MCP 集成

Model Context Protocol (MCP) 是一种开放协议，用于标准化应用程序向 LLM 提供工具和上下文的方式。来自 MCP 文档：

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。可以把 MCP 想成 AI 应用的 USB-C 接口。正如 USB-C 为你的设备连接各种外设和配件提供了标准化方式，MCP 也为 AI 模型连接不同的数据源和工具提供了标准化方式。

此 SDK 支持三类 MCP 服务器：

远程 MCP 服务器工具 – 由 OpenAI Responses API 作为工具使用的远程 MCP 服务器
Streamable HTTP MCP 服务器 – 实现 Streamable HTTP 传输的本地或远程服务器
Stdio MCP 服务器 – 通过标准输入/输出访问的服务器（最简单的选项）

注意：SDK 还包含 MCPServerSSE，用于旧版 Server-Sent Events 传输，但 SSE 已被 MCP 项目弃用。对于新的集成，优先使用 Streamable HTTP 或 stdio。

根据你的使用场景选择服务器类型：

你的需求	推荐选项
使用默认 OpenAI Responses 模型调用可公开访问的远程服务器	1. 远程 MCP 服务器工具
使用可公开访问的远程服务器，但在本地触发工具调用	2. Streamable HTTP
使用本地运行的 Streamable HTTP 服务器	2. Streamable HTTP
将任意 Streamable HTTP 服务器与非 OpenAI Responses 模型配合使用	2. Streamable HTTP
使用仅支持标准 I/O 协议的本地 MCP 服务器	3. Stdio

1. 远程 MCP 服务器工具

托管工具会把整个往返流程推入模型中。你的代码无需调用 MCP 服务器，而是由 OpenAI Responses API 调用远程工具端点，并将结果以流式方式传回模型。

下面是使用托管 MCP 工具的最简单示例。你可以将远程 MCP 服务器的标签和 URL 传给 hostedMcpTool 实用函数，这有助于创建远程 MCP 服务器工具。

import { Agent, hostedMcpTool } from '@openai/agents';

export const agent = new Agent({
  name: 'MCP Assistant',
  instructions: 'You must always use the MCP tools to answer questions.',
  tools: [
    hostedMcpTool({
      serverLabel: 'deepwiki',
      serverUrl: 'https://mcp.deepwiki.com/mcp',
    }),
  ],
});

然后，你可以使用 run 函数（或你自定义的 Runner 实例的 run 方法）运行该智能体：

import { run } from '@openai/agents';
import { agent } from './hostedAgent';

async function main() {
  const result = await run(
    agent,
    'Which language is the repo I pointed in the MCP tool settings written in?',
  );
  console.log(result.finalOutput);
}

main().catch(console.error);

要以流式方式传输增量 MCP 结果，请在运行 Agent 时传入 stream: true：

import { isOpenAIResponsesRawModelStreamEvent, run } from '@openai/agents';
import { agent } from './hostedAgent';

async function main() {
  const result = await run(
    agent,
    'Which language is the repo I pointed in the MCP tool settings written in?',
    { stream: true },
  );

  for await (const event of result) {
    if (
      isOpenAIResponsesRawModelStreamEvent(event) &&
      event.data.event.type !== 'response.mcp_call_arguments.delta' &&
      event.data.event.type !== 'response.output_text.delta'
    ) {
      console.log(`Got event of type ${JSON.stringify(event.data)}`);
    }
  }
  console.log(`Done streaming; final result: ${result.finalOutput}`);
}

main().catch(console.error);

可选审批流程

对于敏感操作，你可以要求对单个工具调用进行人工审批。传入 requireApproval: 'always'，或传入一个细粒度对象，将工具名称映射到 'never'/'always'。

