---
title: "خوادم MCP مع نماذج متوافقة مع OpenAI: كيف تعمل | BroadRouter"
description: "يعمل MCP مع أي نموذج لغوي: فالعميل يحوّل أدوات MCP إلى استدعاءات دوال. كيف تستخدم MCP مع النماذج المفتوحة في Cline وContinue وopencode وn8n أو شيفرة Python."
url: https://broadrouter.com/ar/blog/mcp-with-openai-compatible-models/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/mcp-with-openai-compatible-models/) (حُدّث في 2026-11-16).

# استخدام خوادم MCP مع نماذج متوافقة مع OpenAI (أي مزوّد)

بقلم فريق BroadNet Inference · قراءة في 4 دقائق · تاريخ النشر 2026-11-14 · آخر تحديث 2026-11-16

بروتوكول MCP مستقل عن النموذج. فعميل MCP في تطبيقك يسرد أدوات كل خادم، ويمرّرها إلى النموذج بوصفها أدوات عادية لاستدعاء الدوال، وينفّذ tools/call حين يطلب النموذج ذلك. وأي نموذج متوافق مع OpenAI يستدعي الأدوات بموثوقية يمكنه استخدام خوادم MCP. اضبطها في Cline أو Continue أو opencode أو n8n، أو اربطها بنحو 40 سطرًا من Python.

## أبرز النقاط

-   تقول وثائق MCP إنه "does not dictate how AI applications use LLMs" (الترجمة: «لا يفرض طريقة استخدام تطبيقات الذكاء الاصطناعي لنماذج اللغة»). فالتطبيق المضيف يحوّل أدوات MCP إلى صيغة الأدوات الخاصة بالنموذج.
-   يحتاج النموذج إلى استدعاء الأدوات. وعلى BroadNet Inference يُذكر ذلك لـ GLM 5.3 وQwen3.8 27B.
-   تعمل Cline وContinue (في وضع Agent فقط) وopencode وn8n وOpenAI Agents SDK كلها عملاءَ MCP مع نموذج مخصّص.
-   كل مخطط أداة في MCP يُرسل مع كل استدعاء للنموذج. وتحذّر وثائق opencode من أن أدوات MCP تستهلك سياق النموذج؛ فأضف الخوادم التي تحتاجها فقط.
-   أدوات MCP المستضافة التي تعمل داخل Responses API من OpenAI لا تعمل مع المزوّدين الآخرين؛ أما عملاء MCP المحليون فيعملون.

**في هذه الصفحة**

1.  لماذا يعمل MCP مع أي نموذج؟
2.  أي نموذج تستخدم مع MCP؟
3.  كيف تضبط MCP في العملاء الشائعة؟
4.  كيف تربط MCP بنموذج مفتوح في Python؟
5.  ما الذي يتعطل في MCP مع النماذج المفتوحة؟
6.  أين تقع BroadNet Inference من هذا؟

يمنح بروتوكول Model Context Protocol (MCP) الوكلاءَ طريقة قياسية للوصول إلى الأدوات: GitHub، وقواعد البيانات، وأنظمة الملفات، والمتصفحات. وكثير من دروس MCP تفترض Claude أو GPT، لكنك لا تحتاج إلى أي منهما. يشرح هذا المقال لماذا يعمل MCP مع أي نموذج [متوافق مع OpenAI](https://broadrouter.com/ar/glossary/openai-compatible-api/) يدعم استدعاء الأدوات، وكيف تضبطه في العملاء التي يستخدمها المطوّرون فعلًا، وكيف تربط MCP بنموذج مفتوح في شيفرتك الخاصة.

## لماذا يعمل MCP مع أي نموذج؟

يقع MCP بين تطبيقك وخوادم الأدوات، لا بين تطبيقك والنموذج. وتصف وثائق بنية MCP ثلاثة أدوار:

-   **المضيف (Host):** تطبيق الذكاء الاصطناعي، مثل إضافة محرّر أو السكربت الخاص بك.
-   **العميل (Client):** اتصال واحد يحتفظ به المضيف مع كل خادم MCP.
-   **الخادم (Server):** برنامج يعرض أدوات وموارد وأوامر، محليًا عبر stdio أو عن بُعد عبر Streamable HTTP.

