MCP ja liittimet: yleinen standardi
Tällä sivulla
MCP ja liittimet: yleinen standardi
Model Context Protocol (MCP) on avoin standardi, jonka avulla mallit voivat olla vuorovaikutuksessa ulkoisten palveluiden kanssa yhdenmukaisen protokollan kautta. OpenAI Connectors toteuttaa tämän standardin linkittääkseen mallit suoraan kolmansien osapuolten työkaluihin Responses API:n sisällä.
Ongelma, jonka MCP ratkaisee
Ydinongelma on integraatioiden räjähdysmäinen kasvu: N mallin yhdistäminen M palveluun vaatii N×M erillistä räätälöityä integraatiota, joista jokainen kirjoitetaan ja ylläpidetään erikseen. Jokainen uusi palvelu pakottaa toistamaan työn jokaiselle sovellukselle, ja jokainen API-muutos uhkaa rikkoa useita integraatioita.
MCP muuttaa tämän tulon summaksi: palvelu paljastaa ominaisuutensa kerran protokollaa käyttäen, ja mikä tahansa yhteensopiva asiakas voi hyödyntää niitä. Tämä on sama logiikka kuin tulostinajureissa tai koodieditorien Language Server Protocol (LSP) -protokollassa – standardointi ei tee integraatioista tehokkaampia, vaan taloudellisesti kestävän.
# Ennen MCP:tä: manuaalinen integraatio jokaiselle palvelulle
tools = [
# Funktio Slackille
{"type": "function", "name": "slack_send_message", ...},
{"type": "function", "name": "slack_read_channel", ...},
# Funktio Jiralle
{"type": "function", "name": "jira_create_ticket", ...},
{"type": "function", "name": "jira_list_tickets", ...},
# Funktio Google Drivelle
{"type": "function", "name": "gdrive_list_files", ...},
# ... kymmeniä ylläpidettäviä funktioita
]
MCP:n avulla jokainen palvelu paljastaa ominaisuutensa standardiprotokollan kautta, ja malli kuluttaa niitä suoraan.
MCP-arkkitehtuuri
Protokolla määrittelee kolme käsitettä:
- MCP-palvelin: Palvelu, joka paljastaa työkaluja, resursseja ja kehotteita
- MCP-asiakas: Järjestelmä, joka kuluttaa palvelimen ominaisuuksia
- Kuljetuskerros: Asiakkaan ja palvelimen välinen viestintäkanava
# MCP-palvelin paljastaa:
# - Työkalut: Toiminnot, joita malli voi suorittaa
# - Resurssit: Tiedot, joita malli voi lukea
# - Kehotteet: Esimääritellyt kehotemallit
OpenAI Connectorsin käyttö
Connectorsit ovat MCP-palvelimia, jotka on jo isännoitu ja joita ylläpidetään: sinun tarvitsee vain julistaa ne, todentaa käyttäjä ja hyödyntää niitä. Tämä on luontevin lähtökohta – sinun ei tarvitse kirjoittaa MCP-palvelinta keskustellaksesi yleisen palvelun kanssa, jonka joku on jo yhdistänyt.
from openai import OpenAI
client = OpenAI()
# Käsitteellinen esimerkki: liitin ulkoiseen palveluun
response = client.responses.create(
model="gpt-5.6-terra",
input="Luo Jira-ticket kotisivun bugista",
tools=[
{
"type": "mcp",
"server_label": "jira",
"server_url": "https://mcp.your-server.com/jira",
"require_approval": "always"
}
]
)
Parametri require_approval ohjaa ihmisen suorittamaa validointia:
"always": Jokainen toiminto vaatii hyväksynnän"never": Automaattinen suoritus
Oman MCP-palvelimen luominen Pythonilla
Oman palvelimen kirjoittaminen kannattaa heti, kun sisäistä palvelua tarvitsee käyttää useista eri sovelluksista. Logiikka on sama kuin sisäisessä API:ssa: kirjoitat sen kerran siististi omilla käyttöoikeussäännöillään, ja jokainen sovellus hyötyy siitä ilman integraatiokerroksen uudelleenkeksimistä.
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:
"""Etsi asiakas sisäisestä CRM-järjestelmästä.
Args:
term: Hakutermi (nimi, sähköposti tai ID)
field: Kenttä, josta haetaan (name, email, id)
"""
# Liiketoimintalogiikkasi
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:
"""Luo myyntimahdollisuus CRM-järjestelmään.
Args:
client_id: Asiakkaan tunniste
title: Mahdollisuuden otsikko
amount: Arvioitu summa euroina
probability: Todennäköisyys kauppaan (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"})
MCP-resurssien paljastaminen
MCP erottaa toisistaan työkalut, jotka tekevät jotain, ja resurssit, jotka tarjoavat luettavaa tietoa. Tämä ero on tärkeä, koska se määrittää riskitason: resurssia kuullaan ilman sivuvaikutuksia, kun taas työkalu voi muuttaa maailman tilaa. Hyväksyntäkontrollit keskittyvät luonnollisesti jälkimmäiseen.
@server.resource("crm://pipeline")
async def sales_pipeline() -> str:
"""Myyntiputken nykytila."""
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:
"""Asiakkaan täydellinen profiili."""
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
})
MCP-palvelimen yhdistäminen Responses API:hin
# MCP-liittimen konfiguraatio API-kutsussa
response = client.responses.create(
model="gpt-5.6-terra",
input="Mikä on myyntiputkemme tilanne? "
"Luo mahdollisuus asiakkaalle CLI-789: "
"pilvimigraatio, 50000 euroa, 70 % todennäköisyys.",
tools=[
{
"type": "mcp",
"server_label": "internal-crm",
"server_url": "https://mcp.internal.example.com/crm",
"require_approval": "never"
}
]
)
Malli: Moniliitin-keskitin
Tässä standardi loistaa todella: useita palvelimia julistetaan vierekkäin, ja malli säveltää toimintaa niiden yli – lukee ticketin täältä, etsii asiakasta tuolta ja kirjoittaa vastauksen muualle. Ilman yhteistä protokollaa sama virta vaatisi kolme erityistä integraatiota ja niiden jatkuvaa ylläpitoa.
response = client.responses.create(
model="gpt-5.6-terra",
input="Tarkista avoimet Jira-ticketit, lähetä yhteenveto Slackiin "
"ja päivitä Notion-kojelauta",
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"
}
]
)
Turvallisuus ja todennus
# MCP-palvelimet hoitavat todennuksen otsikoiden
# tai tunnisteiden avulla konfiguraatio-URL:ssa
# Paras käytäntö: käytä aina require_approval-parametria kirjoitustoiminnoille
tools = [
{
"type": "mcp",
"server_label": "crm",
"server_url": "https://mcp.example.com/crm",
"require_approval": "always", # Ihmisen validointi
"allowed_tools": ["search_client", "client_profile"], # Rajoita työkaluja
}
]
Keskeiset asiat
- MCP on avoin standardi mallien yhdistämiseksi ulkoisiin palveluihin
- OpenAI Connectors integroi MCP:n suoraan Responses API:hin
- Rakenna omia MCP-palvelimia sisäisten palveluiden paljastamiseen
- Käytä
require_approval-parametria ihmisen suorittaman validoinnin ohjaamiseen - Yhdistä useita MCP-palvelimia yhteen kutsuun toimialojen välisiä työvirtoja varten