模型上下文协议 (MCP)

模型上下文协议（又称MCP）是一种为大型语言模型提供工具和上下文的方式。根据MCP文档所述：

MCP是一种开放协议，用于标准化应用程序如何向大型语言模型(LLM)提供上下文信息。可以将MCP视为AI应用程序的USB-C接口。正如USB-C为设备连接各种外设和配件提供了标准化方式，MCP也为AI模型连接不同数据源和工具提供了标准化方法。

Agents SDK 支持 MCP。这使您能够使用各种 MCP 服务器为您的 Agents 提供工具。

MCP服务器

目前，MCP规范根据使用的传输机制定义了两类服务器：

1. stdio 服务器作为应用程序的子进程运行。您可以将其视为"本地"运行。
2. HTTP over SSE 服务器在远程运行。您可以通过URL连接到它们。

您可以使用MCPServerStdio和MCPServerSse类来连接这些服务器。

例如，这就是您如何使用官方MCP文件系统服务器的方式。

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

使用MCP服务器

可以将MCP服务器添加到Agents中。每次运行Agent时，Agents SDK会在MCP服务器上调用list_tools()。这使得LLM能够识别MCP服务器的工具。当LLM调用MCP服务器的工具时，SDK会在该服务器上调用call_tool()。

agent=Agent(
    name="Assistant",
    instructions="Use the tools to achieve the task",
    mcp_servers=[mcp_server_1, mcp_server_2]
)

缓存

每次Agent运行时，它都会调用MCP服务器上的list_tools()。这可能会带来延迟问题，特别是当服务器是远程服务器时。为了自动缓存工具列表，您可以向MCPServerStdio和MCPServerSse传递cache_tools_list=True参数。但请注意，只有在您确定工具列表不会改变的情况下才应该这样做。

如果想使缓存失效，可以在服务器上调用invalidate_tools_cache()。

端到端示例

查看完整工作示例请访问 examples/mcp。

追踪

Tracing 自动捕获MCP操作，包括：

1. 调用MCP服务器来列出工具
2. 函数调用的MCP相关信息