如果你可以通过程序判断某个工具调用是否安全，可以使用 onApproval 回调来批准或拒绝该工具调用。如果需要人工审批，可以采用与本地函数工具相同的人机协作（HITL）方式，使用 interruptions。

import { Agent, run, hostedMcpTool, RunToolApprovalItem } from '@openai/agents';

async function main(): Promise<void> {
  const agent = new Agent({
    name: 'MCP Assistant',
    instructions: 'You must always use the MCP tools to answer questions.',
    tools: [
      hostedMcpTool({
        serverLabel: 'deepwiki',
        serverUrl: 'https://mcp.deepwiki.com/mcp',
        // 'always' | 'never' | { never, always }
        requireApproval: {
          never: {
            toolNames: ['read_wiki_structure', 'read_wiki_contents'],
          },
          always: {
            toolNames: ['ask_question'],
          },
        },
      }),
    ],
  });

  let result = await run(
    agent,
    'For the repository openai/codex, tell me the primary programming language.',
  );
  while (result.interruptions && result.interruptions.length) {
    for (const interruption of result.interruptions) {
      // Human in the loop here
      const approval = await confirm(interruption);
      if (approval) {
        result.state.approve(interruption);
      } else {
        result.state.reject(interruption);
      }
    }
    result = await run(agent, result.state);
  }
  console.log(result.finalOutput);
}

import { stdin, stdout } from 'node:process';
import * as readline from 'node:readline/promises';

async function confirm(item: RunToolApprovalItem): Promise<boolean> {
  const rl = readline.createInterface({ input: stdin, output: stdout });
  const name = item.name;
  const params = item.arguments;
  const answer = await rl.question(
    `Approve running tool (mcp: ${name}, params: ${params})? (y/n) `,
  );
  rl.close();
  return answer.toLowerCase().trim() === 'y';
}

main().catch(console.error);

远程 MCP 选项参考

hostedMcpTool(...) 同时支持 MCP 服务器 URL 和连接器支持的服务器：

选项	类型	说明
`serverLabel`	`string`	在事件和追踪中标识远程 MCP 服务器的必填标签。
`serverUrl`	`string`	远程 MCP 服务器 URL（常规远程 MCP 服务器使用此项）。
`connectorId`	`string`	OpenAI 连接器 ID（对于连接器支持的远程服务器，使用此项而不是 `serverUrl`）。
`authorization`	`string`	发送到远程 MCP 后端的可选授权令牌。
`headers`	`Record<string, string>`	可选的额外请求标头。
`allowedTools`	`string[] \| object`	暴露给模型的工具名称白名单。传入 `string[]` 或 `{ toolNames?: string[] }`。
`deferLoading`	`boolean`	仅适用于 Responses API 的托管 MCP 工具延迟加载。需要在同一智能体中使用 `toolSearchTool()`。
`requireApproval`	`'never' \| 'always' \| object`	托管 MCP 工具调用的审批策略。使用对象形式可按工具覆盖。默认值为 `'never'`。
`onApproval`	审批回调	当 `requireApproval` 需要审批处理时，用于程序化批准/拒绝的可选回调。

当你希望模型通过工具搜索按需加载远程 MCP 服务器的工具定义，而不是预先暴露这些定义时，设置 deferLoading: true。这仅适用于 OpenAI Responses API，需要在同一请求中使用 toolSearchTool()，并且应与 GPT-5.4 及更新的受支持模型版本一起使用。完整的延迟加载设置请参阅工具指南。

requireApproval 对象形式：

{
  always?: { toolNames: string[] };
  never?: { toolNames: string[] };
}

onApproval 签名：

async function onApproval(
  context,
  item,
): Promise<{
  approve: boolean;
  reason?: string;
}> {}

连接器支持的远程服务器

远程 MCP 还支持 OpenAI 连接器。不要提供 serverUrl，而是传入连接器的 connectorId 和 authorization 令牌。随后，Responses API 会处理身份验证，并通过远程 MCP 接口暴露该连接器的工具。

import { Agent, hostedMcpTool } from '@openai/agents';

const authorization = process.env.GOOGLE_CALENDAR_AUTHORIZATION!;

export const connectorAgent = new Agent({
  name: 'Calendar Assistant',
  instructions:
    "You are a helpful assistant that can answer questions about the user's calendar.",
  tools: [
    hostedMcpTool({
      serverLabel: 'google_calendar',
      connectorId: 'connector_googlecalendar',
      authorization,
      requireApproval: 'never',
    }),
  ],
});

