ChatGPT MCP server

https://community.openai.com/t/how-mcp-servers-will-be-supported-with-chatgpt-can-we-guess/1229249

How MCP servers will be supported with ChatGPT? Can we guess?

 

MCP 서버가 ChatGPT와 어떻게 호환될까요? 우리가 추측해볼 수 있을까요?

태그: ChatGPT, Feature requests, chatgpt

• 조회수: 42,300
• 좋아요: 35
• 링크 수: 2
• 참여자 수: 7명

---

gelembjuk – 4월 10일

안녕하세요.
저는 MCP가 어떻게 동작하는지 배우기 시작했습니다.
OpenAI가 ChatGPT에 MCP 지원을 어떻게 추가할지 정확히 알 수 있다면 좋을 것 같습니다.

샘(Sam Altman)의 트윗에 따르면 “ChatGPT 데스크탑 앱 지원”이라고 합니다.
그래서 아마도 Clause Desktop이 MCP를 지원하는 방식과 비슷하게 될 것이라 예상해봅니다.

하지만 저는 OpenAI가 좀 더 풍부하게 지원해주길 바랍니다.

MCP 서버에는 두 가지 유형이 있습니다:

• STDIO 서버
• SSE 서버

SSE 서버는 **“원격 서버”**로, 어떤 호스트에서도 실행할 수 있습니다.
반면 STDIO는 LLM 앱과 동일한 머신에서 실행되어야 합니다.

저는 OpenAI가 SSE MCP 서버를 지원해주길 바라며,
ChatGPT 데스크탑 앱뿐만 아니라 웹 버전에도 연결이 가능하길 바랍니다.

여러분은 이것이 가능하다고 생각하시나요?
그렇다면 정말 환상적일 것 같아요!

---

jlvanhulst – 4월 15일

저는 SSE MCP가 API (또는 데스크탑 앱 등)에서 지원될 것이라고 100% 확신합니다.
이렇게 되면 대시보드 상에서 툴 호출 등 많은 작업들이 훨씬 쉬워질 겁니다.

---

vb (Leader) – 4월 15일

OpenAI Agents SDK는 이미 두 가지 유형의 서버(STDIO, SSE)를 모두 지원합니다.
이 기능이 데스크탑 앱에 도입될 때도, 이게 제한 사항이 되지는 않을 것이라 생각합니다.

또한, 지금도 커스텀 GPT와 함께 MCP를 사용하는 것이 가능합니다.

[openai.github.io 링크: Model context protocol (MCP) - OpenAI Agents SDK]

---

marcelojimenezr – 4월 24일

ChatGPT 데스크탑 앱이 MCP 클라이언트로 작동하게 되는 시점은 언제쯤일까요?
대략적인 예상이라도 알고 싶습니다.

---

dongho-jung – 4월 25일

저도 MCP를 사용하고 싶습니다.
하지만 MCP 때문에 ChatGPT 앱에서 Claude 앱으로 바꾸고 싶지는 않습니다.

저는 주로 ChatGPT 앱을 통해 작업하기 때문에,
여기에 MCP가 도입된다면 훨씬 효율적으로 될 것 같습니다.

---

Dale_Bertrand – 5월 3일

MCP는 제가 Claude를 사용하는 유일한 이유입니다.
ChatGPT에도 MCP 지원이 생기면 정말 좋겠네요.

---

Elvis_Oliveira – (22일 전)

현재는 MCP 서버를 OpenAI 프롬프트와 연결하는 것이 가능합니다.
다만 현재는 툴(Tools) 기능으로만 지원됩니다.

(아래는 이미지 설명 – AI 캡션에 의해 추가된 설명입니다)
사용자 인터페이스에는 'Tools' 및 'Create...' 메뉴가 있고,
플러스 버튼과 'MCP Server', 'Function' 항목이 있는 드롭다운이 일부 표시됩니다.
1328×222 11.9 KB

 

 

 

https://openai.github.io/openai-agents-python/mcp/

Model context protocol (MCP) - OpenAI Agents SDK

 

Model Context Protocol (MCP)

**Model Context Protocol(MCP)**는 LLM에게 도구(tool)와 컨텍스트(context)를 제공하는 방식입니다. MCP 문서에 따르면:

MCP는 애플리케이션이 LLM에 컨텍스트를 제공하는 표준화된 오픈 프로토콜입니다.
MCP는 AI 애플리케이션을 위한 USB-C 포트와 비슷하다고 생각하면 됩니다. USB-C가 다양한 주변기기 및 액세서리를 연결하는 표준 방식을 제공하는 것처럼, MCP는 AI 모델을 다양한 데이터 소스와 도구에 연결하는 표준 방식을 제공합니다.

---

Agents SDK는 MCP를 지원합니다.

이로 인해 다양한 MCP 서버를 사용하여 Agent에게 도구와 프롬프트를 제공할 수 있습니다.

---

MCP 서버 종류

현재 MCP 명세는 전송 방식에 따라 세 가지 유형의 서버를 정의합니다:

1. stdio 서버
   • 애플리케이션의 서브 프로세스로 실행됩니다.
   • "로컬에서 실행되는" 서버라고 보면 됩니다.
2. SSE(Send Server Events) 기반 HTTP 서버
   • 원격 서버로 실행됩니다.
   • URL을 통해 연결됩니다.
3. Streamable HTTP 서버
   • MCP 명세에 정의된 Streamable HTTP 전송 방식을 사용하는 원격 서버입니다.

