou %USERPROFILE%.mcphost.json no Windows.

Aqui, definiremos uma configuração para se conectar ao Web MCP usando um arquivo YAML local. Se preferir uma configuração global, você pode atualizar os arquivos mencionados acima.

Na pasta do seu projeto, crie um arquivo chamado bd-web-mcp.yml com o seguinte conteúdo:

mcpServers:
  bright-data-web-mcp:
    type: "local"
    comando: ["npx", "-y", "@brightdata/mcp"]
    environment:
      API_TOKEN: "<SUA_CHAVE_API_DATA_BRIGHT_DATA>"
      PRO_MODE: "true" (verdadeiro)

A configuração acima reflete o comando npx usado anteriormente, utilizando as seguintes variáveis de ambiente:

• API_TOKEN é necessário. Defina-a como sua chave da API da Bright Data.
• PRO_MODE é opcional. Você pode removê-la se preferir não ativar o Modo Pro.

Em outras palavras, esse arquivo de configuração instrui o MCPHost sobre como iniciar o servidor Web MCP localmente e se conectar a ele.

Etapa 4: Conectar o modelo Ollama ao Web MCP**

Agora você pode iniciar o MCPHost para a integração do Web MCP no Ollama usando o seguinte comando:

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

Por exemplo, para iniciar o MCPHost com o modelo qwen2.5:0.5b:

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

O resultado será parecido com este:

Observe que o modelo Ollama agora tem acesso a mais de 60 ferramentas expostas pela instância local do Web MCP. Você pode verificar isso executando o comando /tools na CLI, que exibirá uma lista como esta:

Se o servidor MCP tiver sido configurado no modo Pro, você verá mais de 60 ferramentas. Caso contrário, somente as quatro ferramentas disponíveis na camada gratuita(search_engine, scrape_as_markdown e suas versões em lote) estarão acessíveis.

Pronto! Seu modelo Ollama agora está configurado para funcionar com as ferramentas Web MCP da Bright Data.

Configurar o Web MCP da Bright Data no Ollama via ollmcp

Nesta seção, você será orientado a conectar modelos locais do Ollama a uma instância local do servidor Bright Data Web MCP usando ollmcp - ocliente MCP para Ollama.

Pré-requisitos

Para seguir esta seção do tutorial, além dos pré-requisitos anteriores, você deve ter o Python 3.10+ instalado localmente. Isso é necessário para instalar e executar o ollmcp.

Etapa 1: começar a usar o ollmcp

Instale o ollmcp localmente usando o seguinte comando:

pip install --upgrade ollmcp

Observação: você também pode executar esse comando em um ambiente virtual, se preferir.

Verifique se o cliente MCP para Ollama está instalado corretamente, iniciando-o:

ollmcp

Você deverá ver a exibição abaixo:

Por padrão, o ollmcp usa o qwen2.5:7b como modelo inicial. Além disso, observe que o cliente ainda não detectará nenhuma ferramenta MCP, o que é esperado.

Etapa 2: configurar um LLM

Inicie o ollmcp com um modelo Ollama específico usando o sinalizador --model (ou -m). Assim, o comando de inicialização se tornaria:

ollmcp --model <model_name>

Ou, de forma equivalente:

ollmcp -m <nome_do_modelo>

Onde <nome_do_modelo> é o nome do modelo Ollama desejado.

Como alternativa, você pode configurar o modelo a partir da CLI usando o comando model:

Em seguida, selecione o modelo que deseja usar. Para obter mais informações sobre os sinalizadores e as opções disponíveis, consulte a documentação oficial.

Etapa nº 3: adicionar o arquivo de configuração do Web MCP

O ollmcp oferece suporte a várias opções para a integração do servidor MCP:

• --mcp-server, -s: Caminho para um ou mais scripts de servidor MCP (.py ou .js). Ele pode ser especificado várias vezes.
• --mcp-server-url, -u: URL para um ou mais servidores MCP SSE ou HTTP streamable. Você pode especificá-lo várias vezes.
• --servers-json, -j: Caminho para um arquivo JSON que contém configurações de servidor com um formato específico.
• --auto-discovery, -a: Descobrir automaticamente os servidores a partir do arquivo de configuração padrão do Claude (comportamento padrão se nenhuma outra opção for fornecida).

Neste guia, usaremos um arquivo JSON personalizado, que é semelhante ao Claude e uma das opções mais simples.

Na pasta do seu projeto, crie um arquivo chamado bd-web-mcp.json. Preencha-o da seguinte forma:

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

A configuração acima reflete o comando npx testado anteriormente, usando essas variáveis de ambiente:

• API_TOKEN é necessário. Substitua o espaço reservado <YOUR_BRIGHT_DATA_API_KEY> por sua chave da API da Bright Data.
• PRO_MODE é opcional. Portanto, você pode removê-lo se não quiser ativar o Pro Mode.

Em termos mais simples, esse arquivo JSON informa ao MCP Client for Ollama como iniciar o servidor Web MCP localmente e se conectar a ele.

Etapa 4: Conectar-se ao Web MCP

Use o sinalizador --servers-json para especificar o arquivo bd-web-mcp.json que você criou anteriormente e conecte-se ao servidor Web MCP:

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

É isso que você deve obter:

Como você pode ver, o modelo no ollmcp agora tem acesso às mais de 60 ferramentas expostas pela instância local do servidor Web MCP. Se você configurou o servidor sem o Modo Pro ativado, apenas algumas ferramentas (como search_engine, scrape_as_markdown e suas versões em lote) estarão disponíveis.

