BroadRouter

MCP-серверы с OpenAI-совместимыми моделями (у любого провайдера)

Команда BroadNet Inference · 4 мин чтения · Опубликовано · Обновлено

MCP не зависит от модели. MCP-клиент в вашем приложении получает список инструментов каждого сервера, передаёт их модели как обычные инструменты function calling и выполняет tools/call, когда модель об этом просит. MCP-серверы может использовать любая OpenAI-совместимая модель с надёжным вызовом инструментов. Настройте их в Cline, Continue, opencode или n8n либо сделайте мост примерно в 40 строках Python.

Model Context Protocol (MCP) даёт агентам стандартный способ добраться до инструментов: GitHub, баз данных, файловых систем, браузеров. Многие руководства по MCP предполагают Claude или GPT. Ни то ни другое не обязательно. В этой статье объясняем, почему MCP работает с любой OpenAI-совместимой моделью, которая поддерживает вызов инструментов, как настроить его в клиентах, которыми реально пользуются разработчики, и как соединить MCP с открытой моделью в собственном коде.

Почему MCP работает с любой моделью?

MCP находится между вашим приложением и серверами инструментов, а не между приложением и моделью. Документация по архитектуре MCP описывает три роли:

  • Хост: ИИ-приложение, например расширение редактора или ваш скрипт.
  • Клиент: одно соединение, которое хост держит с каждым MCP-сервером.
  • Сервер: программа, которая предоставляет инструменты, ресурсы и промпты — локально через stdio или удалённо через Streamable HTTP.

Документация говорит прямо: MCP “does not dictate how AI applications use LLMs or manage the provided context.” (перевод: «не диктует, как ИИ-приложения используют LLM или управляют предоставленным контекстом».) Хост получает инструменты каждого сервера через tools/list, сводит их в один реестр, видимый модели, а когда модель запрашивает инструмент, отправляет tools/call нужному серверу.

В OpenAI-совместимом API «видимый модели» означает, что инструменты попадают в обычный массив tools. У инструмента MCP уже есть имя, описание и inputSchema, что один к одному ложится на определение функции. Модель даже не знает, что здесь участвует MCP. Ей нужен только надёжный вызов инструментов.

Какую модель использовать для MCP?

Модель в BroadNet Вызов инструментов указан Контекст Пригодность для MCP
GLM 5.3 Да 1 048 576 Хороший выбор по умолчанию для многих серверов
Qwen3.8 27B Да 262 144 Хорошо, плюс ввод изображений
DeepSeek V4.1 Flash Не указан 1 048 576 Сначала протестируйте; ввод изображений
Gemma 4 VL 26B Не указан 32 768 Не рекомендуется

Две модели с поддержкой инструментов рядом — в сравнении GLM 5.3 или Qwen3.8 27B. Контекст важнее, чем обычно думают. Схема каждого инструмента MCP едет с каждым вызовом. Документация opencode говорит: “MCP tools consume model context, so add only the servers you need.” (перевод: «инструменты MCP занимают контекст модели, поэтому добавляйте только нужные серверы».) Как это измерить, показано в статье о бюджете токенов агента.

Как настроить MCP в популярных клиентах?

Клиент Где задаются MCP-серверы Транспорты Примечание
Cline Панель MCP Servers, JSON mcpServers stdio, Streamable HTTP, устаревший SSE Тип удалённого сервера "streamableHttp"
Continue mcpServers в config.yaml или .continue/mcpServers/ stdio, sse, streamable-http Только режим Agent
opencode mcp.servers в opencode.jsonc local, remote Для секретов используйте {env:NAME}
n8n Узел MCP Client Tool у AI Agent Эндпоинт удалённого сервера (документация описывает SSE-эндпоинт) Выбор инструментов: All, Selected или All Except
OpenAI Agents SDK mcp_servers=[...] у Agent stdio, Streamable HTTP, SSE Не HostedMCPTool

Затем направьте модель клиента на вашего провайдера: модельную часть для BroadNet описывают руководства по Cline, Continue и opencode. В Continue не забудьте про возможность tool_use, иначе режим Agent будет недоступен.

Пример для Continue из его документации:

mcpServers:
  - name: SQLite MCP
    type: stdio
    command: npx
    args: ["-y", "mcp-sqlite", "/path/to/your/database.db"]

Как соединить MCP с открытой моделью на Python?

