基于远程MCP服务器的模型工具调用与安全实践

Aa1233211233

757人浏览 · 2025-09-23 16:56:30

Aa1233211233 · 2025-09-23 16:56:30 发布

基于远程MCP服务器的模型工具调用与安全实践

概述

本文技术性探讨了如何通过远程 Model Context Protocol（MCP）服务器扩展大语言模型（LLM）的工具调用能力。MCP是一种开放协议，旨在标准化应用程序向模型提供工具定义和上下文信息。通过Responses API中的MCP工具，开发者可以让模型访问托管于远程MCP服务器上的工具，从而实现更丰富的自动化和交互场景。

MCP工具原理

MCP工具仅在Responses API中可用，支持主流模型（如gpt-4o、gpt-4.1及推理模型）。使用时，仅对导入工具定义或调用工具时消耗的token计费，无其他额外费用。

流程总览

获取远程MCP服务器工具列表
调用远程MCP服务器工具
处理审批与安全验证
配置身份认证

步骤详解

1. 获取远程MCP服务器工具列表

当在API请求中指定远程MCP服务器时，Responses API会首先尝试获取该服务器提供的工具列表。服务器需支持Streamable HTTP或HTTP SSE传输协议。工具列表将以mcp_list_tools类型呈现在响应对象中。

示例代码

from openai import OpenAI

client = OpenAI()
resp = client.responses.create(
    model="gpt-4.1",
    tools=[
        {
            "type": "mcp",
            "server_label": "deepwiki",
            "server_url": "https://zzzzapi.com/mcp",
            "require_approval": "never",
        }
    ],
    input="MCP协议2025-03-26版本支持哪些传输协议？"
)
print(resp.output_text)

响应结构说明

响应对象中的tools属性会展示成功导入的工具定义，如下所示：

{
  "id": "mcpl_xxxxx",
  "type": "mcp_list_tools",
  "server_label": "deepwiki",
  "tools": [
    {
      "name": "read_wiki_structure",
      "input_schema": {
        "type": "object",
        "properties": {
          "repoName": {
            "type": "string",
            "description": "GitHub仓库: owner/repo（如 facebook/react）"
          }
        },
        "required": ["repoName"],
        "additionalProperties": false,
        "annotations": null,
        "description": "",
        "schema": "http://json-schema.org/draft-07/schema"
      }
    },
    // 其他工具定义
  ]
}

工具列表缓存与性能优化

只要mcp_list_tools条目存在于模型上下文中，API不会重复拉取工具列表。建议在每次会话或工作流执行时保留该条目，以优化延迟表现。

2. 工具筛选与调用

部分MCP服务器可能包含大量工具，全部导入可能增加成本与延迟。如果仅需部分工具，可通过allowed_tools参数进行筛选。

工具筛选示例

from openai import OpenAI

client = OpenAI()
resp = client.responses.create(
    model="gpt-4.1",
    tools=[
        {
            "type": "mcp",
            "server_label": "deepwiki",
            "server_url": "https://zzzzapi.com/mcp",
            "require_approval": "never",
            "allowed_tools": ["ask_question"]
        }
    ],
    input="MCP协议2025-03-26版本支持哪些传输协议？"
)
print(resp.output_text)

工具调用响应结构

模型调用工具后，响应对象将生成mcp_call条目，包含调用参数及输出：

{
  "id": "mcp_xxxxx",
  "type": "mcp_call",
  "arguments": {
    "repoName": "modelcontextprotocol/modelcontextprotocol",
    "question": "MCP协议2025-03-26版本支持哪些传输协议？"
  },
  "error": null,
  "name": "ask_question",
  "output": "2025-03-26版MCP规范支持stdio和Streamable HTTP两种传输机制……",
  "server_label": "deepwiki"
}

如果调用失败，error字段会返回协议错误、工具执行错误或连接异常。

3. 工具调用审批机制

默认情况下，API会在数据发送至远程MCP服务器前请求开发者审批，以便控制和记录数据流动。审批请求会生成mcp_approval_request条目，可通过新请求响应进行批准。

批准工具调用示例

from openai import OpenAI

client = OpenAI()
resp = client.responses.create(
    model="gpt-4.1",
    tools=[
        {
            "type": "mcp",
            "server_label": "deepwiki",
            "server_url": "https://zzzzapi.com/mcp"
        }
    ],
    previous_response_id="resp_xxxxx",
    input=[
        {
            "type": "mcp_approval_response",
            "approve": True,
            "approval_request_id": "mcpr_xxxxx"
        }
    ]
)
print(resp.output_text)

跳过审批配置

如需优化延迟，可跳过审批流程。例如，require_approval参数可设置为never或指定工具名的对象：

from openai import OpenAI

client = OpenAI()
resp = client.responses.create(
    model="gpt-4.1",
    tools=[
        {
            "type": "mcp",
            "server_label": "deepwiki",
            "server_url": "https://zzzzapi.com/mcp",
            "require_approval": {
                "never": {
                    "tool_names": ["ask_question", "read_wiki_structure"]
                }
            }
        }
    ],
    input="MCP协议2025-03-26版本支持哪些传输协议？"
)
print(resp.output_text)

4. 身份认证配置

部分远程MCP服务器要求身份认证，常见方式为HTTP头部传递API密钥或OAuth令牌。可在headers参数中指定所需信息。

认证示例

from openai import OpenAI

client = OpenAI()
resp = client.responses.create(
    model="gpt-4.1",
    input="生成20元的支付链接",
    tools=[
        {
            "type": "mcp",
            "server_label": "stripe",
            "server_url": "https://zzzzapi.com/mcp",
            "headers": {
                "Authorization": "Bearer STRIPE_API_KEY"
            }
        }
    ]
)
print(resp.output_text)