---
title: "OpenAI 兼容模型如何使用 MCP 服务器：原理与配置 | BroadRouter"
description: "MCP 适用于任何大模型：由客户端把 MCP 工具转换成函数调用。讲解如何在 Cline、Continue、opencode、n8n 或你自己的 Python 代码中让开源模型使用 MCP。"
url: https://broadrouter.com/zh/blog/mcp-with-openai-compatible-models/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/mcp-with-openai-compatible-models/)（2026-11-16 更新）。

# 用 OpenAI 兼容模型接入 MCP 服务器（任意服务商）

BroadNet Inference 团队 · 阅读约 4 分钟 · 发布于 2026-11-14 · 更新于 2026-11-16

MCP 与模型无关。应用里的 MCP 客户端列出每个服务器的工具，把它们作为普通的函数调用工具交给模型，并在模型请求时执行 tools/call。任何工具调用可靠的 OpenAI 兼容模型都能使用 MCP 服务器。可以在 Cline、Continue、opencode 或 n8n 中配置，也可以用大约 40 行 Python 自己桥接。

## 要点

-   MCP 的文档说它 "does not dictate how AI applications use LLMs"（译文：不规定 AI 应用如何使用大模型）。由宿主应用把 MCP 工具转换成模型的工具格式。
-   模型需要支持工具调用。在 BroadNet Inference 上，GLM 5.3 和 Qwen3.8 27B 列明支持。
-   Cline、Continue（仅 Agent 模式）、opencode、n8n 和 OpenAI Agents SDK 都能在使用自定义模型时充当 MCP 客户端。
-   每个 MCP 工具的 schema 都会在每次模型调用时发送。opencode 的文档提醒 MCP 工具会占用模型上下文；只添加你需要的服务器。
-   在 OpenAI Responses API 内部运行的托管 MCP 工具无法用于其他服务商；本地 MCP 客户端则可以。

**本页内容**

1.  为什么 MCP 适用于任何模型？
2.  MCP 该用哪个模型？
3.  常用客户端里怎么配置 MCP？
4.  怎么在 Python 中把 MCP 桥接到开源模型？
5.  开源模型用 MCP 时常见哪些问题？
6.  BroadNet Inference 适合什么场景

Model Context Protocol（MCP）为智能体提供了一种访问工具的标准方式：GitHub、数据库、文件系统、浏览器。很多 MCP 教程默认你用 Claude 或 GPT，但两者都不是必需的。本文解释为什么 MCP 适用于任何支持工具调用的 [OpenAI 兼容](https://broadrouter.com/zh/glossary/openai-compatible-api/)模型，如何在开发者实际使用的客户端里配置，以及如何在自己的代码中把 MCP 桥接到开源模型。

## 为什么 MCP 适用于任何模型？

MCP 位于你的应用和工具服务器之间，而不是你的应用和模型之间。MCP 的架构文档描述了三种角色：

-   \*\*宿主（Host）：\*\*AI 应用，比如编辑器扩展或你的脚本。
-   \*\*客户端（Client）：\*\*宿主与每个 MCP 服务器之间保持的一条连接。
-   \*\*服务器（Server）：\*\*一个暴露工具、资源和提示词的程序，本地通过 stdio 运行，远程通过 Streamable HTTP 访问。

文档写得很明确：MCP “does not dictate how AI applications use LLMs or manage the provided context.”（译文：不规定 AI 应用如何使用大模型，也不规定如何管理所提供的上下文。）宿主用 `tools/list` 列出每个服务器的工具，合并成一个模型能看到的注册表；当模型请求某个工具时，宿主把 `tools/call` 发给对应的服务器。

在 OpenAI 兼容 API 上，“模型能看到”的意思就是把工具放进普通的 `tools` 数组。MCP 工具本来就有名称、描述和 `inputSchema`，与函数定义一一对应。模型根本不知道背后有 MCP。它需要的只是可靠的[工具调用](https://broadrouter.com/zh/glossary/tool-calling/)。

