OpenAI Agents SDK 支持 MCP：入门指南

引言

今天发现 OpenAI 的 Agents SDK 已经支持 MCP 了！这真是个好消息。对于我们这些需要让 AI 与各种工具交互的开发者来说，这无疑是个福音。MCP（模型上下文协议）本质上就是一种标准化的方式，让 AI 模型能够与外部工具和数据源进行交互。

MCP 是什么鬼？

简单来说，MCP 就像是 AI 应用的 USB-C 接口。官方文档里有个挺形象的比喻：

就像 USB-C 为设备连接各种外设提供标准化方式一样，MCP 为 AI 模型连接不同数据源和工具提供了标准化方式。

我个人理解，MCP 就是让 AI 能够"插上"各种工具的标准接口，不用每次都重新发明轮子。OpenAI 把这个支持内置到了 Agents SDK 中，这样我们就能轻松地让 Agent 使用各种 MCP 服务器提供的工具了。

MCP 服务器种类

目前 MCP 有两种类型的服务器：

1. stdio 服务器：这种就是在本地运行的，作为应用程序的子进程。
2. HTTP over SSE 服务器：这种是远程的，通过 URL 连接。

OpenAI 提供了对应的类：MCPServerStdio 和 MCPServerSse 来连接这两种服务器。挺方便的！

怎么用 MCP 服务器？

举个例子，如果想用官方的文件系统 MCP 服务器，代码大概是这样：

async with MCPServerStdio(
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],
    },
) as server:
    tools = await server.list_tools()

这段代码会启动一个文件系统 MCP 服务器，然后获取它提供的所有工具。

把 MCP 服务器加到 Agent 里

要让 Agent 使用 MCP 服务器的工具，只需要在创建 Agent 时把服务器实例传进去就行了：

agent=Agent(
    name="Assistant",
    instructions="使用工具完成任务",
    mcp_servers=[mcp_server_1, mcp_server_2]
)

每次 Agent 运行时，SDK 会自动调用 list_tools() 让 LLM 知道有哪些工具可用。当 LLM 决定使用某个工具时，SDK 会调用相应服务器的 call_tool() 方法。整个过程对开发者来说是透明的，不用操心细节。

缓存小技巧

每次 Agent 运行都会调用 list_tools()，如果是远程服务器，这可能会导致一些延迟。有个小技巧是启用缓存：

async with MCPServerSse(
    params={...},
    cache_tools_list=True  # 启用缓存
) as server:
    # ...

不过要注意，只有当你确定工具列表不会变的情况下才应该这样做。如果工具列表变了，可以调用 invalidate_tools_cache() 来刷新缓存。

完整示例在哪？

如果想看完整的代码示例，可以去 examples/mcp 看看。那里有几个不同场景的示例，对入门很有帮助。

跟踪功能很赞

OpenAI 的跟踪功能也支持 MCP 了，它会自动记录：

1. 调用 MCP 服务器列出工具的操作
2. 函数调用中与 MCP 相关的信息

这对调试超级有用，可以清楚地看到 Agent 是如何使用 MCP 工具的。

总结一下

总的来说，OpenAI Agents SDK 对 MCP 的支持让我们能够更轻松地将各种工具集成到 AI 应用中。不管是本地工具还是远程服务，只要遵循 MCP 协议，都可以无缝接入。这大大扩展了 AI 应用的能力边界，让我们能够构建更加强大和灵活的 AI 系统。

如果你正在开发 AI 应用，强烈建议试试这个功能！

参考资源

• OpenAI Agents SDK 文档
• MCP 官方网站

---

往期回顾

• OpenAI Agents SDK 支持 MCP 极简指南
• Cloudflare MCP开发实战 - 创建支持OAuth的MCP服务器
• Cloudflare MCP开发实战 - 创建支持OAuth的MCP服务器（简版）