MCP и конектори: универсалният стандарт
На тази страница
MCP и конектори: универсалният стандарт
Протоколът за контекст на модела (MCP) е отворен стандарт, който позволява на моделите да взаимодействат с външни услуги чрез единен протокол. Конекторите на OpenAI прилагат този стандарт, за да свържат моделите директно с инструменти на трети страни в рамките на API за отговори (Responses API).
Проблемът, който MCP решава
Основният проблем е умножаването на интеграциите: свързването на N модела с M услуги изисква N×M персонализирани интеграции, всяка от които се пише и поддържа отделно. Всяка нова услуга Ви принуждава да повторите работата за всяко приложение, а всяка промяна в API рискува да наруши множество интеграции.
MCP превръща това произведение в сума: услугата излага своите възможности веднъж чрез протокола, а всеки съвместим клиент ги използва. Това е същата логика зад драйверите за принтери или Протокола за езиков сървър (LSP) в редакторите на код – стандартизацията не прави интеграциите по-мощни; тя ги прави икономически устойчиви.
# Преди MCP: ръчна интеграция за всяка услуга
tools = [
# Функция за Slack
{"type": "function", "name": "slack_send_message", ...},
{"type": "function", "name": "slack_read_channel", ...},
# Функция за Jira
{"type": "function", "name": "jira_create_ticket", ...},
{"type": "function", "name": "jira_list_tickets", ...},
# Функция за Google Drive
{"type": "function", "name": "gdrive_list_files", ...},
# ... десетки функции за поддръжка
]
С MCP всяка услуга излага своите възможности чрез стандартен протокол, а моделът ги консумира директно.
Архитектура на MCP
Протоколът дефинира три концепции:
- MCP сървър: Услуга, която излага инструменти, ресурси и подсказки (prompts)
- MCP клиент: Системата, която използва възможностите на сървъра
- Транспорт: Каналът за комуникация между клиента и сървъра
# Един MCP сървър излага:
# - Инструменти: Действия, които моделът може да изпълни
# - Ресурси: Данни, които моделът може да прочете
# - Подсказки: Предварително дефинирани шаблони за подсказки
Използване на конектори на OpenAI
Конекторите са MCP сървъри, които вече са хоствани и поддържани: Вие ги декларирате, удостоверявате се и ги използвате. Това е естествената отправна точка – няма нужда да пишете MCP сървър, за да общувате с често срещана услуга, към която някой вече е осъществил връзка.
from openai import OpenAI
client = OpenAI()
# Концептуален пример: конектор към външна услуга
response = client.responses.create(
model="gpt-5.6-terra",
input="Create a Jira ticket for the homepage bug",
tools=[
{
"type": "mcp",
"server_label": "jira",
"server_url": "https://mcp.your-server.com/jira",
"require_approval": "always"
}
]
)
Параметърът require_approval контролира човешката валидация:
"always": Всяко действие изисква одобрение"never": Автоматично изпълнение
Създаване на MCP сървър на Python
Написването на собствен сървър става полезно веднага щом вътрешна услуга трябва да бъде достъпна за множество приложения. Логиката е същата като при вътрешен API: пишете го веднъж, правилно, със собствени правила за достъп – и всяко приложение се възползва, без да преоткрива слоя за интеграция.
from mcp.server import Server
from mcp.types import Tool, TextContent
import json
server = Server("my-crm")
@server.tool()
async def search_client(term: str, field: str = "name") -> str:
"""Търсене на клиент във вътрешната CRM система.
Args:
term: Терминът за търсене (име, имейл или ID)
field: Полето, в което да се търси (name, email, id)
"""
# Вашата бизнес логика
results = await crm_database.search(term, field=field)
return json.dumps([{
"id": r.id,
"name": r.name,
"email": r.email,
"company": r.company
} for r in results])
@server.tool()
async def create_opportunity(
client_id: str,
title: str,
amount: float,
probability: int
) -> str:
"""Създаване на търговска възможност в CRM.
Args:
client_id: Идентификатор на клиента
title: Заглавие на възможността
amount: Очаквана сума в евро
probability: Вероятност за приключване (0-100)
"""
opp = await crm_database.create_opportunity(
client_id=client_id,
title=title,
amount=amount,
probability=probability
)
return json.dumps({"id": opp.id, "status": "created"})
Излагане на MCP ресурси
MCP прави разлика между инструменти, които извършват действие, и ресурси, които предоставят нещо за четене. Тази разлика е важна, защото определя риска: ресурсът се консултира без странични ефекти, докато инструментът може да промени състоянието на света. Контролите за одобрение естествено се фокусират върху последното.
@server.resource("crm://pipeline")
async def sales_pipeline() -> str:
"""Текущо състояние на търговския канал."""
pipeline = await crm_database.get_pipeline()
return json.dumps({
"total_opportunities": pipeline.count,
"total_value": pipeline.total_value,
"by_stage": {
"prospecting": pipeline.prospecting,
"qualification": pipeline.qualification,
"proposal": pipeline.proposal,
"negotiation": pipeline.negotiation,
"closing": pipeline.closing
}
})
@server.resource("crm://client/{client_id}")
async def client_profile(client_id: str) -> str:
"""Пълен профил на клиент."""
client = await crm_database.get_client(client_id)
return json.dumps({
"name": client.name,
"email": client.email,
"purchase_history": client.purchases,
"satisfaction_score": client.nps
})
Свързване на MCP сървър към Responses API
# Конфигурация на MCP конектор в API повикването
response = client.responses.create(
model="gpt-5.6-terra",
input="What is the status of our sales pipeline? "
"Create an opportunity for client CLI-789: "
"cloud migration, 50000 euros, 70% probability.",
tools=[
{
"type": "mcp",
"server_label": "internal-crm",
"server_url": "https://mcp.internal.example.com/crm",
"require_approval": "never"
}
]
)
Шаблон: Хъб с множество конектори
Тук стандартът наистина блести: множество сървъри, декларирани един до друг, като моделът komponира действия между тях – чете билет тук, търси клиент там, пише отговор на друго място. Без общ протокол същият този поток би изисквал три специфични интеграции и тяхната постоянна поддръжка.
response = client.responses.create(
model="gpt-5.6-terra",
input="Check open Jira tickets, send a summary to Slack, "
"and update the Notion dashboard",
tools=[
{
"type": "mcp",
"server_label": "jira",
"server_url": "https://mcp.example.com/jira",
"require_approval": "always"
},
{
"type": "mcp",
"server_label": "slack",
"server_url": "https://mcp.example.com/slack",
"require_approval": "always"
},
{
"type": "mcp",
"server_label": "notion",
"server_url": "https://mcp.example.com/notion",
"require_approval": "always"
}
]
)
Сигурност и удостоверяване
# MCP сървърите обработват удостоверяването чрез хедъри
# или токени в URL адреса на конфигурацията
# Най-добра практика: винаги използвайте require_approval за действия на запис
tools = [
{
"type": "mcp",
"server_label": "crm",
"server_url": "https://mcp.example.com/crm",
"require_approval": "always", # Човешка валидация
"allowed_tools": ["search_client", "client_profile"], # Ограничаване на инструментите
}
]
Ключови изводи
- MCP е отворен стандарт за свързване на модели с външни услуги
- Конекторите на OpenAI интегрират MCP директно в Responses API
- Изградете свои собствени MCP сървъри, за да изложите вътрешни услуги
- Използвайте
require_approval, за да контролирате човешката валидация - Свържете множество MCP сървъри в едно повикване за междуфункционални работни потоци