## MCP 该用哪个模型？

| BroadNet 上的模型 | 是否列出工具调用 | 上下文 | 适合 MCP 吗 |
| --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) | 是 | 1,048,576 | 服务器多时的稳妥默认选择 |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | 是 | 262,144 | 适合，且支持图像输入 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | 未列出 | 1,048,576 | 先测试；支持图像输入 |
| [Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) | 未列出 | 32,768 | 不推荐 |

两个支持工具的模型的并排对比，见 [GLM 5.3 与 Qwen3.8 27B 对比](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)。上下文比很多人想象的更重要。每个 MCP 工具的 schema 都会随每次调用一起发送。opencode 的文档说：“MCP tools consume model context, so add only the servers you need.”（译文：MCP 工具会占用模型上下文，所以只添加你需要的服务器。）怎么测量见[智能体的 token 预算](https://broadrouter.com/zh/blog/agent-token-budget/)一文。

## 常用客户端里怎么配置 MCP？

| 客户端 | MCP 服务器配置位置 | 传输方式 | 说明 |
| --- | --- | --- | --- |
| Cline | MCP Servers 面板，`mcpServers` JSON | stdio、Streamable HTTP、旧版 SSE | 远程类型为 `"streamableHttp"` |
| Continue | `config.yaml` 中的 `mcpServers` 或 `.continue/mcpServers/` | stdio、sse、streamable-http | 仅 Agent 模式 |
| opencode | `opencode.jsonc` 中的 `mcp.servers` | `local`、`remote` | 密钥用 `{env:NAME}` |
| n8n | AI Agent 上的 MCP Client Tool 节点 | 远程服务器端点（其文档描述的是 SSE 端点） | 可选 All、Selected 或 All Except 工具 |
| OpenAI Agents SDK | Agent 上的 `mcp_servers=[...]` | stdio、Streamable HTTP、SSE | 不是 `HostedMCPTool` |

然后把客户端的模型指向你的服务商：[Cline](https://broadrouter.com/zh/guides/cline-openai-compatible/)、[Continue](https://broadrouter.com/zh/guides/continue-dev-openai-compatible/) 和 [opencode](https://broadrouter.com/zh/guides/opencode-custom-provider/) 指南介绍了 BroadNet 这一侧的模型配置。在 Continue 中，别忘了加上 `tool_use` 能力，否则无法使用 Agent 模式。

Continue 文档中的一个示例：

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

## 怎么在 Python 中把 MCP 桥接到开源模型？

如果你在构建自己的智能体，桥接代码很短。下面使用 MCP Python SDK 的 `Client`（2.0 或更高版本；`pip install "mcp>=2"`），传入 `StdioServerParameters` 时它会启动一个 stdio 服务器；再配合指向 BroadNet 的 OpenAI SDK：

```python
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.")))
```

`mcp` 1.x 中没有 `Client` 类：需要用 `stdio_client(...)` 打开服务器，包进 `ClientSession`，调用 `initialize()`，并读取驼峰命名的字段 `inputSchema` 和 `isError`。有三个细节很重要：

1.  \*\*错误变成工具结果。\*\*MCP SDK 用 `is_error` 报告工具失败，而不是抛出异常。把它们传回去，让模型调整。校验和重试见我们的[工具调用指南](https://broadrouter.com/zh/blog/tool-calling-open-models/)。
2.  \*\*限制循环次数。\*\*这里是八步。返回大量结果的 MCP 服务器会很快填满上下文。
3.  \*\*过滤工具。\*\*只暴露任务需要的工具。OpenAI Agents SDK 为此提供了 `tool_filter`，n8n 则有 Selected 和 All Except。

改用 OpenAI Agents SDK？它的 `MCPServerStdio` 和 `MCPServerStreamableHttp` 类在你的进程内运行。按我们的 [Agents SDK 指南](https://broadrouter.com/zh/guides/openai-agents-sdk-custom-provider/)把它们和自定义服务商组合起来即可。它的 `HostedMCPTool` 在 OpenAI 的 Responses API 内部运行，只适用于 OpenAI 模型。