在此示例中，GOOGLE_CALENDAR_AUTHORIZATION 环境变量保存从 Google OAuth Playground 获取的 OAuth 令牌，该令牌授权连接器支持的服务器调用 Calendar API。有关也演示流式传输的可运行示例，请参阅 examples/connectors。

完整可运行示例（托管工具/Streamable HTTP/stdio + 流式传输、HITL、onApproval）位于我们 GitHub 仓库中的 examples/mcp。

智能体级 MCP 配置

除了选择传输机制，你还可以通过设置 Agent.mcpConfig 来调整本地 MCP 工具的准备方式。

const agent = new Agent({
  name: 'Assistant',
  mcpServers: [server],
  mcpConfig: {
    // Try to convert MCP tool schemas to strict JSON schema.
    convertSchemasToStrict: true,
    // Set to null to raise MCP tool failures instead of returning model-visible error text.
    errorFunction: null,
    // Prefix local MCP tool names with their server name.
    includeServerInToolNames: true,
  },
});

说明：

convertSchemasToStrict 会尽力执行。如果某个 schema 无法转换，则使用原始 schema。
errorFunction 控制 MCP 工具调用失败如何呈现给模型。
未设置 errorFunction 时，SDK 使用默认的工具错误格式化器。
服务器级的 errorFunction 值会覆盖该服务器的 Agent.mcpConfig.errorFunction。
includeServerInToolNames 需要显式启用。启用后，每个本地 MCP 工具都会以确定性的、带服务器前缀的名称暴露给模型，这有助于避免多个 MCP 服务器发布同名工具时发生冲突。

2. Streamable HTTP MCP 服务器

当你的智能体直接与 Streamable HTTP MCP 服务器（本地或远程）通信时，使用服务器的 url、name 和任何可选设置实例化 MCPServerStreamableHttp：

import { Agent, run, MCPServerStreamableHttp } from '@openai/agents';

async function main() {
  const mcpServer = new MCPServerStreamableHttp({
    url: 'https://mcp.deepwiki.com/mcp',
    name: 'DeepWiki MCP Server',
  });
  const agent = new Agent({
    name: 'DeepWiki Assistant',
    instructions: 'Use the tools to respond to user requests.',
    mcpServers: [mcpServer],
  });

  try {
    await mcpServer.connect();
    const result = await run(
      agent,
      'For the repository openai/codex, tell me the primary programming language.',
    );
    console.log(result.finalOutput);
  } finally {
    await mcpServer.close();
  }
}

main().catch(console.error);

构造函数选项：

选项	类型	说明
`url`	`string`	Streamable HTTP 服务器 URL。
`name`	`string`	服务器的可选标签。
`cacheToolsList`	`boolean`	缓存工具列表以减少延迟。
`clientSessionTimeoutSeconds`	`number`	MCP 客户端会话超时时间。
`toolFilter`	`MCPToolFilterCallable \| MCPToolFilterStatic`	过滤可用工具。
`toolMetaResolver`	`MCPToolMetaResolver`	注入每次调用的 MCP `_meta` 请求字段。
`errorFunction`	`MCPToolErrorFunction \| null`	将 MCP 调用失败映射为模型可见的文本。
`timeout`	`number`	每个请求的超时时间（毫秒）。
`logger`	`Logger`	自定义日志记录器。
`authProvider`	`OAuthClientProvider`	来自 MCP TypeScript SDK 的 OAuth 提供方。
`requestInit`	`RequestInit`	请求的 Fetch 初始化选项。
`fetch`	`FetchLike`	自定义 fetch 实现。
`reconnectionOptions`	`StreamableHTTPReconnectionOptions`	重连调优选项。
`sessionId`	`string`	MCP 连接的显式会话 ID。

该构造函数还接受其他 MCP TypeScript SDK 选项，例如 authProvider、requestInit、fetch、reconnectionOptions 和 sessionId。详情请参阅 MCP TypeScript SDK 仓库及其文档。

