OpenAI Responses API 接入遠程 MCP 伺服器怎麼寫:tools 裏的 mcp 類型、授權頭與審批控制

怎麼在 OpenAI Responses API 裏直接調用遠程 MCP 伺服器?本文按官方文檔整理 tools 中 mcp 類型字段、server_url、authorization 與 headers 授權頭、allowed_tools 篩選及 require_approval 審批流程。

NNathaniel bigo··原創首發·AI 輔助撰寫
11 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. Responses API 原生支持 type: "mcp" 內置工具:由 OpenAI 服務端直連公網可訪問的遠程 MCP 伺服器(支持 Streamable HTTP / SSE),無需你的應用伺服器在中間轉發每次工具調用。
  2. 核心必填字段是 server_label 與 server_url:分別用於標識伺服器名稱與指定 HTTPS 遠程端點。
  3. 鑑權用 authorization 或 headers:傳入 OAuth 訪問令牌或自定義請求頭;OpenAI 不會持久落盤儲存這些憑據,因此後續多輪請求需繼續按需傳入。
  4. 用 allowed_tools 控成本、用 require_approval 控風險:預設情況下調用遠程工具會先返回 mcp_approval_request 等待確認;確認安全只讀後才建議設為 "never"。
  5. 不收額外內置工具調用費:遠程 MCP 僅按拉取的工具 Schema 與執行結果所消耗的模型輸入輸出 token 計費,MCP 協議基礎概念見 /guides/mcp-model-context-protocol。
  6. 國內免境外卡開通入口:若沒有境外銀行卡或遇到支付被拒,可在本站通過支付寶、微信支付或 AlipayHK 自助獲取兌換碼開通 ChatGPT Plus 或 ChatGPT Pro,團隊多席位支持聯絡客服定製 ChatGPT Business 團隊版。

Responses API 調用遠程 MCP 流程

圖:本站根據 OpenAI 開發者文檔:Remote MCP 整理的示意圖

本文根據 OpenAI 開發者文檔《Remote MCP》、API Reference 與官方價格頁整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 OpenAI 官方網站。

適用於誰

  • 想在後端代碼裏通過 OpenAI Responses API 直接掛載第三方或自建遠程 MCP 伺服器、省去手寫函數封裝與中轉循環的開發者;
  • 需要向受保護的遠程 MCP 傳入 Bearer Token 或自定義請求頭,並限制只暴露部分工具的人;
  • 想在模型真正執行外部寫操作前加入人工確認(require_approval)安全攔截的團隊。

一、tools 裏的 mcp 字段結構與最小示例

與需要在本地自己跑 for 循環執行的普通函數調用(見 /guides/openai-api-function-calling)不同,掛載遠程 MCP 後,當審批設為免審時,OpenAI 會在一次 responses.create 請求內部自動完成「拉取工具列表 → 決定調用 → 請求遠程 MCP → 彙總生成最終回答」:

python
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",  # 以官方模型頁當前可用型號為準
    tools=[
        {
            "type": "mcp",
            "server_label": "deepwiki",
            "server_url": "https://mcp.deepwiki.com/mcp",
            "allowed_tools": ["read_wiki_structure", "ask_question"],
            "require_approval": "never",
        }
    ],
    input="查一下 modelcontextprotocol/python-sdk 倉庫支持哪些傳輸方式?",
)

print(response.output_text)

如果遠程伺服器只支持或優先使用 Streamable HTTP,直接填對應的 HTTPS 地址即可(本地與遠程傳輸協議差異見 /guides/mcp-stdio-vs-streamable-http-sse)。響應的 output 數組裏會包含 mcp_list_tools(已加載的工具清單)和 mcp_call(具體調用參數與返回結果)兩類條目,方便你記錄審計日誌。

二、授權頭傳遞與 allowed_tools 工具裁剪

遠程 MCP 關鍵配置字段與審批模式

圖:本站根據 OpenAI 開發者文檔:Remote MCP 整理的示意圖

對接需要身份認證的生產級 MCP 服務(如 Stripe、Linear 或公司內聯網關)時,重點用好以下兩類參數:

