MCP ja liittimet: ulkoisten palveluiden yhdistäminen
Tällä sivulla
Päivitetty 2. marraskuuta 2026 — Agent Builder. OpenAI ilmoitti 3. kesäkuuta 2026 lopettavansa Agent Builderin 30. marraskuuta 2026; ChatKit pysyy käytössä. Jatkossa OpenAI ohjaa käyttäjät Agents SDK:hon tai ChatGPT-työtila-agentteihin. Syyskuun 10. päivästä 2026 lähtien OpenAI on tarjonnut julkisena betaversiona Agents API:n, joka hallinnoi agenttien orkestrointia (katso ChatGPT vuonna 2026, oppitunti 10).
MCP ja liittimet: ulkoisten palveluiden yhdistäminen
Model Context Protocol (MCP) on avoin standardi, jonka avulla agenttisi voi yhdistää ulkoisia palveluita standardoidulla tavalla. Sen sijaan, että kirjoittaisit integraatiot uudelleen jokaista palvelua varten, liität mukaan MCP-palvelimen, ja agenttisi saa heti käyttöönsä uusia työkaluja. Siinä missä olisit aiemmin kirjoittanut kolmesataa riviä GitHub-asiakaskoodia, tarvitset nyt vain yhden palvelinmäärityksen.
Mikä on MCP?
MCP on avoin standardi, joka määrittelee, kuinka asiakas – eli agenttisi – kommunikoi palvelimen, eli ulkoisen palvelun, kanssa. Jokainen MCP-palvelin paljastaa työkaluja, joita agenttisi voi käyttää. Protokolla hoitaa tiedonsiirron, sarjoituksen ja työkalujen löytämisen. Viimeksi mainittu on arvokkain ominaisuus päivittäisessä työssä: agentti kysyy palvelimelta, mitä se osaa tehdä, joten sinun ei tarvitse ylläpitää listaa manuaalisesti. Agents SDK sisältää natiivin MCP-tuen ja yhdistyy mihin tahansa yhteensopivaan palvelimeen.
MCP-palvelimen yhdistäminen
SDK tarjoaa luokan MCPServerStdio paikallisille palvelimille, jotka kommunikoivat stdin/stdout-kanavien kautta – tyypillisesti Node-prosessi, joka käynnistetään komennolla npx.
from agents import Agent, Runner
from agents.mcp import MCPServerStdio
# Paikallinen MCP-palvelin (kommunikoi stdin/stdout:n kautta)
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)
async with-lohko ei ole pelkkä koristelu: se käynnistää palvelinprosessin, etsii sen työkalut ja sammuttaa sen siististi lohkon päättyessä. Jos luot agentin tämän kontekstin ulkopuolella, sillä ei ole käytössään työkaluja.
Etä-MCP-palvelimet SSE:n kautta
Isännöityjä palvelimia varten käytä luokkaa MCPServerSse ja SSE-kuljetusta (Server-Sent Events). Logiikka pysyy samana; vain URL-osoite ja tunnistautumisotsikot muuttuvat.
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)
OpenAI-liittimet
MCP:n lisäksi OpenAI tarjoaa liittimiä, joita hallinnoidaan suoraan alustalla. Ne integroituvat Agent Builderiin ja ovat käytettävissä SDK:n kautta ilman, että sinun tarvitsee isännöidä palvelinta itse.
from agents import Agent, Runner
# Agent Builderissa määritetyt liittimet ovat automaattisesti käytettävissä
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",
# Liittimet on kytketty agentin alustakonfiguraatioon
)
mcp_servers-parametrin puuttuminen on loogista: liittimet on sidottu agentin alustakonfiguraatioon. Ne hoitavat puolestasi OAuth-tunnistautumisen, sivutuksen ja nopeusrajoitukset – kolme aluetta, jotka vievät merkittävästi aikaa, jos ne hoidetaan manuaalisesti.
MCP:n ja funktiotyökalujen yhdistäminen
Sinun ei tarvitse valita toista. Yksi agentti voi käyttää MCP-palvelinta tiedonhakua varten ja omia funktioitasi liiketoimintalogiikkaan, jota et halua delegoida.
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)
ALV-laskenta pysyy koodissasi, jossa se on testattavissa ja auditoitavissa; tilausten haku tapahtuu PostgreSQL-MCP-palvelimen kautta. Tämä on jako, johon sinun kannattaa pyrkiä.
MCP-työkalujen suodattaminen
MCP-palvelin voi paljastaa kymmeniä työkaluja, joista useimmat eivät ole tarpeellisia käyttötapaustasi varten – ja jokainen niistä kuluttaa kontekstia ja lisää riskiä sopimattomasta kutsusta. Aloita tarkistamalla, mitä todellisuudessa on saatavilla.
server = MCPServerStdio(
name="GitHub",
command="npx",
args=["-y", "@modelcontextprotocol/server-github"],
)
# Voit suodattaa yhdistämisen aikana
async with server:
tools = await server.list_tools()
# Tarkista saatavilla olevat työkalut
for tool in tools:
print(f"- {tool.name}: {tool.description}")
MCP-virheiden käsittely
MCP-palvelin on prosessi tai etäpalvelu: se voi epäonnistua käynnistyksessä, menettää yhteytensä tai sen tunnus voi vanhentua. Suunnittele heikennetty tila sen sijaan, että antaisit poikkeuksen kuplia käyttäjälle asti.
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:
# Varasuunnitelma ilman MCP:tä
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
Vara-agentti ei teeskentele toimivansa: se ilmoittaa palvelun olevan tavoittamattomissa. Agentti, joka keksii vastauksen tietolähteensä ollessa alhaalla, maksaa paljon enemmän kuin sellainen, joka myöntää etenevänsä mahdottomaksi.
Keskeiset asiat
- MCP on avoin protokolla ulkoisten palveluiden yhdistämiseksi agenttiisi
- Käytä
MCPServerStdio-luokkaa paikallisille palvelimille jaMCPServerSse-luokkaa etäpalvelimille - OpenAI-liittimet ovat alustalla hallinnoituja integraatioita
- Voit yhdistää funktiotyökaluja ja MCP-palvelimia samassa agentissa
- Käsittele MCP-yhteysvirheet heikennetyllä tilalla