OpenAI adds MCP support to Agents SDK

Source | HN Comments

文章介绍了OpenAI的Agents SDK新增了对MCP（Model Context Protocol）的支持。MCP是一种开放协议，用于标准化应用程序向LLM提供上下文的方式，类似于AI应用的“USB-C端口”。Agents SDK通过`MCPServerStdio`和`MCPServerSse`类支持连接MCP服务器，从而为Agents提供工具。文章还提到了缓存工具列表以减少延迟、端到端示例以及MCP操作的自动追踪功能。

OpenAI Agents SDK 新增 MCP 支持

[中文正文内容]

Intro
Quickstart
Examples
Documentation Documentation
- Agents
- Running agents
- Results
- Streaming
- Tools
- Model context protocol (MCP) Model context protocol (MCP) Table of contents
- Handoffs
- Tracing
- Context management
- Guardrails
- Orchestrating multiple agents
- Models
- Configuring the SDK
- Agent Visualization
- Voice agents Voice agents
API Reference API Reference
- Agents Agents
- Tracing Tracing
  - Tracing module
  - Creating traces/spans
  - Traces
  - Spans
  - Processor interface
  - Processors
  - Scope
  - Setup
  - Span data
  - Util
- Voice Voice
  - Pipeline
  - Workflow
  - Input
  - Result
  - Pipeline Config
  - Events
  - Exceptions
  - Model
  - Utils
  - OpenAIVoiceModelProvider
  - OpenAI STT
  - OpenAI TTS
- Extensions Extensions
  - Handoff filters
  - Handoff prompt

Table of contents

Model context protocol (MCP)

Model context protocol (又名 MCP) 是一种向 LLM 提供工具和上下文的方式。从 MCP 文档中：

MCP 是一种开放协议，用于标准化应用程序如何向 LLM 提供上下文。将 MCP 视为 AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。

Agents SDK 支持 MCP。这使您可以使用各种 MCP 服务器来为您的 Agents 提供工具。

MCP 服务器

目前，MCP 规范根据它们使用的传输机制定义了两种服务器：

stdio 服务器作为应用程序的子进程运行。您可以将它们视为“本地”运行。
HTTP over SSE 服务器远程运行。您通过 URL 连接到它们。

您可以使用 MCPServerStdio 和 MCPServerSse 类来连接到这些服务器。

例如，以下是如何使用官方 MCP 文件系统服务器。

[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-0-1>)async with MCPServerStdio(
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-0-2>)  params={
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-0-3>)    "command": "npx",
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-0-4>)    "args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-0-5>)  }
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-0-6>)) as server:
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-0-7>)  tools = await server.list_tools()

使用 MCP 服务器

MCP 服务器可以添加到 Agents 中。 Agents SDK 每次运行 Agent 时都会调用 MCP 服务器上的 list_tools()。这使得 LLM 知道 MCP 服务器的工具。当 LLM 调用来自 MCP 服务器的工具时，SDK 会调用该服务器上的 call_tool()。

[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-1-1>)agent=Agent(
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-1-2>)  name="Assistant",
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-1-3>)  instructions="Use the tools to achieve the task",
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-1-4>)  mcp_servers=[mcp_server_1, mcp_server_2]
[](https://openai.github.io/openai-agents-python/mcp/<#__codelineno-1-5>))

缓存

每次 Agent 运行时，它都会在 MCP 服务器上调用 list_tools()。这可能会导致延迟，尤其是在服务器是远程服务器的情况下。要自动缓存工具列表，您可以将 cache_tools_list=True 传递给 MCPServerStdio 和 MCPServerSse。只有在您确定工具列表不会更改时才应这样做。

如果要使缓存失效，可以在服务器上调用 invalidate_tools_cache()。

端到端示例

在 examples/mcp 查看完整的示例。

Tracing

Tracing 会自动捕获 MCP 操作，包括：

调用 MCP 服务器以列出工具
函数调用中与 MCP 相关的信息

MCP Tracing Screenshot