  • 傳入訪問憑據(authorization 與 headers):標準 OAuth / Bearer 令牌可直接傳 authorization 字段,或者在 headers 字典裏自定義諸如 "Authorization": "Bearer ..."、"X-Tenant-Id": "..." 的請求頭。出於安全設計,OpenAI 不會在存儲的響應記錄裏明文保留你的頭資訊,跨輪對話再次觸發該伺服器時記得繼續帶上憑據。
  • 裁剪工具列表(allowed_tools):一個大型 MCP 伺服器往往暴露幾十個工具,全部塞進上下文既費輸入 token 又容易讓模型選錯。傳入字符串列表 allowed_tools: ["search_issues", "get_issue"](或只讀篩選對象),就能只把指定工具導入模型視野。
本站訂閱與團隊開通提示:如果你在國內遇到銀行卡被拒或急需提升對話與推理配額,可前往本站 ChatGPT Plus 充值說明頁 或 ChatGPT Pro 5x/20x 充值頁 自助獲取卡密完成開通(全程無需交出帳號密碼,可開增值稅發票);企業多成員協作可直接查看 ChatGPT Business 團隊定製方案。

三、審批控制:require_approval 與回傳 mcp_approval_response

為了防止外部伺服器或提示詞注入誘導模型靜默外發敏感數據、誤刪線上記錄,OpenAI 預設開啟審批攔截。require_approval 支持三種粒度的寫法:

  1. "always"(或不填使用預設策略):每次調用工具前都暫停,在 response.output 中返回一條 type == "mcp_approval_request" 的條目;
  2. "never":完全信任該伺服器,跳過人工確認直接執行;
  3. 按工具精細豁免對象:例如設定只對寫操作要求審批,對查詢工具配置 {"never": {"tool_names": ["list_items", "get_item"]}}。

當收到 mcp_approval_request 時,前端展示工具名與參數讓用戶點確認,隨後結合 previous_response_id 把 mcp_approval_response 發回即可繼續執行:

python
# 假設上一輪 first_resp 中攔截到了審批請求 item
approval_items = [
    item for item in first_resp.output if item.type == "mcp_approval_request"
]

if approval_items:
    req_item = approval_items[0]
    # 用戶確認安全後,回傳 approve=True 繼續執行
    second_resp = client.responses.create(
        model="gpt-6-astra",
        previous_response_id=first_resp.id,
        tools=mcp_tools,  # 保持相同的遠程 MCP 定義與授權頭
        input=[
            {
                "type": "mcp_approval_response",
                "approval_request_id": req_item.id,
                "approve": True,
            }
        ],
    )
    print(second_resp.output_text)

API 調用按模型 token 獨立結算(價格表見 /guides/openai-api-price-official-table);若你想在 ChatGPT 網頁端或本地 Codex 裏直接體驗現成插件與 MCP,則屬於個人訂閱範疇,需要開通會員可查看本站 ChatGPT Plus 充值說明。

常見問題

問:本地電腦上跑的 localhost:3000 MCP 伺服器,能直接填進 server_url 嗎?

答:不能直接填 localhost。因為發起連接的是 OpenAI 雲端伺服器而不是你本機瀏覽器,server_url 必須是公網可達的 HTTPS 地址(開發聯調需藉助安全隧道暴露並做好鑑權保護)。

問:首次請求已經在 mcp_list_tools 里拉過工具列表了,下一輪還會重複去遠程拉一遍嗎?

答:只要後續請求通過 previous_response_id 等方式保留了前文中的 mcp_list_tools 條目,Responses API 會直接複用已緩存的工具定義,不再每次重複握手拉取。

問:連接第三方 MCP 伺服器有什麼安全注意事項?

