Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

MCP un konektori: ārējo servisu pieslēgšana

Nodarbība 9 no 25 Atjaunota 2026. gada 2. novembris Programmētājs
Šajā lapā
  1. MCP un konektori: ārējo servisu pieslēgšana
  2. Kas ir MCP?
  3. MCP servera pieslēgšana
  4. Attālināti MCP serveri, izmantojot SSE
  5. OpenAI konektori
  6. MCP un funkciju rīku kombinēšana
  7. MCP rīku filtrēšana
  8. MCP kļūdu apstrāde
  9. Galvenās atziņas

Atjaunināts 2026. gada 2. novembrī — Agent Builder. 2026. gada 3. jūnijā OpenAI paziņoja par Agent Builder slēgšanu, kas paredzēta 2026. gada 30. novembrī; ChatKit paliek pieejams. Turpmāk OpenAI novirza lietotājus uz Agents SDK vai ChatGPT darbvietas aģentiem. Kopš 2026. gada 10. septembra OpenAI piedāvā publisku beta versiju Agents API, kas mitina aģentu orķestrāciju (sk. ChatGPT 2026. gadā, 10. nodarbība).

MCP un konektori: ārējo servisu pieslēgšana

Modeļa konteksta protokols (MCP) ir atvērts standarts, kas ļauj tavam aģentam standartizētā veidā pieslēgties ārējiem servisiem. Tā vietā, lai katram servisam rakstītu integrācijas no jauna, tu pievieno MCP serveri, un tavs aģents uzreiz iegūst jaunus rīkus. Tur, kur tev nāktos uzrakstīt trīs simts rindu GitHub klienta kodu, tagad pietiek ar viena servera deklarāciju.

Kas ir MCP?

MCP ir atvērts standarts, kas definē, kā klients — tavs aģents — komunicē ar serveri, proti, ārēju servisu. Katrs MCP serveris eksponē rīkus, ko tavs aģents var izmantot. Protokols nodrošina transportu, serializāciju un rīku atklāšanu. Tieši pēdējā funkcija ir visvērtīgākā ikdienas darbā: aģents vaicā serverim, ko tas spēj darīt, tāpēc tev nav jāuztur saraksts manuāli. Agents SDK ietver natīvu MCP atbalstu un savienojas ar jebkuru saderīgu serveri.

MCP servera pieslēgšana

SDK nodrošina klasi MCPServerStdio lokāliem serveriem, kas komunicē caur stdin/stdout — parasti tas ir Node process, kas palaists ar npx.

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

# Lokāls MCP serveris (komunicē caur 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)

Bloks async with nav tikai dekorācija: tas palaiž servera procesu, atklāj tā rīkus un korekti to aptur, kad bloks beidzas. Aģents, kas izveidots ārpus šī konteksta, nebūs pieejami nekādi rīki.

Attālināti MCP serveri, izmantojot SSE

Mitinātiem serveriem izmanto MCPServerSse un SSE (Server-Sent Events) transportu. Loģika paliek tāda pati; mainās tikai URL un autentifikācijas galvenes.

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 konektori

Papildus MCP, OpenAI piedāvā konektorus, kurus pārvalda tieši platformā. Tie integrējas Agent Builder un paliek lietojami caur SDK, neprasa tev mitināt serveri.

from agents import Agent, Runner

# Konektori, kas konfigurēti Agent Builder, ir automātiski pieejami
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",
    # Konektori ir saistīti ar aģenta konfigurāciju platformā
)

Parametra mcp_servers trūkums ir loģisks: konektori ir saistīti ar aģenta konfigurāciju platformā. Tie tavā vietā nodrošina OAuth autentifikāciju, lapošanu un ātruma ierobežojumu apstrādi — trīs jomas, kas, risinot manuāli, prasa ievērojamu laiku.

MCP un funkciju rīku kombinēšana

Tev nav jāizvēlas tikai viens variants. Viens aģents var izmantot MCP serveri datu piekļuvei un tavas pašrakstītās funkcijas biznesa loģikai, ko nevēlies deleģēt.

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)

PVN aprēķins paliek tavā kodā, kur to var testēt un auditēt; pasūtījumu izgūšana notiek caur PostgreSQL MCP serveri. Tieši šāds sadalījums ir tavojams.

MCP rīku filtrēšana

MCP serveris var eksponēt desmitiem rīku, no kuriem lielākā daļa tavam gadījumam nebūs svarīgi, un katrs no tiem patērē kontekstu un palielina nepiemērota izsaukuma risku. Sāc ar to, lai pārbaudītu, kas tieši ir pieejams.

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

# Vari filtrēt pieslēgšanās brīdī
async with server:
    tools = await server.list_tools()
    # Pārbaudi pieejamos rīkus
    for tool in tools:
        print(f"- {tool.name}: {tool.description}")

MCP kļūdu apstrāde

MCP serveris ir process vai attālināts serviss: tas var neieslēgties, zaudēt savienojumu vai tam var beigties derīguma termiņš tokenim. Plāno degradētu režīmu, nevis ļauj izņēmumam nonākt līdz lietotājam.

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:
        # Rezerves variants 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

Rezerves aģents neliekas strādājam: tas paziņo par nepieejamību. Aģents, kas izgudro atbildi, kad tā datu avots nedarbojas, izmaksā daudz dārgāk nekā tas, kas atzīst, ka nevar turpināt.

Galvenās atziņas

  • MCP ir atvērts protokols ārējo servisu pieslēgšanai tavam aģentam
  • Izmanto MCPServerStdio lokāliem serveriem un MCPServerSse attālinātiem serveriem
  • OpenAI konektori ir platformā pārvaldītas integrācijas
  • Vienā aģentā vari kombinēt funkciju rīkus un MCP serverus
  • Apstrādā MCP savienojuma kļūdas, izmantojot degradētu režīmu