Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

MCP a konektory: Propojení s externími službami

Lekce 9 z 25 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. MCP a konektory: Propojení s externími službami
  2. Co je MCP?
  3. Připojení MCP serveru
  4. Vzdálené MCP servery přes SSE
  5. Konektory OpenAI
  6. Kombinace MCP a funkčních nástrojů
  7. Filtrování nástrojů MCP
  8. Zpracování chyb MCP
  9. Klíčové poznatky

Aktualizováno 2. listopadu 2026 — Agent Builder. Dne 3. června 2026 společnost OpenAI oznámila ukončení provozu služby Agent Builder, k němuž dojde 30. listopadu 2026; služba ChatKit zůstává dostupná. Od této chvíle OpenAI směruje uživatele k Agents SDK nebo agentům v pracovním prostoru ChatGPT. Od 10. září 2026 nabízí OpenAI veřejnou beta verzi Agents API, která hostuje orchestraci agentů (viz ChatGPT v roce 2026, lekce 10).

MCP a konektory: Propojení s externími službami

Model Context Protocol (MCP) je otevřený standard, který tvému agentovi umožňuje standardizovaným způsobem připojovat se k externím službám. Místo přepisování integrací pro každou službu jednoduše zapojíš MCP server a tvůj agent okamžitě získá nové nástroje. Tam, kde bys dříve psal tři sta řádků klientského kódu pro GitHub, nyní potřebuješ pouze jediné deklaraci serveru.

Co je MCP?

MCP je otevřený standard definující, jak klient – tedy tvůj agent – komunikuje se serverem, což znamená externí službou. Každý MCP server vystavuje nástroje, které může tvůj agent využívat. Protokol řeší transport, serializaci a objevování nástrojů. Právě tato poslední funkce je pro každodenní práci nejcennější: agent se dotáže serveru, co umí, takže nemusíš udržovat žádný seznam. Agents SDK obsahuje nativní podporu MCP a připojí se k jakémukoli kompatibilnímu serveru.

Připojení MCP serveru

SDK poskytuje třídu MCPServerStdio pro lokální servery, které komunikují přes stdin/stdout – typicky jde o proces Node spuštěný pomocí npx.

from agents import Agent, Runner
from agents.mcp import MCPServerStdio

# Lokální MCP server (komunikuje přes stdin/stdout)
file_server = MCPServerStdio(
    name="File Manager",
    command="npx",
    args=["-y", "@modelcontextprotocol/server-filesystem", "/path/to/folder"],
)

async def main():
    async with file_server:
        agent = Agent(
            name="File Agent",
            instructions="You manage files for the user.",
            mcp_servers=[file_server],
        )
        result = await Runner.run(agent, "List the files in the root folder.")
        print(result.final_output)

Blok async with není jen ozdobou: spustí proces serveru, objeví jeho nástroje a po ukončení bloku jej čistě vypne. Agent vytvořený mimo tento kontext nebude mít žádné nástroje k dispozici.

Vzdálené MCP servery přes SSE

Pro hostované servery použij MCPServerSse a transport SSE (Server-Sent Events). Logika zůstává stejná; mění se pouze URL a hlavičky pro ověření.

from agents.mcp import MCPServerSse

github_server = MCPServerSse(
    name="GitHub",
    url="https://mcp.github.com/sse",
    headers={"Authorization": "Bearer ghp_your_token"},
)

async def main():
    async with github_server:
        agent = Agent(
            name="DevOps Agent",
            instructions="You manage GitHub repositories.",
            mcp_servers=[github_server],
        )
        result = await Runner.run(
            agent,
            "Create an issue in the my-project repo with the title 'Critical Bug'"
        )
        print(result.final_output)

Konektory OpenAI

Kromě MCP nabízí OpenAI také konektory, které jsou spravovány přímo na platformě. Integrují se do Agent Builderu a zůstávají použitelné přes SDK, aniž bys musel hostovat vlastní server.

from agents import Agent, Runner

# Konektory nakonfigurované v Agent Builderu jsou automaticky dostupné
agent = Agent(
    name="CRM Agent",
    instructions="""You are a CRM assistant. Use the connectors
    to access Salesforce, HubSpot, and Google Workspace.""",
    model="gpt-5.6-terra",
    # Konektory jsou propojeny s konfigurací agenta na platformě
)

Absence parametru mcp_servers dává smysl: konektory jsou svázány s konfigurací agenta na platformě. Za tebe řeší ověření OAuth, stránkování a omezování rychlosti požadavků – tři oblasti, které při ruční implementaci spotřebují značné množství času.