## 开源模型用 MCP 时常见哪些问题？

-   \*\*工具太多。\*\*模型会选错工具，或者干脆不用工具。让当前启用的工具集保持精简。对于你自己的工具，[JSON schema 生成器](https://broadrouter.com/tools/json-schema-generator/)可以生成干净、扁平的 `parameters` schema。
-   \*\*工具结果太大。\*\*一个返回整张数据库表的服务器可能撑爆[上下文窗口](https://broadrouter.com/zh/glossary/context-window/)。设上限或分页。
-   \*\*回复为空或被截断。\*\*GLM 5.3 和 Qwen3.8 27B 会先思考，而思考计入 `max_tokens`。[把它调高](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。
-   \*\*信任问题。\*\*MCP 服务器会在你的机器上运行代码，或者用你的凭据调用服务。只安装你信任的服务器，涉及写入或花钱的操作要先确认。

## BroadNet Inference 适合什么场景

BroadNet Inference 负责模型这一侧：GLM 5.3 和 Qwen3.8 27B 列明支持工具调用，采用上面所有 MCP 客户端都能使用的标准 chat completions 格式，并对提示词和输出实行零数据保留。它不会替你运行 MCP 服务器或托管工具；这些由你的客户端完成。两个模型按 token 的价格见[价格页面](https://broadrouter.com/zh/pricing/)，密钥在 [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-mcp-with-openai-compatible-models&utm_content=body) 获取。

相关免费工具（英文）

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[AI 智能体（AI agent）](https://broadrouter.com/zh/glossary/agent/)

AI 智能体是由语言模型自主决定步骤、朝目标推进的系统：它决定调用哪些工具、读取结果，然后重复，直到给出最终回答或触及上限。在固定位置调用模型的固定脚本，通常称为工作流（workflow）。

[MCP（模型上下文协议，Model Context Protocol）](https://broadrouter.com/zh/glossary/mcp/)

MCP（模型上下文协议）是一个基于 JSON-RPC 2.0 的开放协议，规范了大模型应用连接外部工具和数据的方式。MCP 服务器提供工具、资源和提示词；宿主应用中的 MCP 客户端发现它们，并把模型发出的工具调用转交给服务器。

[SSE（服务器发送事件，Server-sent events）](https://broadrouter.com/zh/glossary/sse/)

SSE（服务器发送事件，Server-sent events）是一项 Web 标准，让服务器通过一个内容类型为 text/event-stream 的长连接 HTTP 响应，向客户端推送一连串文本事件。每个事件由一行或多行字段（如 data:）组成，以一个空行结束。

[开放权重模型（open-weight model）](https://broadrouter.com/zh/glossary/open-weight-model/)

开放权重模型是公开发布训练好的权重、任何人都可以下载和运行的机器学习模型，通常附带有条件的许可证。它不同于完全开源的 AI，后者还会公开训练代码和训练数据的详细信息，让其他人能够研究并复现模型。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[Chat Completions API（对话补全接口）](https://broadrouter.com/zh/glossary/chat-completions-api/)

Chat Completions API 是 OpenAI 的 HTTP 端点 POST /v1/chat/completions，它接收模型名称和一组带角色标记的消息，返回模型的下一条消息。它的请求与响应结构已成为 OpenAI 兼容服务商和各类 SDK 通用的格式。

[JSON Schema](https://broadrouter.com/zh/glossary/json-schema/)

JSON Schema 是一套用 JSON 编写的词汇，用于描述和校验 JSON 数据的结构：类型、必填字段、允许的取值和嵌套。当前版本是 2020-12。大模型 API 用它来定义工具参数，以及结构化输出必须遵循的确切结构。