3. Stdio MCP 服务器

对于仅暴露标准 I/O 的服务器，请使用 fullCommand 实例化 MCPServerStdio：

import { Agent, run, MCPServerStdio } from '@openai/agents';
import * as path from 'node:path';

async function main() {
  const samplesDir = path.join(__dirname, 'sample_files');
  const mcpServer = new MCPServerStdio({
    name: 'Filesystem MCP Server, via local package',
    fullCommand: `pnpm exec mcp-server-filesystem ${samplesDir}`,
  });
  await mcpServer.connect();
  try {
    const agent = new Agent({
      name: 'FS MCP Assistant',
      instructions:
        'Use the tools to read the filesystem and answer questions based on those files. If you are unable to find any files, you can say so instead of assuming they exist.',
      mcpServers: [mcpServer],
    });
    const result = await run(agent, 'Read the files and list them.');
    console.log(result.finalOutput);
  } finally {
    await mcpServer.close();
  }
}

main().catch(console.error);

构造函数选项：

选项	类型	说明
`command` / `args`	`string` / `string[]`	用于 stdio 服务器的命令 + 参数。
`fullCommand`	`string`	可替代 `command` + `args` 的完整命令字符串。
`env`	`Record<string, string>`	服务器进程的环境变量。
`cwd`	`string`	服务器进程的工作目录。
`cacheToolsList`	`boolean`	缓存工具列表以减少延迟。
`clientSessionTimeoutSeconds`	`number`	MCP 客户端会话超时时间。
`name`	`string`	服务器的可选标签。
`encoding`	`string`	stdio 流的编码。
`encodingErrorHandler`	`'strict' \| 'ignore' \| 'replace'`	编码错误策略。
`toolFilter`	`MCPToolFilterCallable \| MCPToolFilterStatic`	过滤可用工具。
`toolMetaResolver`	`MCPToolMetaResolver`	注入每次调用的 MCP `_meta` 请求字段。
`errorFunction`	`MCPToolErrorFunction \| null`	将 MCP 调用失败映射为模型可见的文本。
`timeout`	`number`	每个请求的超时时间（毫秒）。
`logger`	`Logger`	自定义日志记录器。

MCP 服务器生命周期管理

当你处理多个 MCP 服务器时，可以使用 connectMcpServers 将它们统一连接、跟踪失败并集中关闭。该辅助函数会返回一个 MCPServers 实例，其中包含 active、failed 和 errors 集合，因此你可以只将健康的服务器传给智能体。

import {
  Agent,
  MCPServerStreamableHttp,
  connectMcpServers,
  run,
} from '@openai/agents';

async function main() {
  const servers = [
    new MCPServerStreamableHttp({
      url: 'https://mcp.deepwiki.com/mcp',
      name: 'DeepWiki MCP Server',
    }),
    new MCPServerStreamableHttp({
      url: 'http://localhost:8001/mcp',
      name: 'Local MCP Server',
    }),
  ];

  const mcpServers = await connectMcpServers(servers, {
    connectInParallel: true,
  });

  try {
    console.log(`Active servers: ${mcpServers.active.length}`);
    console.log(`Failed servers: ${mcpServers.failed.length}`);
    for (const [server, error] of mcpServers.errors) {
      console.warn(`${server.name} failed to connect: ${error.message}`);
    }

    const agent = new Agent({
      name: 'MCP lifecycle agent',
      instructions: 'Use MCP tools to answer user questions.',
      mcpServers: mcpServers.active,
    });

    const result = await run(
      agent,
      'Which language is the openai/codex repository written in?',
    );
    console.log(result.finalOutput);
  } finally {
    await mcpServers.close();
  }
}

main().catch(console.error);

使用场景：

同时使用多个服务器：并行连接所有服务器，并为智能体使用 mcpServers.active。
部分失败处理：检查 failed + errors，并决定继续还是重试。
重试失败的服务器：调用 mcpServers.reconnect()（默认仅重试失败的服务器）。

