Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

MCP a konektory: Pripájanie externých služieb

Lekcia 9 z 25 Aktualizované 2. novembra 2026 Vývojár
Na tejto strane
  1. MCP a konektory: Pripájanie externých služieb
  2. Čo je MCP?
  3. Pripojenie MCP servera
  4. Vzdialené MCP servery cez SSE
  5. Konektory OpenAI
  6. Kombinácia MCP a funkčných nástrojov
  7. Filtrovanie nástrojov MCP
  8. Spracovanie chýb MCP
  9. Kľúčové poznatky

Aktualizované 2. novembra 2026 — Agent Builder. Dňa 3. júna 2026 spoločnosť OpenAI oznámila ukončenie prevádzky služby Agent Builder, naplánované na 30. novembra 2026; ChatKit zostáva dostupný. Ďalej OpenAI smeruje používateľov k Agents SDK alebo agentom v pracovnom priestore ChatGPT. Od 10. septembra 2026 ponúka OpenAI verejnú beta verziu Agents API, ktorá hostí orchestráciu agentov (pozri ChatGPT v roku 2026, lekcia 10).

MCP a konektory: Pripájanie externých služieb

Model Context Protocol (MCP) je otvorený štandard, ktorý umožňuje tvojmu agentovi pripájať sa k externým službám štandardizovaným spôsobom. Namiesto prepisovania integrácií pre každú službu jednoducho pripojíš MCP server a tvoj agent okamžite získa nové nástroje. Tam, kde by si musel napísať tristo riadkov kódu klienta pre GitHub, teraz potrebuješ len jedno deklarovanie servera.

Čo je MCP?

MCP je otvorený štandard definujúci, ako klient – tvoj agent – komunikuje so serverom, čiže externou službou. Každý MCP server vystavuje nástroje, ktoré môže tvoj agent využiť. Protokol rieši transport, serializáciu a objavovanie nástrojov. Práve táto posledná funkcia je pre každodennú prácu najcennejšia: agent sa opýta servera, čo dokáže, takže ty nemusíš udržiavať žiadny zoznam. Agents SDK obsahuje natívnu podporu MCP a pripojí sa na akýkoľvek kompatibilný server.

Pripojenie MCP servera

SDK poskytuje triedu MCPServerStdio pre lokálne servery, ktoré komunikujú prostredníctvom stdin/stdout – typicky ide o proces Node spustený príkazom npx.

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

# Lokálny MCP server (komunikuje cez 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 nie je len ozdobou: spustí proces servera, objaví jeho nástroje a po ukončení bloku ho korektne vypne. Agent vytvorený mimo tohto kontextu nebude mať k dispozícii žiadne nástroje.

Vzdialené MCP servery cez SSE

Pre hostované servery použij MCPServerSse a transport SSE (Server-Sent Events). Logika zostáva rovnaká; mení sa len URL a hlavičky overenia.

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

Popri MCP ponúka OpenAI aj konektory, ktoré sú spravované priamo na platforme. Integrujú sa do Agent Builder a zostávajú použiteľné aj cez SDK bez potreby hostovať vlastný server.

from agents import Agent, Runner

# Konektory nakonfigurované v Agent Builder sú 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 sú prepojené s konfiguráciou agenta na platforme
)

Neprítomnosť parametra mcp_servers dáva zmysel: konektory sú viazané na konfiguráciu agenta na platforme. Za teba riešia overenie OAuth, stránkovanie a obmedzenie rýchlosti – tri oblasti, ktoré pri manuálnom riešení spotrebujú značné množstvo času.

Kombinácia MCP a funkčných nástrojov

Nemusíš si vyberať. Jediný agent môže používať MCP server na prístup k dátam a tvoje vlastné funkcie pre obchodnú logiku, ktorú nechceš delegovať.

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 zostáva vo tvojom kóde, kde je testovateľný a auditovateľný; získavanie objednávok prebieha cez PostgreSQL MCP server. Presne o takéto rozdelenie by si sa mal usilovať.

Filtrovanie nástrojov MCP

MCP server môže vystavovať desiatky nástrojov, z ktorých väčšina pre tvoj prípad použitia nebude dôležitá – a každý z nich spotrebúva kontext a zvyšuje riziko nevhodného volania. Začni tým, že si prezrieš, čo je skutočne dostupné.

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

# Filtrovať môžeš počas pripájania
async with server:
    tools = await server.list_tools()
    # Preskúmaj dostupné nástroje
    for tool in tools:
        print(f"- {tool.name}: {tool.description}")

Spracovanie chýb MCP

MCP server je proces alebo vzdialená služba: môže sa nepodarit jeho spustenie, môže stratiť pripojenie alebo mu môže vypršať token. Naplánuj si režim obmedzenej funkčnosti namiesto toho, aby si nechal výnimku prebublávať až k používateľovi.

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:
        # Záložné riešenie 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

Záložný agent sa netvári, že funguje: oznámi nedostupnosť. Agent, ktorý si vymyslí odpoveď, keď je jeho zdroj dát offline, stojí oveľa viac než ten, ktorý prizná, že nemôže pokračovať.

Kľúčové poznatky

  • MCP je otvorený protokol na pripájanie externých služieb k tvojmu agentovi
  • Použi MCPServerStdio pre lokálne servery a MCPServerSse pre vzdialené servery
  • Konektory OpenAI sú integrácie spravované priamo na platforme
  • V rámci jedného agenta môžeš kombinovať funkčné nástroje a MCP servery
  • Chyby pripojenia MCP ošetruj pomocou režimu obmedzenej funkčnosti