Model context protocol (MCP)

Model context protocol（MCP）は、アプリケーションがツールやコンテキストを言語モデルに公開する方法を標準化します。公式ドキュメントでは、次のように説明されています。

MCP は、アプリケーションが LLM にコンテキストを提供する方法を標準化するオープンプロトコルです。MCP は、AI アプリケーション向けの USB-C ポートのようなものだと考えてください。USB-C がデバイスをさまざまな周辺機器やアクセサリーに接続する標準化された方法を提供するのと同様に、MCP は AI モデルをさまざまなデータソースやツールに接続する標準化された方法を提供します。

Agents Python SDK は、複数の MCP トランスポートを認識します。これにより、既存の MCP サーバーを再利用したり、ファイルシステム、HTTP、またはコネクターを基盤とするツールをエージェントに公開する独自の MCP サーバーを構築したりできます。

接続前の MCP サーバーの信頼性確認

MCP ツールは、モデルコンテキストのデータを公開し、提供された認証情報を使用して操作を実行できます。信頼できるサーバーのみに接続し、最小権限の認証情報を使用してください。また、アクセストークンは URL ではなく認証フィールドまたはヘッダーに保持し、機密性の高い操作には承認を必須としてください。OpenAI の MCP セキュリティガイダンスも参照してください。

MCP 統合の選択

MCP サーバーをエージェントに接続する前に、ツール呼び出しをどこで実行するか、またどのトランスポートにアクセスできるかを決めます。以下の表は、Python SDK がサポートするオプションをまとめたものです。

必要なこと	推奨オプション
OpenAI の Responses API が、モデルに代わって一般公開された MCP サーバーを呼び出す	HostedMCPTool による ホスト型 MCP サーバーツール
ローカルまたはリモートで実行する Streamable HTTP サーバーに接続する	MCPServerStreamableHttp による Streamable HTTP MCP サーバー
Server-Sent Events を使用する HTTP を実装したサーバーと通信する	MCPServerSse による SSE 対応 HTTP MCP サーバー
ローカルプロセスを起動し、stdin/stdout 経由で通信する	MCPServerStdio による stdio MCP サーバー

以下のセクションでは、各オプション、その設定方法、および各トランスポートを選択すべき状況について説明します。

MCP Python SDK v1 と v2

Agents SDK は、依存関係の範囲 mcp>=1.19.0,<3 を通じて、mcp Python パッケージの両方のメジャーバージョンをサポートします。インストールされている mcp パッケージのバージョンは、サーバーとの間でネゴシエートされる MCP プロトコルバージョンとは別です。Agents SDK は、インストールされているパッケージのメジャーバージョンを検出し、stdio、SSE、および Streamable HTTP 接続を自動的に調整するため、通常のサーバー設定ではバージョンを切り替える必要はありません。

MCP Python SDK v2 がインストールされている場合、Agents SDK は設定されたローカルトランスポートを mode="auto" でラップして、v2 の mcp.Client を作成します。クライアントはまず、インストールされている MCP SDK がサポートする最新のプロトコルバージョンで server/discover プローブを送信します。最新のサーバーはこのプローブに応答し、クライアントはその結果を採用します。古いサーバーが server/discover をサポートしていない場合、クライアントは従来の initialize ハンドシェイクにフォールバックし、そこでネゴシエートされたプロトコルバージョンを使用します。したがって、MCP Python SDK v2 をインストールしても、すべての接続で最新の MCP プロトコルバージョンが強制的に使用されるわけではありません。MCP Python SDK のプロトコルバージョンネゴシエーションガイドを参照してください。

ほとんどのアプリケーションでは、依存関係リゾルバーに互換性のあるバージョンを選択させることを推奨します。アプリケーションを特定のメジャーバージョンに固定する必要がある場合は、openai-agents とともに明示的な制約を追加します。

# MCP Python SDK v1
pip install "mcp>=1.19.0,<2"

# MCP Python SDK v2
pip install "mcp>=2,<3"

HTTP トランスポートのカスタマイズでは、インストールされている MCP パッケージが所有する HTTP スタックを使用する必要があります。

カスタマイズ	MCP Python SDK v1	MCP Python SDK v2
params["auth"]	httpx.Auth	httpx2.Auth
params["httpx_client_factory"] の戻り値	httpx.AsyncClient	httpx2.AsyncClient
MCPServerStreamableHttp params["ignore_initialized_notification_failure"] = True	サポート対象	サポート対象外。接続前に拒否されます

可能な場合は、以下の Streamable HTTP の例に示すように、Authorization ヘッダーを使用してください。Authorization ヘッダーは、どちらのパッケージバージョンでも変更せずに使用できます。アプリケーションが params["auth"] または params["httpx_client_factory"] を指定する場合、それらの値には、インストールされている mcp パッケージのメジャーバージョンに対応する HTTP 型を使用する必要があります。アプリケーションが MCPServerStreamableHttp の params["ignore_initialized_notification_failure"] = True を設定する場合、アップグレード前に mcp<2 を維持するか、そのオプションを無効にする必要があります。

これらのローカルな mcp の依存関係要件は、リモート MCP 接続を OpenAI Responses API が管理するため、HostedMCPTool には適用されません。

エージェントレベルの MCP 設定

トランスポートの選択に加えて、Agent.mcp_config を設定することで、MCP ツールの準備方法を調整できます。

from agents import Agent

agent = Agent(
    name="Assistant",
    mcp_servers=[server],
    mcp_config={
        # Try to convert MCP tool schemas to strict JSON schema.
        "convert_schemas_to_strict": True,
        # If None, MCP tool failures are raised as exceptions instead of
        # returning model-visible error text.
        "failure_error_function": None,
        # Prefix local MCP tool names with their server name.
        "include_server_in_tool_names": True,
    },
)

注記：

• convert_schemas_to_strict はベストエフォートです。スキーマを変換できない場合は、元のスキーマが使用されます。
• failure_error_function は、MCP ツール呼び出しの失敗をモデルにどのように提示するかを制御します。
• failure_error_function が設定されていない場合、SDK はデフォルトのツールエラーフォーマッターを使用します。
• サーバーレベルの failure_error_function は、そのサーバーについて Agent.mcp_config["failure_error_function"] を上書きします。
• include_server_in_tool_names はオプトインです。有効にすると、各ローカル MCP ツールは、決定論的なサーバープレフィックス付きの名前でモデルに公開されます。これは、複数の MCP サーバーが同名のツールを公開する場合の衝突回避に役立ちます。生成される名前は ASCII セーフで、FunctionTool インスタンスの名前の長さ制限内に収まり、同じエージェントに設定されたローカル FunctionTool インスタンスの名前や、有効なハンドオフの名前とは衝突しません。SDK は引き続き、元のサーバー上で元の MCP ツール名を使用して呼び出します。

トランスポート間の共通パターン

トランスポートを選択した後、ほとんどの統合では、次の事項について判断する必要があります。

• ツールの一部のみを公開する方法（ツールフィルタリング）。
• サーバーが再利用可能なプロンプトも提供するかどうか（プロンプト）。
• list_tools() をキャッシュするかどうか（キャッシュ）。
• MCP アクティビティがトレースにどのように表示されるか（トレーシング）。

ローカル MCP サーバー（MCPServerStdio、MCPServerSse、MCPServerStreamableHttp）では、承認ポリシーと呼び出しごとの _meta ペイロードも共通の概念です。Streamable HTTP のセクションでは最も完全なコード例を示しており、同じパターンを他のローカルトランスポートにも適用できます。

1. ホスト型 MCP サーバーツール

ホスト型ツールでは、ツールのラウンドトリップ全体が OpenAI のインフラストラクチャ内で実行されます。コード側でツールを一覧表示して呼び出す代わりに、HostedMCPTool がサーバーラベルと、必要に応じてコネクターのメタデータを Responses API に転送します。モデルは、Python プロセスへの追加のコールバックを行わずに、リモートサーバーのツールを一覧表示して呼び出します。現在、ホスト型ツールは、Responses API のホスト型 MCP 統合をサポートする OpenAI モデルで動作します。

