О чём урок
Создание агентских приложений часто требует подключения к внешним сервисам. Традиционно это реализуется через function calling, где каждое действие совершает полный цикл: от модели к вашему бэкенду, затем к внешнему сервису, ожидает ответа и, наконец, возвращает результат модели. Этот процесс приводит к многочисленным сетевым переходам и значительной задержке, что затрудняет масштабирование и управление.
Размещенный инструмент Model Context Protocol (MCP) в Responses API упрощает эту задачу. Вместо ручного связывания каждого function call с конкретными сервисами, вы можете один раз настроить свою модель для указания на MCP сервер (или несколько!). Этот сервер выступает в качестве централизованного хоста инструментов, предоставляя стандартные команды, такие как «поиск в каталоге товаров» или «добавить товар в корзину». Это обеспечивает более простую оркестрацию и централизованное управление инструментами. С MCP модель взаимодействует напрямую с MCP сервером, сокращая задержки и устраняя необходимость в координации бэкенда.
MCP значительно снижает сложности при создании продуктов, взаимодействующих с внешними сервисами, позволяя бесшовно связывать различные сервисы. Вот пример сценариев использования, которые раньше были сопряжены с трудностями, но теперь стали намного проще, поскольку модель может напрямую взаимодействовать с удаленными MCP серверами.
На высоком уровне инструмент MCP работает следующим образом:
- Объявление сервера: Когда вы добавляете блок MCP в массив tools, среда выполнения Responses API сначала определяет, какой транспорт использует сервер — более новый «streamable HTTP» или старый вариант HTTP-over-SSE, — и использует этот протокол для трафика.
- Импорт списка инструментов: Среда выполнения вызывает tools/list сервера, передавая любые предоставленные вами заголовки (API key, OAuth token и т.д.). Затем она записывает результат в элемент mcp_list_tools в контексте модели. Пока этот элемент присутствует, список не будет запрашиваться повторно. Вы можете ограничить то, что видит модель, используя allowed_tools. OpenAI отбрасывает значения заголовков и все, кроме схемы, домена и поддоменов MCP server_url после каждого запроса. Ключи авторизации и URL сервера должны быть включены в каждый вызов API.
- Вызов и одобрение…
План урока
- Сценарии использования, упрощенные инструментом MCP
- Как работает инструмент
- Рекомендации по работе с MCP
- Фильтрация инструментов для предотвращения раздувания полезных нагрузок
- Сокращение задержек и токенов с помощью кэширования и использование reasoning моделей для задач высокой сложности
- Использование MCP с другими инструментами
- Отчет о сравнении цен и анализе доходов
- Разрывы в ценах по сравнению с рынком
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.