答:請只連接官方或經過代碼審計的可信服務端,遵循最小權限原則配令牌與 allowed_tools,涉及外部寫入或敏感上下文時務必保留 require_approval 人工確認。此外,舊文檔裏出現的內置 connector_id 連接器標識已逐步由標準遠程 server_url 取代,新項目建議統一按標準遠程 MCP 地址接入,選型與安全審計清單可參考 /guides/mcp-servers-how-to-choose-audit。

問:國內沒有境外信用卡,怎麼開通或續費 ChatGPT Plus / Pro?

答:可在本站使用支付寶、微信支付或 AlipayHK 下單獲取卡密自助兌換(支持 ChatGPT Plus、Pro 5x 可覆蓋檔 與 Pro 5x 空白號檔),實時價格、兌換前提與售後規則(掉訂閱按剩餘天數折退,封號不在質保範圍)以對應頁面說明為準。

相關教學

參考資料

  • OpenAI 開發者文檔:Remote MCP — https://developers.openai.com/api/docs/guides/tools-remote-mcp
  • OpenAI API Reference:Create a response — https://developers.openai.com/api/reference/resources/responses/methods/create
  • OpenAI API 價格頁 — https://developers.openai.com/api/docs/pricing

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同產品的其他教學

  1. 01

    用 ChatGPT 整理家庭裝修預算明細、隱蔽工程驗收清單與主材優缺點對比表實戰

    第一次裝修面對幾十頁施工報價單、密密麻麻的水電防水隱蔽項目與五花八門的主材參數,極易踩坑增項。本文梳理用 ChatGPT 審查裝修報價漏項、生成帶公式的預算明細表、定製工地隱蔽工程驗收單與主材對比表的實戰提示詞。

    ChatGPT0
  2. 02

    用 ChatGPT 做費曼學習法讀書共讀:反向追問檢驗自己是否真讀懂專業書籍與整理書單筆記

    讀完一本專業硬書常感覺「合上書就忘」,直接讓 AI 概括全書又容易產生懂了的錯覺。本文介紹用 ChatGPT 結合 Study Mode 與費曼學習法做反向追問共讀,通過通俗複述、挑刺盲區到沉澱書單卡片的完整流程與提示詞。

    ChatGPT0
  3. 03

    用 ChatGPT 做外貿產品多語種目錄、展會邀約與客戶跟進節奏表(附脫敏與本地化提示詞)

    做外貿展會與海外推廣時,手工翻譯十幾款產品目錄費時且容易留下一堆中式英文,展後客戶跟進也常缺節奏。本文梳理用 ChatGPT 先脫敏建術語庫、再批量產出多語種目錄、展前邀約函與展後 21 天跟進節奏表的實戰流程與提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫高質素技術專欄文章、開源項目 Release Notes 與版本更新日誌實戰

    讓 AI 直接憑空寫技術文章容易滿篇空洞套話,直接甩 Git 記錄寫更新日誌又常常漏掉破壞性變更。本文整理用 ChatGPT 結合真實代碼片段、壓測數據與 PR 摘要,高效產出深度技術專欄、GitHub Release Notes 與 CHANGELOG 的實戰工作流。

    ChatGPT0
  5. 05

    用 ChatGPT 做產品用戶訪談紀要編碼、提煉高頻痛點需求池與 RICE 優先級打分實戰

    手頭攢了十幾份用戶訪談逐字稿,手工貼便利貼歸納痛點耗時又容易帶入主觀偏見。本文分享用 ChatGPT 完成脫敏檢查、逐份開放式編碼、跨樣本聚類高頻痛點並搭建 RICE 優先級打分表的 5 步實戰流,附可直接複製的三段核心提示詞。

    ChatGPT0
  6. 06

    ChatGPT 網頁版上載超過 10 個文件或回形針附件按鈕變灰怎麼辦:打包合併與配額限制排查

    在 ChatGPT 網頁版批量分析文檔時,常遇到一次選超 10 個文件被攔截或輸入框回形針按鈕變灰。本文依據 OpenAI 文件上載與存儲說明,梳理 6 類常見報錯的分流排查法,提供 ZIP 打包、本地合併與 Projects 複用方案及可直接複製的解包提示詞。

    ChatGPT0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~