각 서버는 다음과 같은 클래스를 사용하여 연결할 수 있습니다:
MCPServerStdio, MCPServerSse, MCPServerStreamableHttp.

---

예제: MCP 파일 시스템 서버 사용법

from agents.run_context import RunContextWrapper

async with MCPServerStdio(
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],
    }
) as server:
    run_context = RunContextWrapper(context=None)
    agent = Agent(name="test", instructions="test")
    tools = await server.list_tools(run_context, agent)

※ 실제로는 server를 Agent에 추가하고 프레임워크가 자동으로 list_tools()를 호출하게 하는 것이 일반적입니다.

---

MCP 서버 사용법

MCP 서버는 Agent에 추가할 수 있습니다.
Agent가 실행될 때마다 MCP 서버의 list_tools()가 호출되어 LLM에게 사용할 수 있는 도구 목록을 알립니다.

LLM이 MCP 서버의 도구를 호출하면, SDK는 해당 서버의 call_tool()을 호출합니다.

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

---

도구 필터링 (Tool Filtering)

Agent에서 사용할 도구를 필터링하려면 MCP 서버에 도구 필터를 설정할 수 있습니다.
SDK는 정적(static) 필터링과 동적(dynamic) 필터링을 모두 지원합니다.

---

정적 도구 필터링 (Static Tool Filtering)

허용 목록 또는 차단 목록을 단순하게 설정하려면 아래와 같이 사용할 수 있습니다.

from agents.mcp import create_static_tool_filter

# 특정 도구만 허용
server = MCPServerStdio(
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],
    },
    tool_filter=create_static_tool_filter(
        allowed_tool_names=["read_file", "write_file"]
    )
)

# 특정 도구만 차단
server = MCPServerStdio(
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],
    },
    tool_filter=create_static_tool_filter(
        blocked_tool_names=["delete_file"]
    )
)

 

동시 설정 시 우선순위:

1. allowed_tool_names(허용 목록)를 먼저 적용하여 지정된 도구만 남깁니다.
2. 그 후 blocked_tool_names(차단 목록)를 적용하여 제외할 도구를 제거합니다.

예:

allowed_tool_names=["read_file", "write_file", "delete_file"]
blocked_tool_names=["delete_file"]

→ 최종 사용 가능 도구는 read_file, write_file입니다.

---

동적 도구 필터링 (Dynamic Tool Filtering)

보다 복잡한 필터링 로직이 필요할 경우 함수 기반 필터링을 사용할 수 있습니다.

from agents.mcp import ToolFilterContext

# 간단한 동기 필터
def custom_filter(context: ToolFilterContext, tool) -> bool:
    return tool.name.startswith("allowed_prefix")

# 에이전트와 서버 정보를 고려한 필터
def context_aware_filter(context: ToolFilterContext, tool) -> bool:
    agent_name = context.agent.name
    server_name = context.server_name
    return some_filtering_logic(agent_name, server_name, tool)

# 비동기 필터
async def async_filter(context: ToolFilterContext, tool) -> bool:
    result = await some_async_check(context, tool)
    return result

# 서버에 필터 적용
server = MCPServerStdio(
    params={
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", samples_dir],
    },
    tool_filter=custom_filter  # 또는 context_aware_filter, async_filter
)

ToolFilterContext는 다음에 접근할 수 있도록 해줍니다:

• run_context: 현재 실행 컨텍스트
• agent: 도구를 요청한 에이전트
• server_name: MCP 서버 이름

---

프롬프트 (Prompts)

MCP 서버는 Agent의 instructions를 동적으로 생성할 수 있는 프롬프트도 제공합니다.
이를 통해 재사용 가능한 템플릿을 만들고, 매개변수를 기반으로 사용자 정의할 수 있습니다.

---

프롬프트 사용법

MCP 서버가 프롬프트를 지원하는 경우 다음 두 가지 메서드를 제공합니다:

• list_prompts(): 서버에서 제공하는 모든 프롬프트 목록 반환
• get_prompt(name, arguments): 특정 프롬프트를 인자로 받아 사용

# 프롬프트 목록 가져오기
prompts_result = await server.list_prompts()
for prompt in prompts_result.prompts:
    print(f"Prompt: {prompt.name} - {prompt.description}")

# 특정 프롬프트 사용
prompt_result = await server.get_prompt(
    "generate_code_review_instructions",
    {"focus": "security vulnerabilities", "language": "python"}
)
instructions = prompt_result.messages[0].content.text

# Agent에 프롬프트에서 생성한 instructions 적용
agent = Agent(
    name="Code Reviewer",
    instructions=instructions,
    mcp_servers=[server]
)

 

---

캐싱 (Caching)

Agent가 실행될 때마다 MCP 서버의 list_tools()가 호출되는데,
서버가 원격일 경우 이 과정이 지연(latency)을 초래할 수 있습니다.

이런 경우 cache_tools_list=True를 설정하면 도구 목록을 자동으로 캐싱합니다:

MCPServerStdio(..., cache_tools_list=True)

※ 도구 목록이 변경되지 않을 때만 사용하세요.
※ 캐시 무효화는 invalidate_tools_cache()로 수동으로 수행할 수 있습니다.

---

엔드 투 엔드 예제

전체 작동 예시는 다음 경로에서 확인할 수 있습니다:
examples/mcp

---

트레이싱 (Tracing)

MCP 관련 작업은 자동으로 트레이싱됩니다:

• MCP 서버에 도구 목록을 요청한 내역
• 함수 호출 중 MCP 관련 정보