Kombinace MCP a funkčních nástrojů

Nemusíš si vybírat. Jeden agent může využívat MCP server pro přístup k datům a tvé vlastní funkce pro obchodní logiku, kterou nechceš delegovat.

from agents import Agent, Runner, function_tool
from agents.mcp import MCPServerStdio

@function_tool
def calculate_invoice(amount_excl_tax: float, vat_rate: float = 20.0) -> str:
    """Calculates the total amount including tax for an invoice."""
    amount_incl_tax = amount_excl_tax * (1 + vat_rate / 100)
    return f"Excl. tax: €{amount_excl_tax}, VAT {vat_rate}%: €{amount_excl_tax * vat_rate / 100:.2f}, Incl. tax: €{amount_incl_tax:.2f}"

db_server = MCPServerStdio(
    name="Database",
    command="npx",
    args=["-y", "@modelcontextprotocol/server-postgres", "postgresql://user:pass@localhost/mydb"],
)

async def main():
    async with db_server:
        agent = Agent(
            name="Accounting Agent",
            instructions="""You handle accounting.
            Use the database for customer data
            and the calculation function for invoices.""",
            tools=[calculate_invoice],
            mcp_servers=[db_server],
        )
        result = await Runner.run(
            agent,
            "Retrieve orders for customer Alice and calculate the total invoice"
        )
        print(result.final_output)

Výpočet DPH zůstává ve tvém kódu, kde je testovatelný a auditovatelný; získávání objednávek probíhá přes PostgreSQL MCP server. Právě k takovému rozdělení bys měl směřovat.

Filtrování nástrojů MCP

MCP server může vystavovat desítky nástrojů, z nichž většina pro tvůj případ použití nebude podstatná – a každý z nich spotřebovává kontext a zvyšuje riziko nevhodného volání. Začni tím, že si prohlédneš, co je skutečně dostupné.

server = MCPServerStdio(
    name="GitHub",
    command="npx",
    args=["-y", "@modelcontextprotocol/server-github"],
)

# Během připojení můžeš filtrovat
async with server:
    tools = await server.list_tools()
    # Prohlédni si dostupné nástroje
    for tool in tools:
        print(f"- {tool.name}: {tool.description}")

Zpracování chyb MCP

MCP server je proces nebo vzdálená služba: může se nepodařit spustit, ztratit připojení nebo mít vypršelý token. Naplánuj si režim omezené funkčnosti, místo abys nechal výjimku probublat až k uživateli.

from agents.mcp import MCPServerStdio

async def create_agent_with_mcp():
    server = MCPServerStdio(
        name="External Service",
        command="npx",
        args=["-y", "my-mcp-server"],
    )

    try:
        async with server:
            agent = Agent(
                name="My Agent",
                instructions="Use the external service.",
                mcp_servers=[server],
            )
            result = await Runner.run(agent, "Execute the task.")
            return result.final_output
    except Exception as e:
        # Záložní řešení bez MCP
        fallback_agent = Agent(
            name="My Agent (degraded mode)",
            instructions="The external service is unavailable. Inform the user.",
        )
        result = await Runner.run(fallback_agent, "The service is unavailable.")
        return result.final_output

Záložní agent nepředstírá, že funguje: oznámí nedostupnost. Agent, který si vymyslí odpověď, když je jeho zdroj dat offline, stojí mnohem více než ten, který přizná, že nemůže pokračovat.

Klíčové poznatky

  • MCP je otevřený protokol pro připojování externích služeb k tvému agentovi
  • Pro lokální servery použij MCPServerStdio a pro vzdálené servery MCPServerSse
  • Konektory OpenAI jsou integrace spravované přímo na platformě
  • Ve stejném agentovi můžeš kombinovat funkční nástroje a MCP servery
  • Chyby připojení MCP řeš pomocí režimu omezené funkčnosti