Llamadas de MCP en OCI Generative AI
Las herramientas de MCP (Model Context Protocol) son funciones ejecutables o capacidades que los modelos de IA pueden utilizar para interactuar con sistemas externos. Utiliza las llamadas MCP en OCI Generative AI para permitir que un modelo acceda a las herramientas ejecutables expuestas por un servidor MCP remoto durante una solicitud de API Responses. Estas herramientas pueden proporcionar acceso a sistemas externos como API, bases de datos, sistemas de archivos o puntos finales de aplicaciones. OCI Generative AI se comunica directamente con los servidores MCP remotos como parte del flujo de trabajo de solicitud.
La herramienta de llamada MCP de OCI utiliza el mismo formato que la llamada MCP de OpenAI para la API de respuestas, con el punto final compatible con OpenAI de OCI. Para obtener información sobre la sintaxis y las solicitudes, consulte la documentación de OpenAI MCP.
Cuándo utilizar llamadas MCP
Utilice las llamadas MCP cuando el modelo necesite acceso a herramientas alojadas en un servidor MCP remoto. Este enfoque resulta útil cuando se desea:
- La plataforma Enterprise AI Agent para comunicarse directamente con el servidor MCP
- Menos pasos de orquestación del cliente
- Menor latencia que un patrón de herramienta ejecutado por el cliente
- Acceso a herramientas expuestas a través de un servidor MCP remoto
Características clave
Las llamadas MCP proporcionan las siguientes ventajas:
- Comunicación directa de plataforma a servidor: a diferencia de las llamadas de función estándar, que devuelven el control a la aplicación cliente, MCP Calling permite a OCI Generative AI comunicarse directamente con el servidor MCP remoto.
-
Latencia inferior: debido a que la solicitud no requiere un viaje de ida y vuelta de cliente adicional, MCP Calling puede reducir la sobrecarga de orquestación.
- Soporte de transporte: soporta HTTP Streamable (SSE en desuso y no soportado).
Definición de una herramienta MCP
Para definir una herramienta MCP, agregue una entrada en la propiedad tools con "type": "mcp".
response_stream = client.responses.create(
model="openai.gpt-5.4",
tools=[
{
"type": "mcp",
"server_label": "dmcp",
"server_description": "A Dungeons and Dragons MCP server to assist with dice rolling.",
"server_url": "https://mcp.deepwiki.com/mcp",
"require_approval": "never",
},
],
input="Roll 2d4+1",
stream=True,
)
for event in response_stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)
En este ejemplo, se transmite la respuesta y se imprime el texto a medida que se genera.
Restricción de las herramientas expuestas por un servidor MCP
Un servidor MCP remoto puede exponer muchas herramientas, lo que puede aumentar el costo y la latencia. Si la aplicación solo necesita un subjuego de esas herramientas, utilice allowed_tools para limitar el juego.
response_stream = client.responses.create(
model="openai.gpt-oss-120b",
tools=[
{
"type": "mcp",
"server_label": "dmcp",
"server_description": "A Dungeons and Dragons MCP server to assist with dice rolling.",
"server_url": "https://mcp.deepwiki.com/mcp",
"require_approval": "never",
"allowed_tools": ["roll"],
},
],
input="Roll 2d4+1",
stream=True,
store=False,
)
Proporcionar autenticación al servidor MCP
Si el servidor MCP remoto requiere autenticación, transfiera el token de acceso en el campo authorization.
response_stream = client.responses.create(
model="xai.grok-4-1-fast-reasoning",
tools=[
{
"type": "mcp",
"server_label": "calendar",
"server_url": "https://calendar.example.com/mcp",
"authorization": "$CALENDAR_OAUTH_ACCESS_TOKEN"
},
],
input="List my meetings for 2026-02-02.",
stream=True
)
Transfiera solo el valor de token raw. No incluya el prefijo Bearer.
OCI envía el token en el cuerpo de solicitud de API a través de TLS. OCI no descodifica, inspecciona, almacena ni registra el token. Le recomendamos que utilice puntos finales de servidor MCP cifrados en TLS.