如果你需要严格的”全有或全无”连接，或需要不同的超时时间，请使用 connectMcpServers(servers, options) 并根据你的环境调整选项。

connectMcpServers 选项：

选项	类型	默认值	说明
`connectTimeoutMs`	`number \| null`	`10000`	每个服务器 `connect()` 的超时时间。使用 `null` 禁用。
`closeTimeoutMs`	`number \| null`	`10000`	每个服务器 `close()` 的超时时间。使用 `null` 禁用。
`dropFailed`	`boolean`	`true`	从 `active` 中排除失败的服务器。
`strict`	`boolean`	`false`	如果任一服务器连接失败则抛出错误。
`suppressAbortError`	`boolean`	`true`	忽略类似中止的错误，同时仍跟踪失败的服务器。
`connectInParallel`	`boolean`	`false`	并发连接所有服务器，而不是按顺序连接。

mcpServers.reconnect(options) 支持：

选项	类型	默认值	说明
`failedOnly`	`boolean`	`true`	仅重试失败的服务器（`true`），或重新连接所有服务器（`false`）。

异步释放（可选）

如果你的运行时支持 Symbol.asyncDispose，MCPServers 也支持 await using 模式。在 TypeScript 中，请在 tsconfig.json 中启用 esnext.disposable：

{
  "compilerOptions": {
    "lib": ["ES2018", "DOM", "esnext.disposable"]
  }
}

然后你可以这样写：

await using mcpServers = await connectMcpServers(servers);

其他须知

对于 Streamable HTTP 和 Stdio 服务器，每次 Agent 运行时，都可能调用 list_tools() 来发现可用工具。由于这一往返可能增加延迟——尤其是访问远程服务器时——你可以通过向 MCPServerStdio 或 MCPServerStreamableHttp 传入 cacheToolsList: true，在内存中缓存结果。

仅当你确信工具列表不会变化时才启用此功能。若稍后需要使缓存失效，请在服务器实例上调用 invalidateToolsCache()。如果你通过 getAllMcpTools(...) 使用共享 MCP 工具缓存，也可以使用 invalidateServerToolsCache(serverName) 按服务器名称使缓存失效。

对于高级场景，getAllMcpTools({ generateMCPToolCacheKey }) 允许你自定义缓存分区（例如，按服务器 + 智能体 + 运行上下文）。

带服务器前缀的工具名称

默认情况下，本地 MCP 工具会保留 MCP 服务器报告的工具名称。如果两个本地 MCP 服务器暴露相同的工具名称，SDK 会抛出重复工具名称错误，因为模型无法安全地在它们之间做出选择。

要启用确定性的服务器前缀名称，请在智能体上设置 mcpConfig.includeServerInToolNames: true：

const agent = new Agent({
  name: 'Assistant',
  mcpServers: [docsServer, calendarServer],
  mcpConfig: {
    includeServerInToolNames: true,
  },
});

启用此设置后，来自 docs 服务器的 search 工具会以 mcp_docs__search 暴露给模型，而来自 calendar 服务器的 search 工具会以 mcp_calendar__search 暴露。SDK 仍会在原始服务器上调用原始 MCP 工具名称。

生成的名称对 ASCII 安全，保持在函数工具名称长度限制内，并避免与同一智能体上的本地函数工具名称和已启用的交接名称冲突。此设置仅影响本地 Streamable HTTP 和 stdio MCP 工具；托管 MCP 工具会保留其远程服务器标签和工具元数据。

工具过滤

你可以通过 createMCPToolStaticFilter 传入静态过滤器，或传入自定义函数，限制每个服务器暴露的工具。下面是一个同时展示两种方法的组合示例：

import {
  MCPServerStdio,
  MCPServerStreamableHttp,
  createMCPToolStaticFilter,
  MCPToolFilterContext,
} from '@openai/agents';

interface ToolFilterContext {
  allowAll: boolean;
}

const server = new MCPServerStdio({
  fullCommand: 'my-server',
  toolFilter: createMCPToolStaticFilter({
    allowed: ['safe_tool'],
    blocked: ['danger_tool'],
  }),
});

const dynamicServer = new MCPServerStreamableHttp({
  url: 'http://localhost:3000',
  toolFilter: async ({ runContext }: MCPToolFilterContext, tool) =>
    (runContext.context as ToolFilterContext).allowAll || tool.name !== 'admin',
});