والوثائق صريحة: إن MCP “does not dictate how AI applications use LLMs or manage the provided context.” (الترجمة: «لا يفرض طريقة استخدام تطبيقات الذكاء الاصطناعي لنماذج اللغة ولا طريقة إدارتها للسياق المقدَّم»). فالمضيف يسرد أدوات كل خادم بـ `tools/list`، ويدمجها في سجل واحد يراه النموذج، وحين يطلب النموذج أداة يرسل المضيف `tools/call` إلى الخادم المناسب.

وعلى واجهة API متوافقة مع OpenAI، تعني عبارة «يراه النموذج» أن الأدوات تدخل في مصفوفة `tools` العادية. فلأداة MCP أصلًا اسم ووصف و`inputSchema`، وهي تقابل تعريف الدالة واحدًا لواحد. والنموذج لا يعلم أبدًا أن MCP طرف في الأمر. كل ما يحتاجه هو [استدعاء أدوات](https://broadrouter.com/ar/glossary/tool-calling/) موثوق.

## أي نموذج تستخدم مع MCP؟

| النموذج على BroadNet | استدعاء الأدوات مذكور | السياق | الملاءمة لـ MCP |
| --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) | نعم | 1,048,576 | خيار افتراضي جيد مع خوادم كثيرة |
| [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) | نعم | 262,144 | جيد، مع إدخال الصور |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) | غير مذكور | 1,048,576 | اختبره أولًا؛ يقبل الصور مُدخلًا |
| [Gemma 4 VL 26B](https://broadrouter.com/ar/models/gemma-4-vl-26b/) | غير مذكور | 32,768 | غير موصى به |

وللمقارنة بين النموذجين الداعمين للأدوات جنبًا إلى جنب، راجع [GLM 5.3 مقابل Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/). والسياق أهم مما يتوقعه الناس، فكل مخطط أداة في MCP يرافق كل استدعاء. وتقول وثائق opencode: “MCP tools consume model context, so add only the servers you need.” (الترجمة: «أدوات MCP تستهلك سياق النموذج، فأضف الخوادم التي تحتاجها فقط»). ويبيّن مقال [ميزانية رموز الوكيل](https://broadrouter.com/ar/blog/agent-token-budget/) كيف تقيس ذلك.

## كيف تضبط MCP في العملاء الشائعة؟

| العميل | أين توضع خوادم MCP | وسائل النقل | ملاحظة |
| --- | --- | --- | --- |
| Cline | لوحة MCP Servers، وJSON بمفتاح `mcpServers` | stdio وStreamable HTTP وSSE القديم | النوع البعيد `"streamableHttp"` |
| Continue | `mcpServers` في `config.yaml` أو `.continue/mcpServers/` | stdio وsse وstreamable-http | في وضع Agent فقط |
| opencode | `mcp.servers` في `opencode.jsonc` | `local`، `remote` | استخدم `{env:NAME}` للأسرار |
| n8n | عقدة MCP Client Tool على AI Agent | نقطة نهاية لخادم بعيد (تصف وثائقها نقطة نهاية SSE) | اختر All أو Selected أو All Except للأدوات |
| OpenAI Agents SDK | `mcp_servers=[...]` على الـ Agent | stdio وStreamable HTTP وSSE | ليس `HostedMCPTool` |

ثم وجّه نموذج العميل إلى مزوّدك: أدلة [Cline](https://broadrouter.com/ar/guides/cline-openai-compatible/) و[Continue](https://broadrouter.com/ar/guides/continue-dev-openai-compatible/) و[opencode](https://broadrouter.com/ar/guides/opencode-custom-provider/) تغطي جانب النموذج مع BroadNet. وفي Continue تذكّر قدرة `tool_use`، وإلا فلن يتوفر وضع Agent.

مثال لـ Continue من وثائقها:

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

## كيف تربط MCP بنموذج مفتوح في Python؟

إذا كنت تبني وكيلك الخاص، فالربط قصير. يستخدم المثال `Client` من MCP Python SDK (الإصدار 2.0 أو أحدث؛ `pip install "mcp>=2"`)، الذي يشغّل خادم stdio حين تمرّر له `StdioServerParameters`، مع OpenAI SDK موجّهًا إلى BroadNet:

```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.")))
```

في الإصدار 1.x من `mcp` لا يوجد صنف `Client`: افتح الخادم بـ `stdio_client(...)`، وغلّفه في `ClientSession`، واستدعِ `initialize()`، واقرأ الحقلين بصيغة camelCase وهما `inputSchema` و`isError`. وهناك ثلاث تفاصيل مهمة:

1.  **الأخطاء تصبح نتائج أدوات.** فـ MCP SDK يُبلغ عن فشل الأدوات عبر `is_error` بدل إطلاق استثناء. أعدها إلى النموذج ليعدّل مساره. ويغطي [دليل استدعاء الأدوات](https://broadrouter.com/ar/blog/tool-calling-open-models/) التحقق وإعادة المحاولة.
2.  **ضع حدًا للحلقة.** ثماني خطوات هنا. فخوادم MCP التي تعيد نتائج كبيرة تملأ السياق بسرعة.
3.  **صفِّ الأدوات.** اعرض فقط الأدوات التي تحتاجها المهمة. ويوفّر OpenAI Agents SDK لذلك `tool_filter`، ولدى n8n الخياران Selected وAll Except.

هل تستخدم OpenAI Agents SDK بدلًا من ذلك؟ يعمل الصنفان `MCPServerStdio` و`MCPServerStreamableHttp` داخل عمليتك. اجمعهما مع مزوّد مخصّص كما في [دليل Agents SDK](https://broadrouter.com/ar/guides/openai-agents-sdk-custom-provider/). أما `HostedMCPTool` فيعمل داخل Responses API من OpenAI ولا يعمل إلا مع نماذج OpenAI.

## ما الذي يتعطل في MCP مع النماذج المفتوحة؟

-   **كثرة الأدوات.** يختار النموذج الأداة الخطأ أو يتجاهل الأدوات. أبقِ المجموعة النشطة صغيرة. ولأدواتك الخاصة، يُنتج [مولّد مخطط JSON](https://broadrouter.com/tools/json-schema-generator/) مخطط `parameters` نظيفًا ومسطّحًا.
-   **نتائج الأدوات الكبيرة.** الخادم الذي يعيد جدول قاعدة بيانات كاملًا قد يتجاوز [نافذة السياق](https://broadrouter.com/ar/glossary/context-window/). ضع حدًا أو قسّم النتائج على صفحات.
-   **ردود فارغة أو مقطوعة.** يستدل GLM 5.3 وQwen3.8 27B أولًا، والاستدلال المنطقي يُحتسب ضمن `max_tokens`. [ارفعها](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/).
-   **الثقة.** خوادم MCP تشغّل شيفرة على جهازك أو تستدعي خدمات ببيانات اعتمادك. ثبّت الخوادم التي تثق بها، واطلب تأكيدًا للإجراءات التي تكتب أو تنفق.

## أين تقع BroadNet Inference من هذا؟

توفّر BroadNet Inference جانب النموذج: GLM 5.3 وQwen3.8 27B مع ذكر دعم استدعاء الأدوات، عبر صيغة chat-completions القياسية التي يستطيع كل عميل MCP أعلاه استخدامها، مع عدم الاحتفاظ بأي بيانات من الأوامر والمخرجات. ولا تشغّل خوادم MCP أو أدوات مستضافة نيابةً عنك؛ فعميلك يتولى ذلك. والأسعار لكل رمز للنموذجين موجودة في [صفحة الأسعار](https://broadrouter.com/ar/pricing/)، والمفاتيح على [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-mcp-with-openai-compatible-models&utm_content=body).

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [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.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[MCP (بروتوكول سياق النموذج)](https://broadrouter.com/ar/glossary/mcp/)

MCP (بروتوكول سياق النموذج، Model Context Protocol) بروتوكول مفتوح مبني على JSON-RPC 2.0 يوحّد طريقة اتصال تطبيقات LLM بالأدوات والبيانات الخارجية. يعرض خادم MCP الأدوات والموارد والأوامر، ويكتشفها عميل MCP داخل التطبيق المضيف وينقل استدعاءات الأدوات من النموذج إلى الخادم.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[الأحداث التي يرسلها الخادم (SSE)](https://broadrouter.com/ar/glossary/sse/)

الأحداث التي يرسلها الخادم (server-sent events أو SSE) معيار ويب يتيح للخادم دفع تدفق من الأحداث النصية إلى العميل عبر استجابة HTTP واحدة طويلة الأمد بنوع المحتوى text/event-stream. وكل حدث سطر حقل أو أكثر، مثل data:، ينتهي بسطر فارغ.

[المخرجات المنظَّمة (Structured output)](https://broadrouter.com/ar/glossary/structured-output/)

المخرجات المنظَّمة هي ميزة في LLM API تقيّد رد النموذج بصيغة يحدّدها المطوّر، عادةً JSON Schema، لكي تحلّلها الشيفرة بموثوقية. وهي أكثر صرامة من وضع JSON (JSON mode)، الذي يضمن JSON صالحًا لكن لا يضمن بنية معيّنة.

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

JSON Schema (مخطط JSON) مفردات مكتوبة بصيغة JSON لوصف بنية بيانات JSON والتحقق منها: الأنواع والحقول الإلزامية والقيم المسموحة والتداخل. والإصدار الحالي هو 2020-12. وتستخدمه واجهات LLM API لتعريف معاملات الأدوات والبنية الدقيقة التي يجب أن تتبعها المخرجات المنظَّمة.

[نافذة السياق (Context window)](https://broadrouter.com/ar/glossary/context-window/)

نافذة السياق هي الحد الأقصى لعدد الرموز (التوكنات) التي يستطيع نموذج اللغة التعامل معها في طلب واحد. وتشمل الأمر (prompt) وسجل المحادثة وتعريفات الأدوات والصور والمخرجات المولَّدة، بما فيها رموز الاستدلال المنطقي. وكل ما لا يتسع لها يجب قصّه أو تلخيصه أو توزيعه على عدة طلبات.

[وكيل الذكاء الاصطناعي (AI agent)](https://broadrouter.com/ar/glossary/agent/)

وكيل الذكاء الاصطناعي نظام يوجّه فيه النموذج اللغوي خطواته بنفسه نحو هدف: يقرر أي الأدوات يستدعي، ويقرأ النتائج، ويكرّر حتى يُنتج إجابة نهائية أو يبلغ حدًّا. أما البرنامج الثابت الذي يستدعي النموذج عند نقاط محددة فيُسمّى عادةً سير عمل (workflow).

## أسئلة شائعة

### هل أستطيع استخدام MCP مع نموذج غير Claude أو GPT؟

نعم. MCP بروتوكول بين تطبيقك وخوادم الأدوات. والتطبيق يمرّر الأدوات إلى أي نموذج يستخدمه عبر صيغة استدعاء الأدوات الخاصة بذلك النموذج. وأي نموذج متوافق مع OpenAI يستدعي الأدوات بشكل سليم يمكنه استخدام أدوات MCP.

### هل يجب أن يدعم النموذج MCP؟

لا. يحتاج النموذج إلى استدعاء الدوال فقط. أما عميل MCP في تطبيقك فيتولى عمل البروتوكول: سرد الأدوات واستدعاءها.