Если вы пишете собственного агента, мост получается коротким. Здесь используется Client из MCP Python SDK (версия 2.0 и новее; pip install "mcp>=2"), который запускает stdio-сервер, если передать ему StdioServerParameters, и OpenAI SDK, направленный на BroadNet:

import asyncio, json, os
from mcp import Client, StdioServerParameters
from mcp.types import TextContent
from openai import OpenAI

llm = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
server = StdioServerParameters(command="npx",
    args=["-y", "@modelcontextprotocol/server-filesystem", "."])

async def main(question):
    async with Client(server) as mcp:
        listed = await mcp.list_tools()
        tools = [{"type": "function", "function": {
                    "name": t.name, "description": t.description or "",
                    "parameters": t.input_schema}} for t in listed.tools]
        messages = [{"role": "user", "content": question}]
        for _ in range(8):
            r = llm.chat.completions.create(model="broadnet/glm-5.3",
                    messages=messages, tools=tools, max_tokens=4000)
            msg = r.choices[0].message
            messages.append(msg.model_dump(exclude_none=True))
            if not msg.tool_calls:
                return msg.content
            for call in msg.tool_calls:
                try:
                    res = await mcp.call_tool(call.function.name,
                                              json.loads(call.function.arguments or "{}"))
                    text = "\n".join(b.text for b in res.content if isinstance(b, TextContent))
                    out = f"Error: {text}" if res.is_error else text
                except Exception as e:
                    out = f"Error: {e}"
                messages.append({"role": "tool", "tool_call_id": call.id, "content": out})

print(asyncio.run(main("List the Markdown files here and summarize the README.")))

В mcp 1.x класса Client нет: откройте сервер через stdio_client(...), оберните его в ClientSession, вызовите initialize() и читайте поля в camelCase — inputSchema и isError. Важны три детали:

  1. Ошибки становятся результатами инструментов. MCP SDK сообщает о сбоях инструментов через is_error, а не выбрасывает исключение. Передавайте их обратно, чтобы модель могла скорректироваться. Валидация и повторы разобраны в нашей статье о вызове инструментов.
  2. Ограничьте цикл. Здесь восемь шагов. MCP-серверы, возвращающие большие результаты, быстро заполняют контекст.
  3. Фильтруйте инструменты. Открывайте только те инструменты, которые нужны задаче. В OpenAI Agents SDK для этого есть tool_filter, в n8n — Selected и All Except.

Используете вместо этого OpenAI Agents SDK? Его классы MCPServerStdio и MCPServerStreamableHttp работают в вашем процессе. Сочетайте их со сторонним провайдером, как в нашем руководстве по Agents SDK. А его HostedMCPTool работает внутри Responses API от OpenAI и только с моделями OpenAI.

Что ломается при работе MCP с открытыми моделями?

  • Слишком много инструментов. Модель выбирает не тот или игнорирует инструменты. Держите активный набор небольшим. Для собственных инструментов генератор JSON Schema строит чистую плоскую схему parameters.
  • Большие результаты инструментов. Сервер, возвращающий целую таблицу базы данных, может переполнить контекстное окно. Ограничивайте объём или используйте пагинацию.
  • Пустые или обрезанные ответы. GLM 5.3 и Qwen3.8 27B сначала рассуждают, а рассуждения входят в max_tokens. Увеличьте его.
  • Доверие. MCP-серверы выполняют код на вашей машине или обращаются к сервисам с вашими учётными данными. Устанавливайте серверы, которым доверяете, и подтверждайте действия, которые что-то записывают или тратят деньги.

Место BroadNet Inference

BroadNet Inference отвечает за модельную часть: GLM 5.3 и Qwen3.8 27B с заявленным вызовом инструментов через стандартный формат chat completions, который понимает любой из MCP-клиентов выше, с нулевым хранением данных для промптов и ответов. MCP-серверы и хостируемые инструменты BroadNet за вас не запускает — это делает ваш клиент. Цены за токены для обеих моделей — на странице цен, ключи — на inference.broadnet.ai.

Вопросы и ответы

Можно ли использовать MCP с моделью, которая не Claude и не GPT?

Да. MCP — это протокол между вашим приложением и серверами инструментов. Приложение передаёт инструменты той модели, которую использует, в её формате вызова инструментов. Инструменты MCP может использовать любая OpenAI-совместимая модель с работающим вызовом инструментов.

Должна ли модель поддерживать MCP?

Нет. Модели нужен только function calling. Работу с протоколом — получение списка инструментов и их вызов — выполняет MCP-клиент в вашем приложении.

Какие агенты для программирования поддерживают MCP со своей OpenAI-совместимой моделью?

Cline, Continue в режиме Agent и opencode позволяют настроить MCP-серверы и стороннюю OpenAI-совместимую модель. Zoo Code, продолжение Roo Code, тоже заявляет поддержку MCP.

Почему после подключения MCP-серверов агент стал медленнее и дороже?

Определения инструментов каждого сервера добавляются в промпт при каждом вызове модели. Десять серверов по дюжине инструментов могут добавлять тысячи входных токенов на каждом шаге. Включайте только те серверы, которые нужны задаче, или фильтруйте инструменты.

Работают ли хостируемые инструменты MCP с другими провайдерами?

Хостируемые у OpenAI — нет. Документация OpenAI Agents SDK говорит, что HostedMCPTool работает с моделями OpenAI, поддерживающими хостируемую интеграцию MCP в Responses API. С другими провайдерами используйте классы локальных MCP-серверов из SDK.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity