凌晨2點，再次Open！奧特曼宣布：OpenAI正式支持對手MCP協議
自從昨天OpenAI將GPT-4o的原生圖像生成同步開放給免費用戶后，今天他們又Open了一把。
就在剛剛，OpenAI對其Agents SDK進行了重大更新，支持了對手Anthropic推出的MCP服務協議。
凌晨2點，奧特曼便迫不及待地公布了這個消息。
圖片
「大家都挺喜歡MCP的，我們也很興奮能在我們的產品中支持它，」Altman說。
「今天就可以在Agents SDK里使用，ChatGPT桌面應用和Responses API也很快支持！」
OpenAI負責API的研究員Steven Heidel還在X上貼出了一張現在最火的吉卜力風格圖片，來解釋MCP的用處。
圖片展示了一個基于MCP協議的分布式系統架構。
左邊有一個主機運行MCP客戶端（例如ChatGPT等應用），通過MCP協議與三個不同的MCP服務器（A、B、C）通信。
MCP服務器A和B分別連接到本地數據源，處理本地數據，而MCP服務C通過Web API與互聯網上的遠程服務C交互，獲取外部數據。
表明了MCP客戶端可以根據需求從不同的服務器獲取數據或服務。
圖片
MCP持續火爆
MCP允許AI模型從業務工具、軟件、數據庫以及應用開發環境等來源中獲取數據完成任務。
可以使開發者能夠在數據源和AI應用（如聊天機器人）之間建立雙向連接。
自從去年11月Anthropic把MCP服務協議開源后，幾個月來，很多像Block、Apollo、Replit這樣的公司都在自己的平臺上支持了此協議。
到了今年2月，MCP生態進一步爆炸增長，已有超過1000個由社區構建的MCP服務器可供使用。
而且這種網絡效應會使MCP越來越有吸引力：通過MCP可用的工具越多，該標準的實用性就越大。
圖片
「很高興看到MCP的熱愛傳遞到了OpenAI——歡迎！」Anthropic的首席產品官Mike Krieger在X上發帖說。
「MCP已經成了一個蓬勃發展的開放標準，已經有幾千個集成應用，而且還在增加。只有當LLM能夠連接你現有的數據和日常使用的軟件時，它們才能發揮最大的作用。」
圖片
前段時間，霸榜開源第一的00后博士生0天復刻Manus項目OWL爆火。今天，CAMEL AI團隊創始人李國豪表示：
看到OpenAI加入MCP生態是非常激動的，有想過會有這一天，但沒有想到會這么快。
MCP推出已有一段時間，如今它逐步成為標準，主要是因為它提供了極大的便利性，同時又是一個開放中立的協議。
MCP的意義遠遠超過了一個簡單的協議本身，而在于推動標準化的進程。實際上，這個協議由誰提出并不重要。
在標準缺失的情況下，各個團隊都在獨立開發自己的工具，如LangChain、LlamaIndex等，導致不同框架的Agent難以互通，不同框架的工具也難以兼容。
而有了MCP，這個問題就變得簡單了。它的價值在于降低對特定框架的依賴，讓開發者只需遵循統一標準，就能自由使用各種工具。
官方SDK文檔
隨著OpenAI在Agents SDK中加入對MCP的支持，開發者現在可以輕松地利用各種MCP服務器，為自己的AI智能體提供豐富的工具能力。
圖片
MCP服務器
目前，MCP規范根據傳輸機制的不同定義了兩種服務器類型：
- stdio服務器：作為應用程序的子進程運行，可以理解為「本地」運行的服務器
- HTTP over SSE服務器：遠程運行的服務器，可以通過URL與之連接
開發者可以使用MCPServerStdio和MCPServerSse這兩個類來連接這些服務器。
下面是一個使用官方MCP文件系統服務器的示例。
async with MCPServerStdio(
params={
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],
}
) as server:
tools = await server.list_tools()如何使用
開發者可以將MCP服務器集成到AI智能體中。
當AI智能體每次執行時，Agents SDK會自動在MCP服務器上調用list_tools()函數。這一過程使LLM能夠識別并獲取MCP服務器提供的各種工具。
當LLM需要調用來自MCP服務器的某個工具時，SDK會相應地在該服務器上執行call_tool()函數。
agent=Agent(
name="Assistant",
instructinotallow="Use the tools to achieve the task",
mcp_servers=[mcp_server_1, mcp_server_2]
)緩存機制
每次AI智能體運行時，系統都會調用MCP服務器的list_tools()方法。這一過程可能會產生明顯的性能開銷，尤其是在使用遠程服務器的情況下。
為了優化性能，開發者可以通過在MCPServerStdio和MCPServerSse構造函數中設置參數cache_tools_list=True來啟用工具列表自動緩存功能。請注意：只有確信工具列表不會發生變化時，才應啟用此功能。
如需手動清除緩存，可以調用服務器對象的invalidate_tools_cache()方法。
鏈路追蹤
系統內置的鏈路追蹤功能能夠自動捕獲所有MCP相關操作，主要包括：
- 向MCP服務器發起的工具列表獲取請求
- 函數調用過程中的所有MCP相關信息
圖片
MCP一夜成為行業標準
MCP這一概念，還是Anthropic在去年11月首次提出，全稱為「模型上下文協議」，能夠實現一次構建，讓AI深度集成。
MCP是一個開放協議，它標準化了應用程序向LLM提供上下文的方式。你可以把MCP比作AI應用的USB-C接口——就像USB-C為設備連接各種外設和配件提供了標準化接口一樣，MCP為AI模型連接不同的數據源和工具提供了標準化方法。
圖片
它的本質，是為了提供一個「通用接口」，好比AI世界「萬能插頭」。
圖片
也就是所說，不同AI模型/應用能夠輕松連接到外部資源。這種標準化可以降低開發者的集成成本，同時提升了AI上下文感知力。
Agents SDK是前段時間，OpenAI為開發者準備的「工具箱」，用來打造自己干活的AI智能體，比如寫郵件、整理數據。
現在這兩者一拍即合，意味著什么？
圖片
OpenAI員工用ChatGPT繪制吉卜力風格跟蹤儀表板
開發者可用Agents SDK，直接通過MCP調取各種外部數據、工具，讓AI能夠變得更聰明、更實用。
而這僅僅是個開始，奧特曼透露的未來兩個令人期待的計劃，將進一步加速AI工作流。
如果ChatGPT客戶端也能用上MCP，就會化身為超級私人助理，去年11月每個人從Claude演示中能夠獲得關鍵一瞥。
對于開發者來說，MCP加入OpenAI API，未來可以用更少代碼，干更多的事兒。
下一代AI工作流，說不定就從這兒起飛了。
參考資料：
