Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

MCP ir jungtys: išorinių tarnybų prijungimas

Paskaita 9 iš 25 Atnaujinta 2026 m. lapkričio 2 d. Kūrėjas
Šiame puslapyje
  1. MCP ir jungtys: išorinių tarnybų prijungimas
  2. Kas yra MCP?
  3. MCP serverio prijungimas
  4. Nutolę MCP serveriai per SSE
  5. „OpenAI“ jungtys
  6. MCP ir funkcinių įrankių derinimas
  7. MCP įrankių filtravimas
  8. MCP klaidų valdymas
  9. Svarbiausi punktai

Atnaujinta 2026 m. lapkričio 2 d. – Agent Builder. 2026 m. birželio 3 d. „OpenAI“ paskelbė apie „Agent Builder“ uždarymą, numatytą 2026 m. lapkričio 30 d.; „ChatKit“ lieka prieinama. Ateityje „OpenAI“ nukreipia naudotojus į „Agents SDK“ arba „ChatGPT“ darbo srities agentus. Nuo 2026 m. rugsėjo 10 d. „OpenAI“ siūlo viešą beta versijos „Agents API“, kuri talpina agentų orchestravimą (žr. ChatGPT 2026 m., 10 pamoka).

MCP ir jungtys: išorinių tarnybų prijungimas

Modelio konteksto protokolas (MCP) yra atviras standartas, leidžiantis tavo agentui standartizuotu būdu prisijungti prie išorinių tarnybų. Užuot kiekvienai tarnybai iš naujo rašęs integracijas, tiesiog prijungi MCP serverį, ir tavo agentas akimirksniu įgauna naujų įrankių. Ten, kur anksčiau būtum parašęs tris šimtus GitHub kliento kodo eilučių, dabar tau reikia tik vieno serverio deklaravimo.

Kas yra MCP?

MCP yra atviras standartas, apibrėžiantis, kaip klientas – tavo agentas – bendrauja su serveriu, t. y. išorine tarnyba. Kiekvienas MCP serveris atskleidžia įrankius, kuriuos tavo agentas gali naudoti. Protokolas tvarko transportavimą, serializavimą ir įrankių atradimą. Būtent ši paskutinė savybė yra vertingiausia kasdieniame darbe: agentas užklausia serverį, ką jis gali daryti, todėl tau nereikia palaikyti sąrašo. „Agents SDK“ turi integruotą MCP palaikymą ir jungiasi prie bet kurio suderinamo serverio.

MCP serverio prijungimas

SDK pateikia MCPServerStdio klasę vietiniams serveriams, kurie bendrauja per stdin/stdout – paprastai tai Node procesas, paleidžiamas su npx.

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

# Vietinis MCP serveris (bendrauja per 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)

Blokas async with nėra tik dekoracija: jis paleidžia serverio procesą, atranda jo įrankius ir tvarkingai jį išjungia, kai blokas baigiamas. Agentas, sukurtas už šio konteksto ribų, neturės jokių įrankių.

Nutolę MCP serveriai per SSE

Talpinamiems serveriams naudok MCPServerSse ir SSE (Server-Sent Events) transportą. Logika lieka ta pati; keičiasi tik URL ir autentifikavimo antraštės.

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“ jungtys

Be MCP, „OpenAI“ siūlo jungtis, valdomas tiesiogiai platformoje. Jos integruojamos į „Agent Builder“ ir lieka naudojamos per SDK, nereikalaujant, kad pats talpintum serverį.

from agents import Agent, Runner

# Jungtys, sukonfigūruotos „Agent Builder“, automatiškai prieinamos
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",
    # Jungtys susietos su agento konfigūracija platformoje
)

Parametro mcp_servers nebuvimas yra logiškas: jungtys yra susietos su agento konfigūracija platformoje. Jos tau automatiškai tvarko OAuth autentifikavimą, puslapiavimą ir dažnio ribojimą – tris sritis, kurios rankiniu būdu tvarkant sugeria daug laiko.

MCP ir funkcinių įrankių derinimas

Nereikia rinktis vieno ar kito. Vienas agentas gali naudoti MCP serverį duomenų prieigai, o tavo pačių funkcijas – verslo logikai, kurios nenori deleguoti.

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)

PVM skaičiavimas lieka tavo kode, kur jį galima testuoti ir audituoti; užsakymų gavimas vyksta per PostgreSQL MCP serverį. Būtent tokio išskyrimo turėtum siekti.

MCP įrankių filtravimas

MCP serveris gali atskleisti dešimtis įrankių, kurių dauguma tavo atveju bus nereikšmingi, o kiekvienas jų eikvoja kontekstą ir didina netinkamo kvietimo riziką. Pradėk nuo to, kas iš tikrųjų prieinama.

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

# Galima filtruoti prisijungimo metu
async with server:
    tools = await server.list_tools()
    # Peržiūrėk prieinamus įrankius
    for tool in tools:
        print(f"- {tool.name}: {tool.description}")

MCP klaidų valdymas

MCP serveris yra procesas arba nutolusi tarnyba: jis gali nepaleisti, prarasti ryšį arba jo prieigos raktas gali būti nebegaliojantis. Planuok veikimą sumažintu pajėgumu, užuot leidęs išimčiai iškilti iki naudotojo.

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:
        # Atsarginis variantas be 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

Atsarginis agentas neapsimetinėja dirbantis: jis praneša apie neprieinamumą. Agentas, kuris sugalvoja atsakymą, kai jo duomenų šaltinis neveikia, kainuoja daug brangiau nei tas, kuris pripažįsta negalintis tęsti darbo.

Svarbiausi punktai

  • MCP yra atviras protokolas išorinėms tarnyboms prijungti prie tavo agento
  • Naudok MCPServerStdio vietiniams serveriams ir MCPServerSse nutolusiems serveriams
  • „OpenAI“ jungtys yra platformoje valdomos integracijos
  • Tame pačiamente agente gali derinti funkcinius įrankius ir MCP serverius
  • MCP ryšio klaidas valdyk naudodamas veikimą sumažintu pajėgumu