基本的なホスト型 MCP ツール

エージェントの tools リストに HostedMCPTool を追加して、ホスト型ツールを作成します。tool_config の辞書は、REST API に送信する JSON と同じ構造です。

import asyncio

from agents import Agent, HostedMCPTool, Runner

async def main() -> None:
    agent = Agent(
        name="Assistant",
        instructions="Use the DeepWiki hosted MCP server to inspect openai/openai-agents-python.",
        tools=[
            HostedMCPTool(
                tool_config={
                    "type": "mcp",
                    "server_label": "deepwiki",
                    "server_url": "https://mcp.deepwiki.com/mcp",
                    "require_approval": "never",
                }
            )
        ],
    )

    result = await Runner.run(
        agent,
        "Which language is the repository openai/openai-agents-python written in?",
    )
    print(result.final_output)

asyncio.run(main())

ホスト型サーバーは、そのツールを自動的に公開します。mcp_servers に追加する必要はありません。

ホスト型ツール検索によってホスト型 MCP サーバーを遅延読み込みする場合は、tool_config["defer_loading"] = True を設定し、ToolSearchTool をエージェントに追加します。これは OpenAI Responses モデルでのみサポートされます。ツール検索の完全な設定と制約については、ツールを参照してください。

ホスト型 MCP の実行結果のストリーミング

ホスト型ツールでは、関数ツールとまったく同じ方法で実行結果のストリーミングがサポートされます。モデルが処理中の間に、Runner.run_streamed を使用して MCP の増分出力を受け取ります。

result = Runner.run_streamed(agent, "Summarise this repository's top languages")
async for event in result.stream_events():
    if event.type == "run_item_stream_event":
        print(f"Received: {event.item}")
print(result.final_output)

オプションの承認フロー

サーバーが機密性の高い操作を実行できる場合、各ツールの実行前に人間またはプログラムによる承認を必須にできます。tool_config 内の require_approval に、単一のポリシー（"always"、"never"）またはツール名をポリシーにマッピングする辞書を設定します。Python 内で判断するには、on_approval_request コールバックを指定します。

from agents import MCPToolApprovalFunctionResult, MCPToolApprovalRequest

SAFE_TOOLS = {"read_wiki_structure", "read_wiki_contents", "ask_question"}

def approve_tool(request: MCPToolApprovalRequest) -> MCPToolApprovalFunctionResult:
    if request.data.name in SAFE_TOOLS:
        return {"approve": True}
    return {"approve": False, "reason": "Escalate to a human reviewer"}

agent = Agent(
    name="Assistant",
    tools=[
        HostedMCPTool(
            tool_config={
                "type": "mcp",
                "server_label": "deepwiki",
                "server_url": "https://mcp.deepwiki.com/mcp",
                "require_approval": "always",
            },
            on_approval_request=approve_tool,
        )
    ],
)

コールバックは同期または非同期にでき、モデルが実行を継続するために承認データを必要とするたびに呼び出されます。

コネクターを基盤とするホスト型サーバー

ホスト型 MCP は OpenAI コネクターもサポートします。server_url を指定する代わりに、connector_id とアクセストークンを指定します。Responses API が認証を処理し、ホスト型サーバーがコネクターのツールを公開します。

import os

HostedMCPTool(
    tool_config={
        "type": "mcp",
        "server_label": "google_calendar",
        "connector_id": "connector_googlecalendar",
        "authorization": os.environ["GOOGLE_CALENDAR_AUTHORIZATION"],
        "require_approval": "never",
    }
)

ストリーミング、承認、コネクターを含む、完全に動作するホスト型ツールのサンプルは、examples/hosted_mcpにあります。

2. Streamable HTTP MCP サーバー

ネットワーク接続を自身で管理する場合は、MCPServerStreamableHttp を使用します。Streamable HTTP サーバーは、トランスポートを制御する場合や、低レイテンシーを維持しながら自身のインフラストラクチャ内でサーバーを実行する場合に最適です。

import asyncio
import os

from agents import Agent, Runner
from agents.mcp import MCPServerStreamableHttp
from agents.model_settings import ModelSettings