Você também pode listar todas as ferramentas disponíveis executando o comando tools na CLI:

Você integrou com êxito o seu modelo Ollama com o Web MCP. Missão concluída!

Aproveite as vantagens das ferramentas do Web MCP nos modelos Ollama

Independentemente do caminho que você escolher para a integração do Web MCP no Ollama, o resultado é o mesmo: um modelo Ollama ampliado pelas ferramentas de servidor do Web MCP da Bright Data.

Isso significa que seu modelo Ollama agora tem acesso a ferramentas para pesquisa na Web, Scraping de dados, integração de páginas do navegador, recuperação de dados da Web e muito mais. Isso permite que seu modelo cubra uma ampla gama de casos de uso que normalmente não estão disponíveis para LLMs padrão.

Por exemplo, é possível usar o LLM para verificação de fatos por meio de ferramentas de pesquisa na Web, resumindo artigos de notícias com um URL usando ferramentas de Scraping de dados, interação com a Web em um sistema de IA autêntico e muitas outras tarefas.

Para mostrar melhor a funcionalidade do servidor Web MCP, configure-o no modo Pro. Em seguida, use o ollmcp com o modelo llama3.2 (ou MCPHost):

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

Experimente um prompt como este:

Recupere os dados do perfil do TikTok a partir do seguinte URL de perfil do TikTok: 
"https://www.tiktok.com/@khaby.lame". 
Retorne as principais estatísticas do influenciador em um relatório em Markdown e inclua um comentário final sobre se esse usuário poderia ser um bom candidato para uma colaboração para promover nosso ar-condicionado, considerando seu público.

Esse é um ótimo exemplo de uma tarefa que requer recursos de recuperação de dados da Web.

O resultado será parecido com este:

O modelo Ollama analisa seu prompt e seleciona a ferramenta web_data_tiktok_profiles do Web MCP. Essa ferramenta é definida como “Leitura rápida de dados estruturados de perfis do TikTok. Requer um URL de perfil válido do TikTok. Geralmente mais rápida e mais confiável do que a raspagem.” Portanto, essa foi a seleção perfeita de ferramentas.

Você será solicitado a dar permissão para executar a ferramenta. Digite y e pressione Enter para executar o prompt. Isso inicia uma tarefa assíncrona do TikTok Scraper na infraestrutura da Bright Data. Quando os dados estruturados do perfil estiverem prontos, o Ollama os processa.

Dessa vez, o relatório resultante foi:

**Profile:**
- **Nickname:** Khabane Lame
- **Verificado:** Sim
- Seguidores:** 161.100.000
- Seguidores:** 83
- **Conta criada:** 10 de agosto de 2016
- **Língua do perfil:** Inglês
- **Biografia:** "Se você quer se divertir, está no lugar certo. Se você quer rir, está no lugar certo"
- ** Link do perfil:** [Perfil do TikTok](https://www.tiktok.com/@khaby.lame)

**Taxas de engajamento:**
- **Taxa média de engajamento:** 0,61%
- Taxa de engajamento de curtidas:** 0,60%
- Taxa de engajamento de comentários:** 0,009%

**Visão geral do conteúdo:**
- Total de vídeos:** 1.293
- Faixa de reprodução dos vídeos principais:** 1,4M - 209,3M
- Faixa de favoritos dos principais vídeos:** 1.199 - 287.000
- Faixa de comentários dos principais vídeos:** 1.035 - 87.000

**Visão do público:**
- O conteúdo é altamente cômico e atrai um público global que busca conteúdo leve e bem-humorado.
- O envolvimento é forte em termos de curtidas e compartilhamentos, embora o envolvimento com comentários seja comparativamente baixo.

**Potencial de colaboração:**
O grande público e o apelo global de Khabane Lame fazem dele um forte candidato para a promoção da marca. No entanto, seu nicho é o humor e o entretenimento viral. A colaboração em uma campanha de ar-condicionado exigiria um ângulo criativo e bem-humorado que se encaixasse naturalmente em seu estilo de conteúdo. A promoção direta do produto pode não repercutir, a menos que esteja vinculada a cenários cômicos ou relacionáveis (por exemplo, escapar do calor de maneira engraçada). 

Como você pode ver, esse relatório contém todos os dados do perfil de Khaby Lame no TikTok, incluindo análises criteriosas, como taxas de engajamento.

O comentário final destaca que o influenciador selecionado pode não ser necessariamente ideal para promover um ar-condicionado, que é exatamente o que você deseja determinar.

Agora, experimente outros prompts e explore os recursos do Web MCP no Ollama!

Conclusão

Nesta postagem do blog, você aprendeu a aproveitar as ferramentas de MCP no Ollama. Em particular, você viu como aprimorar os modelos locais do Ollama com ferramentas do Web MCP da Bright Data, executadas localmente por meio do pacote @brightdata/mcp.

Essa integração capacita seu modelo com recursos para pesquisa na Web, extração de dados estruturados, feeds de dados da Web ao vivo, interações automatizadas na Web e muito mais.

Para criar agentes de IA ainda mais avançados, explore o conjunto completo de ferramentas e serviços prontos para IA disponíveis no ecossistema da Bright Data.

Inscreva-se hoje mesmo em uma conta gratuita da Bright Data e ponha as mãos em nossas ferramentas de dados da Web!