OpenAI Agents SDK是帮助构建基于Agent的AI应用的Python SDK，重点在于为LLM连接工具、组织上下文，并以结构化方式处理用户请求。
随着Model Context Protocol（MCP）集成到SDK中，Agent可以连接外部服务器，获取不同的上下文与工具信息。
本文从SDK的基本结构与概念出发，依次介绍MCP集成方式和实际代码示例。
Agent是一种接收指令、使用工具实现目标，并持续进行对话的智能执行单元。OpenAI Agents SDK提供高层API，帮助开发者通过代码实现这种结构。
SDK主要提供：
- 解析用户指令并确定目标。
- 连接搜索、计算器和外部API等不同工具。
- 制定执行计划并调用工具。
- 整理结果并返回给用户。
其中，上下文管理是核心；新引入的MCP让这一过程更具结构。
MCP（Model Context Protocol）将上下文划分为system、user、files等多个层次进行组织。Agents SDK通过与MCP服务器通信加载工具，并根据对应上下文生成响应。
官方示例使用@modelcontextprotocol/server-filesystem与文件系统交互，自动注册打开文件、列出文件等工具。
from agents.mcp.server import MCPServerStdio
mcp_server = MCPServerStdio(
params={
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "samples_dir"]
},
cache_tools_list=True
)
这个MCP服务器会返回用于浏览本地文件系统的工具列表，Agent可以调用这些工具。
创建Agent的基本代码如下。
from agents import Agent
agent = Agent(
name="FileAssistant",
instructions="파일 시스템 도구를 사용해 작업을 도와주세요.",
mcp_servers=[mcp_server]
)
现在可以运行Agent。
from agents import Runner
async def main():
result = await Runner.run(agent, "현재 디렉토리의 모든 파일을 보여줘")
print(result.final_output)
Agent会通过MCP服务器的list_tools()获取工具列表，使用适当工具处理用户指令，再返回结果。
Agents SDK可以通过两种方式连接MCP服务器：
MCPServerStdio
：连接本地运行的MCP服务器。MCPServerSse
：通过HTTP连接远程MCP服务器，基于Server-Sent Events。
本地开发时，Stdio较方便；远程部署环境中，Sse更有优势。
OpenAI Agents SDK是通过代码实现AI Agent的强大工具。结合MCP后，它在外部系统连接、上下文扩展和工具复用方面的能力都得到了增强。
开发者既可以自己实现MCP服务器，也可以使用现成服务器，构建灵活且可扩展的Agent。
- 可以尝试创建一个MCP服务器，将搜索API、数据库和外部API作为工具连接起来。
- 与LangChain、LlamaIndex等其他Agent框架相比，有什么不同？
了解OpenAI Agents SDK并集成MCP