async def main() -> None:
    token = os.environ["MCP_SERVER_TOKEN"]
    async with MCPServerStreamableHttp(
        name="Streamable HTTP Python Server",
        params={
            "url": "http://localhost:8000/mcp",
            "headers": {"Authorization": f"Bearer {token}"},
            "timeout": 10,
        },
        cache_tools_list=True,
        max_retry_attempts=3,
    ) as server:
        agent = Agent(
            name="Assistant",
            instructions="Use the MCP tools to answer the questions.",
            mcp_servers=[server],
            model_settings=ModelSettings(tool_choice="required"),
        )

        result = await Runner.run(agent, "Add 7 and 22.")
        print(result.final_output)

asyncio.run(main())

コンストラクターは、次の追加オプションを受け入れます。

• client_session_timeout_seconds は、MCP ClientSession の読み取りタイムアウトを制御します。datetime.timedelta で表現できる正の有限値で、かつ 1 マイクロ秒以上の値を指定すると、有限のタイムアウトが設定されます。None と 0 を指定すると無効になります。それ以外の値は、サーバーの構築時に拒否されます。
• use_structured_content は、テキスト出力より tool_result.structured_content を優先するかどうかを切り替えます。
• max_retry_attempts と retry_backoff_seconds_base は、list_tools() と call_tool() に対する自動再試行を追加します。
• tool_filter を使用すると、ツールの一部のみを公開できます（ツールフィルタリングを参照）。
• require_approval は、ローカル MCP ツールで Human-in-the-loop の承認ポリシーを有効にします。
• failure_error_function は、モデルに表示される MCP ツールの失敗メッセージをカスタマイズします。代わりにエラーを発生させるには、None に設定します。
• tool_meta_resolver は、call_tool() の前に、呼び出しごとの MCP _meta ペイロードを挿入します。

ローカル MCP サーバーの承認ポリシー

MCPServerStdio、MCPServerSse、MCPServerStreamableHttp は、いずれも require_approval を受け入れます。

サポートされる形式：

• すべてのツールに対する "always" または "never"。
• True ではすべてのツールに承認が必要で、False ではどのツールにも承認は不要です（それぞれ "always" および "never" と同等です）。
• ツールごとのマップ。例：{"delete_file": "always", "read_file": "never"}。
• グループ化されたオブジェクト：{"always": {"tool_names": [...]}, "never": {"tool_names": [...]}}。

async with MCPServerStreamableHttp(
    name="Filesystem MCP",
    params={"url": "http://localhost:8000/mcp"},
    require_approval={"always": {"tool_names": ["delete_file"]}},
) as server:
    ...

一時停止と再開を含む完全なフローについては、Human-in-the-loopおよび examples/mcp/get_all_mcp_tools_example/main.py を参照してください。

tool_meta_resolver による呼び出しごとのメタデータ

MCP サーバーが _meta 内にリクエストメタデータ（テナント ID やトレースコンテキストなど）を必要とする場合は、tool_meta_resolver を使用します。以下の例では、dict を context として Runner.run(...) に渡すことを前提としています。

from agents.mcp import MCPServerStreamableHttp, MCPToolMetaContext


def resolve_meta(context: MCPToolMetaContext) -> dict[str, str] | None:
    run_context_data = context.run_context.context or {}
    tenant_id = run_context_data.get("tenant_id")
    if tenant_id is None:
        return None
    return {"tenant_id": str(tenant_id), "source": "agents-sdk"}


server = MCPServerStreamableHttp(
    name="Metadata-aware MCP",
    params={"url": "http://localhost:8000/mcp"},
    tool_meta_resolver=resolve_meta,
)

実行コンテキストが Pydantic モデル、dataclass、またはカスタムクラスの場合は、属性アクセスを使用してテナント ID を読み取ります。

MCP ツールの出力：テキスト、画像、その他のコンテンツ

MCP の実行結果でコンテンツブロックが使用されている場合、SDK はテキストコンテンツをテキスト出力として転送し、画像コンテンツをツール出力内の画像型エントリーにマッピングします。音声ブロックやリソースブロックを含むその他の MCP コンテンツブロック型については、SDK は、そのブロックを有効な JSON としてシリアライズした値を持つテキスト出力を転送します。複数のコンテンツブロックを含むレスポンスは、出力項目のリストとして転送されます。use_structured_content=True が、空でなくエラーでもない structuredContent ペイロードを選択した場合、その構造化ペイロードがこれらのコンテンツブロックより優先されます。構造化コンテンツが存在しないか空の場合は、コンテンツブロックにフォールバックします。

