OpenAI Integration with MCP

使用 MCP 与 OpenAI 集成

本节演示如何将模型上下文协议（MCP）与 OpenAI 的 API 集成，创建一个系统，让 OpenAI 能够访问和使用 MCP 服务提供的工具。

概述

本示例展示如何：

1. 创建一个提供知识库工具的 MCP 服务
2. 将 OpenAI 连接到此 MCP 服务
3. 让 OpenAI 在回答用户查询时动态使用这些工具

连接方式

本示例使用 stdio 传输 在客户端和服务端之间通信，这意味着：

• 客户端和服务端在同一进程中运行
• 客户端直接将服务端作为子进程启动
• 无需单独的服务端进程

如果你想将客户端和服务端拆分为独立应用（例如，在另一台机器上运行服务端），则需要改用 SSE（服务器发送事件）传输。有关如何设置 SSE 连接的详情，请参阅简单服务端设置一节。

数据流说明

1. 用户查询：用户向系统发送查询（例如，“我们公司的休假政策是什么？”）
2. OpenAI API：OpenAI 接收查询以及 MCP 服务提供的可用工具
3. 工具选择：OpenAI 根据查询决定使用哪些工具
4. MCP 客户端：客户端接收 OpenAI 的工具调用请求，并将其转发给 MCP 服务
5. MCP 服务：服务端执行请求的工具（例如，检索知识库数据）
6. 响应流：工具结果经由 MCP 客户端返回给 OpenAI
7. 最终响应：OpenAI 将工具数据整合到最终响应中

OpenAI 如何执行工具

OpenAI 的函数调用机制通过以下步骤使用 MCP 工具：

1. 工具注册：MCP 客户端将 MCP 工具转换为 OpenAI 的函数格式
2. 工具选择：OpenAI 根据用户查询决定使用哪些工具
3. 工具执行：MCP 客户端执行选定的工具并返回结果
4. 上下文整合：OpenAI 将工具结果整合到响应中

MCP 的作用

MCP 充当 AI 模型与后端系统之间的标准化桥梁：

• 标准化：MCP 为 AI 模型与工具交互提供一致的接口
• 抽象化：MCP 隐藏后端系统的复杂性
• 安全性：MCP 允许你精确控制向 AI 模型公开哪些工具和数据
• 灵活性：你可以更改后端实现，而无需更改 AI 集成

实现详情

服务端（server.py）

MCP 服务提供一个 get_knowledge_base 工具，用于从 JSON 文件中检索问答对。

客户端（client.py）

客户端：

1. 连接到 MCP 服务
2. 将 MCP 工具转换为 OpenAI 的函数格式
3. 处理 OpenAI 与 MCP 服务之间的通信
4. 处理工具结果并生成最终响应

知识库（data/kb.json）

包含有关公司政策的问答对，可通过 MCP 服务查询。

运行示例

1. 确保已安装所需依赖项
2. 在 .env 文件中设置 OpenAI API 密钥
3. 运行客户端：python client.py

注意：本示例使用 stdio 传输，因此无需单独运行服务端，客户端会自动启动它。