### أي وكلاء البرمجة يدعمون MCP مع نموذج مخصّص متوافق مع OpenAI؟

تتيح لك Cline وContinue في وضع Agent وopencode جميعًا ضبط خوادم MCP ونموذج مخصّص متوافق مع OpenAI. ويذكر Zoo Code، امتداد Roo Code، دعم MCP أيضًا.

### لماذا تجعل إضافة خوادم MCP وكيلي أبطأ وأغلى؟

تُضاف تعريفات أدوات كل خادم إلى الأمر في كل استدعاء للنموذج. فعشرة خوادم لكل منها اثنتا عشرة أداة قد تضيف آلاف رموز الإدخال في كل خطوة. فعّل فقط الخوادم التي تحتاجها المهمة، أو صفِّ الأدوات.

### هل تعمل أدوات MCP المستضافة مع المزوّدين الآخرين؟

ليس النوع الذي تستضيفه OpenAI. إذ تقول وثائق OpenAI Agents SDK إن HostedMCPTool يعمل مع نماذج OpenAI التي تدعم تكامل MCP المستضاف في Responses API. واستخدم مع المزوّدين الآخرين أصناف خوادم MCP المحلية في الـ SDK.

## تابع القراءة

-   [استدعاء الأدوات في النماذج المفتوحة: المخططات والتوازي والإعادة](https://broadrouter.com/ar/blog/tool-calling-open-models/)
-   [النماذج المفتوحة في وكلاء البرمجة: Aider وCline وopencode وCodex](https://broadrouter.com/ar/blog/use-open-models-in-coding-agents/)
-   [ميزانية رموز الوكيل: أين تذهب رموز حلقة الوكيل](https://broadrouter.com/ar/blog/agent-token-budget/)
-   [وكيل n8n AI Agent على نموذج LLM رخيص: الإعداد والاختيار والتكلفة](https://broadrouter.com/ar/blog/n8n-ai-agent-cheap-llm/)
-   [كم يكلّف تشغيل واحد لوكيل برمجة: الخطوات ونمو السياق والتخزين المؤقت](https://broadrouter.com/ar/blog/ai-coding-agent-run-cost/)
-   [Claude Code مع النماذج المفتوحة: الوكلاء ونقاط النهاية الأصلية والحدود](https://broadrouter.com/ar/blog/claude-code-with-openai-compatible-models/)
-   [دليل: استخدام Cline مع BroadNet Inference (مزوّد OpenAI Compatible)](https://broadrouter.com/ar/guides/cline-openai-compatible/)
-   [دليل: استخدام Continue مع BroadNet Inference (config.yaml وapiBase)](https://broadrouter.com/ar/guides/continue-dev-openai-compatible/)
-   [دليل: إضافة BroadNet Inference إلى opencode كمزوّد مخصّص](https://broadrouter.com/ar/guides/opencode-custom-provider/)
-   [دليل: تشغيل OpenAI Agents SDK على BroadNet Inference](https://broadrouter.com/ar/guides/openai-agents-sdk-custom-provider/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

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

**المصادر**

-   [Model Context Protocol، نظرة عامة على البنية (تاريخ المراجعة 2026-11-14)](https://modelcontextprotocol.io/docs/learn/architecture)
-   [MCP Python SDK، العملاء ووسائل النقل (تاريخ المراجعة 2026-11-14)](https://py.sdk.modelcontextprotocol.io/client/transports/)
-   [وثائق Cline، نظرة عامة على MCP (تاريخ المراجعة 2026-11-14)](https://docs.cline.bot/mcp/mcp-overview)
-   [وثائق Continue، MCP (تاريخ المراجعة 2026-11-14)](https://docs.continue.dev/customize/deep-dives/mcp)
-   [وثائق opencode، خوادم MCP (تاريخ المراجعة 2026-11-14)](https://opencode.ai/docs/mcp-servers/)
-   [وثائق n8n، عقدة MCP Client Tool (تاريخ المراجعة 2026-11-14)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [وثائق OpenAI Agents SDK، MCP (تاريخ المراجعة 2026-11-14)](https://openai.github.io/openai-agents-python/mcp/)