3. SSE 対応 HTTP MCP サーバー

Warning

MCP プロジェクトでは、Server-Sent Events トランスポートは非推奨になっています。新しい統合では Streamable HTTP または stdio を優先し、SSE は従来のサーバーにのみ使用してください。

MCP サーバーが SSE 対応 HTTP トランスポートを実装している場合は、MCPServerSse をインスタンス化します。トランスポートを除き、API は Streamable HTTP サーバーと同一です。

from agents import Agent, Runner
from agents.model_settings import ModelSettings
from agents.mcp import MCPServerSse

workspace_id = "demo-workspace"

async with MCPServerSse(
    name="SSE Python Server",
    params={
        "url": "http://localhost:8000/sse",
        "headers": {"X-Workspace": workspace_id},
    },
    cache_tools_list=True,
) as server:
    agent = Agent(
        name="Assistant",
        mcp_servers=[server],
        model_settings=ModelSettings(tool_choice="required"),
    )
    result = await Runner.run(agent, "What's the weather in Tokyo?")
    print(result.final_output)

4. stdio MCP サーバー

ローカルサブプロセスとして実行される MCP サーバーには、MCPServerStdio を使用します。SDK はプロセスを生成し、パイプを開いたまま維持し、コンテキストマネージャーの終了時に自動的に閉じます。このオプションは、簡単な概念実証や、サーバーがコマンドラインのエントリーポイントのみを公開する場合に役立ちます。

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

current_dir = Path(__file__).parent
samples_dir = current_dir / "sample_files"

async with MCPServerStdio(
    name="Filesystem Server via npx",
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", str(samples_dir)],
    },
) as server:
    agent = Agent(
        name="Assistant",
        instructions="Use the files in the sample directory to answer questions.",
        mcp_servers=[server],
    )
    result = await Runner.run(agent, "List the files available to you.")
    print(result.final_output)

5. MCP サーバーマネージャー

複数の MCP サーバーがある場合は、MCPServerManager を使用して事前に接続し、正常に接続されたサーバーのみをエージェントに公開します。コンストラクターのオプションと再接続の動作については、MCPServerManager API リファレンスを参照してください。

from agents import Agent, Runner
from agents.mcp import MCPServerManager, MCPServerStreamableHttp

servers = [
    MCPServerStreamableHttp(name="calendar", params={"url": "http://localhost:8000/mcp"}),
    MCPServerStreamableHttp(name="docs", params={"url": "http://localhost:8001/mcp"}),
]

async with MCPServerManager(servers) as manager:
    agent = Agent(
        name="Assistant",
        instructions="Use MCP tools when they help.",
        mcp_servers=manager.active_servers,
    )
    result = await Runner.run(agent, "Which MCP tools are available?")
    print(result.final_output)

主な動作：

• drop_failed_servers=True の場合（デフォルト）、active_servers には正常に接続されたサーバーのみが含まれます。
• 失敗は failed_servers と errors で追跡されます。
• 最初の接続失敗時に例外を発生させるには、strict=True を設定します。
• 失敗したサーバーを再試行するには reconnect(failed_only=True) を、すべてのサーバーを再起動するには reconnect(failed_only=False) を呼び出します。
• connect_all()、reconnect()、cleanup_all() の呼び出しは直列化されます。あるライフサイクル操作がすでに実行中の場合、別のライフサイクル操作は、同じサーバーへの接続やクリーンアップを同時に行わず、その操作が完了するまで待機します。
• ライフサイクルの動作を調整するには、connect_timeout_seconds、cleanup_timeout_seconds、connect_in_parallel を設定します。どちらのライフサイクルタイムアウトもデフォルトは 10 秒です。正の有限秒、または無効にするための None を受け入れ、構築時と代入時の両方で検証されます。即時の期限が設定されてしまうため、0 は拒否されます。