## 常见问题

### 不是 Claude 或 GPT 的模型能用 MCP 吗？

能。MCP 是你的应用和工具服务器之间的协议。应用通过所用模型的工具调用格式，把工具交给这个模型。任何工具调用正常的 OpenAI 兼容模型都能使用 MCP 工具。

### 模型本身需要支持 MCP 吗？

不需要。模型只需要支持函数调用。协议层面的工作（列出工具、调用工具）由应用里的 MCP 客户端完成。

### 哪些编程智能体支持在自定义 OpenAI 兼容模型上使用 MCP？

Cline、Agent 模式下的 Continue 和 opencode 都可以同时配置 MCP 服务器和自定义 OpenAI 兼容模型。Roo Code 的延续项目 Zoo Code 也列出了 MCP 支持。

### 为什么加了 MCP 服务器后，智能体变慢、变贵了？

每个服务器的工具定义都会在每次模型调用时加进提示词。十个服务器、每个十几个工具，每一步就可能多出几千个输入 token。只启用任务需要的服务器，或者过滤工具。

### 托管的 MCP 工具能用于其他服务商吗？

OpenAI 托管的那种不行。OpenAI Agents SDK 的文档说，HostedMCPTool 适用于支持 Responses API 托管 MCP 集成的 OpenAI 模型。其他服务商请使用该 SDK 的本地 MCP 服务器类。

## 继续阅读

-   [开源模型的工具调用：schema、并行调用与重试](https://broadrouter.com/zh/blog/tool-calling-open-models/)
-   [编程智能体接入开源模型：Aider、Cline、opencode、Codex](https://broadrouter.com/zh/blog/use-open-models-in-coding-agents/)
-   [智能体 token 预算：智能体循环的 token 都花在哪里](https://broadrouter.com/zh/blog/agent-token-budget/)
-   [n8n AI Agent 接入低价大模型：配置、模型选择与单次运行成本](https://broadrouter.com/zh/blog/n8n-ai-agent-cheap-llm/)
-   [AI 编程智能体跑一次要花多少钱：步数、上下文增长与缓存](https://broadrouter.com/zh/blog/ai-coding-agent-run-cost/)
-   [Claude Code 接入开源模型：代理、原生端点与限制](https://broadrouter.com/zh/blog/claude-code-with-openai-compatible-models/)
-   [指南：在 Cline 中使用 BroadNet Inference（OpenAI Compatible 提供商）](https://broadrouter.com/zh/guides/cline-openai-compatible/)
-   [指南：在 Continue 中使用 BroadNet Inference（config.yaml 与 apiBase）](https://broadrouter.com/zh/guides/continue-dev-openai-compatible/)
-   [指南：把 BroadNet Inference 添加为 opencode 的自定义供应商](https://broadrouter.com/zh/guides/opencode-custom-provider/)
-   [指南：在 BroadNet Inference 上运行 OpenAI Agents SDK](https://broadrouter.com/zh/guides/openai-agents-sdk-custom-provider/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-mcp-with-openai-compatible-models&utm_content=page-cta) ·

**来源**

-   [Model Context Protocol 架构概览（2026-11-14 查阅）](https://modelcontextprotocol.io/docs/learn/architecture)
-   [MCP Python SDK：客户端与传输方式（2026-11-14 查阅）](https://py.sdk.modelcontextprotocol.io/client/transports/)
-   [Cline 文档：MCP 概览（2026-11-14 查阅）](https://docs.cline.bot/mcp/mcp-overview)
-   [Continue 文档：MCP（2026-11-14 查阅）](https://docs.continue.dev/customize/deep-dives/mcp)
-   [opencode 文档：MCP 服务器（2026-11-14 查阅）](https://opencode.ai/docs/mcp-servers/)
-   [n8n 文档：MCP Client Tool 节点（2026-11-14 查阅）](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [OpenAI Agents SDK 文档：MCP（2026-11-14 查阅）](https://openai.github.io/openai-agents-python/mcp/)
