MCP och anslutningar: Koppla ihop externa tjänster
På denna sida
Uppdaterat 2 november 2026 — Agent Builder. Den 3 juni 2026 meddelade OpenAI att Agent Builder kommer att läggas ner den 30 november 2026; ChatKit finns dock kvar. Framöver hänvisar OpenAI användare till Agents SDK eller agenter i ChatGPT-arbetsytan. Sedan den 10 september 2026 erbjuder OpenAI ett offentligt beta-API för agenter som hanterar agentorkestrering (se ChatGPT år 2026, lektion 10).
MCP och anslutningar: Koppla ihop externa tjänster
Model Context Protocol (MCP) är en öppen standard som låter din agent kopplas till externa tjänster på ett standardiserat sätt. Istället för att skriva om integrationer för varje enskild tjänst kopplar du in en MCP-server, så får din agent omedelbart tillgång till nya verktyg. Där du tidigare kanske hade skrivit trehundra rader GitHub-klientkod räcker det nu med en enda serverdeklaration.
Vad är MCP?
MCP är en öppen standard som definierar hur en klient – din agent – kommunicerar med en server, det vill säga en extern tjänst. Varje MCP-server exponerar verktyg som din agent kan använda. Protokollet hanterar transport, serialisering och upptäckt av verktyg. Den sista funktionen är den mest värdefulla i det dagliga arbetet: agenten frågar servern vad den kan göra, så slipper du underhålla en lista. Agents SDK har inbyggt stöd för MCP och kan ansluta till vilken kompatibel server som helst.
Ansluta en MCP-server
SDK:t tillhandahåller klassen MCPServerStdio för lokala servrar som kommunicerar via stdin/stdout – vanligtvis en Node-process som startas med npx.
from agents import Agent, Runner
from agents.mcp import MCPServerStdio
# Lokal MCP-server (kommunicerar via 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)
Blocket async with är inte bara dekoration: det startar serverprocessen, upptäcker dess verktyg och stänger av den korrekt när blocket avslutas. En agent som skapas utanför detta sammanhang får inga verktyg alls.
Fjärr-MCP-servrar via SSE
För hostade servrar använder du MCPServerSse och transporten SSE (Server-Sent Events). Logiken är densamma; det är bara URL:en och autentiseringsheadrarna som ändras.
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 Connectors
Utöver MCP erbjuder OpenAI connectors som hanteras direkt på plattformen. De integreras i Agent Builder och går att använda via SDK:t utan att du behöver hosta en egen server.
from agents import Agent, Runner
# Connectors konfigurerade i Agent Builder är automatiskt tillgängliga
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",
# Connectors är länkade till agentens konfiguration på plattformen
)
Att parametern mcp_servers saknas är logiskt: connectors är knutna till agentens konfiguration på plattformen. De hanterar OAuth-autentisering, paginering och hastighetsbegränsningar åt dig – tre områden som annars tar betydande tid i anspråk vid manuell hantering.
Kombinera MCP och funktionsverktyg
Du behöver inte välja. En enda agent kan använda en MCP-server för dataåtkomst och dina egna funktioner för affärslogik som du inte vill delegera.
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)
Momsberäkningen stannar i din kod, där den är testbar och granskningsbar; hämtning av order sker via PostgreSQL-MCP-servern. Det är den uppdelning du bör eftersträva.
Filtrera MCP-verktyg
En MCP-server kan exponera dussintals verktyg, varav de flesta inte är relevanta för ditt användningsfall – och varje verktyg konsumerar kontext och ökar risken för ett olämpligt anrop. Börja med att inspektera vad som faktiskt finns tillgängligt.
server = MCPServerStdio(
name="GitHub",
command="npx",
args=["-y", "@modelcontextprotocol/server-github"],
)
# Du kan filtrera under anslutningen
async with server:
tools = await server.list_tools()
# Inspektera tillgängliga verktyg
for tool in tools:
print(f"- {tool.name}: {tool.description}")
Hantera MCP-fel
En MCP-server är en process eller en fjärrtjänst: den kan misslyckas med att starta, tappa anslutningen eller ha ett utgånget token. Planera för ett degraderat läge istället för att låta undantaget bubbla upp till användaren.
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:
# Fallback utan 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
Fallback-agenten låtsas inte fungera: den meddelar att tjänsten inte är tillgänglig. En agent som hittar på ett svar när dess datakälla är nere kostar betydligt mer än en som erkänner att den inte kan fortsätta.
Viktiga punkter
- MCP är ett öppet protokoll för att koppla externa tjänster till din agent
- Använd
MCPServerStdioför lokala servrar ochMCPServerSseför fjärrservrar - OpenAI Connectors är hanterade integrationer på plattformen
- Du kan kombinera funktionsverktyg och MCP-servrar i samma agent
- Hantera MCP-anslutningsfel med ett degraderat läge