サーバーに共通する機能

以下のセクションは、MCP サーバーの各トランスポートに共通して適用されます（具体的な API サーフェスはサーバークラスによって異なります）。

ツールフィルタリング

各 MCP サーバーはツールフィルターをサポートしているため、エージェントが必要とする関数のみを公開できます。フィルタリングは、構築時に静的に行うことも、実行ごとに動的に行うこともできます。

静的ツールフィルタリング

単純な許可リストとブロックリストを設定するには、create_static_tool_filter を使用します。

from pathlib import Path

from agents.mcp import MCPServerStdio, create_static_tool_filter

samples_dir = Path("/path/to/files")

filesystem_server = MCPServerStdio(
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", str(samples_dir)],
    },
    tool_filter=create_static_tool_filter(allowed_tool_names=["read_file", "write_file"]),
)

allowed_tool_names と blocked_tool_names の両方が指定された場合、SDK は最初に許可リストを適用し、その後、残ったツールからブロック対象のツールを削除します。

動的ツールフィルタリング

より複雑なロジックでは、ToolFilterContext を受け取る callable を渡します。callable は同期または非同期にでき、ツールを公開する場合は True を返します。

from pathlib import Path

from agents.mcp import MCPServerStdio, ToolFilterContext

samples_dir = Path("/path/to/files")

async def context_aware_filter(context: ToolFilterContext, tool) -> bool:
    if context.agent.name == "Code Reviewer" and tool.name.startswith("danger_"):
        return False
    return True

async with MCPServerStdio(
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", str(samples_dir)],
    },
    tool_filter=context_aware_filter,
) as server:
    ...

フィルターコンテキストからは、アクティブな run_context、ツールを要求している agent、および server_name にアクセスできます。

プロンプト

MCP サーバーは、エージェントへの指示を動的に生成するプロンプトも提供できます。プロンプトをサポートするサーバーは、次の 2 つの メソッドを公開します。

• list_prompts() は、利用可能なプロンプトテンプレートを列挙します。
• get_prompt(name, arguments) は、必要に応じてパラメーターを指定して、具体的なプロンプトを取得します。

from agents import Agent

prompt_result = await server.get_prompt(
    "generate_code_review_instructions",
    {"focus": "security vulnerabilities", "language": "python"},
)
instructions = prompt_result.messages[0].content.text

agent = Agent(
    name="Code Reviewer",
    instructions=instructions,
    mcp_servers=[server],
)

ページネーション

組み込みのローカル MCP サーバークラスは、ツールとプロンプトを一覧表示する際に nextCursor を自動的にたどります。list_tools() は、フィルターの適用またはキャッシュへの格納前に完全なツール一覧を収集し、list_prompts() は nextCursor=None を含む 1 つの統合された実行結果を返します。後続のページが失敗した場合や、サーバーが同じカーソルを繰り返した場合、部分的な実行結果を公開またはキャッシュする代わりに、操作はエラーを発生させます。

リソースは引き続き明示的にページ分割されます。次のページを取得するには、list_resources() または list_resource_templates() から取得した nextCursor を、cursor 引数として再度渡します。

キャッシュ

エージェントを実行するたびに、各 MCP サーバー上で list_tools() が呼び出されます。リモートサーバーでは顕著なレイテンシーが生じる可能性があるため、すべての MCP サーバークラスは cache_tools_list オプションを公開しています。ツール定義が頻繁に変更されないと確信できる場合にのみ、True に設定してください。後で最新の一覧を強制的に取得するには、サーバーインスタンス上で invalidate_tools_cache() を呼び出します。

トレーシング

トレーシングでは、次の項目を含む MCP アクティビティが自動的に記録されます。

1. ツールを一覧表示するための MCP サーバーへの呼び出し。
2. ツール呼び出しに関する MCP 関連情報。

関連資料

• Model Context Protocol – 仕様および設計ガイド。
• examples/mcp – 実行可能な stdio、SSE、Streamable HTTP のサンプル。
• examples/hosted_mcp – 承認やコネクターを含む、ホスト型 MCP の完全なデモ。