BroadRouter

Servidores MCP con cualquier modelo compatible con OpenAI

Por el equipo de BroadNet Inference · 4 min de lectura · Publicado · Actualizado

MCP es independiente del modelo. El cliente MCP de su aplicación lista las herramientas de cada servidor, se las pasa al modelo como herramientas normales de function calling y ejecuta tools/call cuando el modelo lo pide. Cualquier modelo compatible con OpenAI con un tool calling fiable puede usar servidores MCP. Configúrelos en Cline, Continue, opencode o n8n, o conéctelos con unas 40 líneas de Python.

El Model Context Protocol (MCP) ofrece a los agentes una forma estándar de llegar a herramientas: GitHub, bases de datos, sistemas de archivos, navegadores. Muchos tutoriales de MCP dan por hecho Claude o GPT, pero no necesita ninguno de los dos. Este artículo explica por qué MCP funciona con cualquier modelo compatible con OpenAI que admita tool calling, cómo configurarlo en los clientes que de verdad usan los desarrolladores y cómo conectar MCP con un modelo abierto en su propio código.

¿Por qué MCP funciona con cualquier modelo?

MCP se sitúa entre su aplicación y los servidores de herramientas, no entre su aplicación y el modelo. La documentación de arquitectura de MCP describe tres roles:

  • Host (anfitrión): la aplicación de IA, como una extensión del editor o su script.
  • Client (cliente): una conexión que el host mantiene con cada servidor MCP.
  • Server (servidor): un programa que expone herramientas, recursos y prompts, en local por stdio o en remoto por Streamable HTTP.

La documentación es explícita: MCP “does not dictate how AI applications use LLMs or manage the provided context.” (Traducción: «no dicta cómo las aplicaciones de IA usan los LLM ni cómo gestionan el contexto proporcionado»). El host lista las herramientas de cada servidor con tools/list, las une en un registro que el modelo puede ver y, cuando el modelo pide una herramienta, envía tools/call al servidor que corresponde.

En una API compatible con OpenAI, «que el modelo puede ver» significa que las herramientas van en el array tools de siempre. Una herramienta MCP ya tiene nombre, descripción y un inputSchema, que se corresponde uno a uno con una definición de función. El modelo nunca sabe que hay MCP de por medio. Lo único que necesita es un tool calling fiable.

¿Qué modelo usar con MCP?

Modelo en BroadNet Tool calling listado Contexto Encaje con MCP
GLM 5.3 Sí 1,048,576 Buena opción por defecto con muchos servidores
Qwen3.8 27B Sí 262,144 Bueno, además con entrada de imágenes
DeepSeek V4.1 Flash No listado 1,048,576 Pruébelo primero; entrada de imágenes
Gemma 4 VL 26B No listado 32,768 No recomendado

Para ver los dos modelos con herramientas lado a lado, consulte GLM 5.3 frente a Qwen3.8 27B. El contexto importa más de lo que se suele pensar: cada esquema de herramienta MCP viaja en cada llamada. La documentación de opencode dice “MCP tools consume model context, so add only the servers you need.” (Traducción: «las herramientas MCP consumen contexto del modelo, así que añada solo los servidores que necesite»). El artículo sobre el presupuesto de tokens del agente muestra cómo medirlo.

¿Cómo se configura MCP en los clientes más comunes?

Cliente Dónde van los servidores MCP Transportes Nota
Cline Panel MCP Servers, JSON mcpServers stdio, Streamable HTTP, SSE heredado Tipo remoto "streamableHttp"
Continue mcpServers en config.yaml o .continue/mcpServers/ stdio, sse, streamable-http Solo en modo Agent
opencode mcp.servers en opencode.jsonc local, remote Use {env:NAME} para los secretos
n8n Nodo MCP Client Tool en un AI Agent Endpoint de servidor remoto (su documentación describe un endpoint SSE) Elija herramientas con All, Selected o All Except
OpenAI Agents SDK mcp_servers=[...] en el Agent stdio, Streamable HTTP, SSE No HostedMCPTool

Después, apunte el modelo del cliente a su proveedor: las guías de Cline, Continue y opencode cubren la parte del modelo para BroadNet. En Continue, recuerde la capacidad tool_use, o el modo Agent no estará disponible.

Un ejemplo de Continue, tomado de su documentación:

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

¿Cómo conectar MCP con un modelo abierto en Python?

Si está construyendo su propio agente, el puente es corto. Este usa el Client del MCP Python SDK (versión 2.0 o posterior; pip install "mcp>=2"), que lanza un servidor stdio cuando recibe StdioServerParameters, y el SDK de OpenAI apuntando a BroadNet:

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.")))

En mcp 1.x no existe la clase Client: abra el servidor con stdio_client(...), envuélvalo en una ClientSession, llame a initialize() y lea los campos en camelCase inputSchema e isError. Importan tres detalles:

  1. Los errores se convierten en resultados de herramienta. El SDK de MCP informa los fallos de herramientas con is_error en lugar de lanzar una excepción. Devuélvalos para que el modelo se ajuste. Nuestra guía de tool calling cubre la validación y los reintentos.
  2. Acote el bucle. Aquí, ocho pasos. Los servidores MCP que devuelven resultados grandes llenan el contexto rápido.
  3. Filtre las herramientas. Exponga solo las que necesite la tarea. El OpenAI Agents SDK ofrece tool_filter para ello, y n8n tiene Selected y All Except.

¿Usa el OpenAI Agents SDK? Sus clases MCPServerStdio y MCPServerStreamableHttp se ejecutan en su proceso. Combínelas con un proveedor personalizado como en nuestra guía del Agents SDK. Su HostedMCPTool se ejecuta dentro de la Responses API de OpenAI y solo funciona con modelos de OpenAI.

¿Qué falla con MCP en modelos abiertos?

  • Demasiadas herramientas. El modelo elige la que no es o ignora las herramientas. Mantenga pequeño el conjunto activo. Para sus propias herramientas, el generador de JSON Schema produce un esquema parameters limpio y plano.
  • Resultados de herramienta grandes. Un servidor que devuelve una tabla entera de la base de datos puede desbordar la ventana de contexto. Limite o pagine.
  • Respuestas vacías o cortadas. GLM 5.3 y Qwen3.8 27B razonan primero, y el razonamiento cuenta dentro de max_tokens. Súbalo.
  • Confianza. Los servidores MCP ejecutan código en su máquina o llaman a servicios con sus credenciales. Instale servidores de confianza y confirme las acciones que escriben o gastan.

Dónde encaja BroadNet Inference

BroadNet Inference aporta la parte del modelo: GLM 5.3 y Qwen3.8 27B con tool calling listado, mediante el formato estándar de chat completions que pueden usar todos los clientes MCP anteriores, sin retención de datos de prompts ni de salidas. No ejecuta servidores MCP ni herramientas alojadas por usted; eso lo hace su cliente. Los precios por token de ambos modelos están en la página de precios, y las claves, en inference.broadnet.ai.

Preguntas frecuentes

¿Puedo usar MCP con un modelo que no sea Claude ni GPT?

Sí. MCP es un protocolo entre su aplicación y los servidores de herramientas. La aplicación pasa las herramientas al modelo que use mediante el formato de tool calling de ese modelo. Cualquier modelo compatible con OpenAI con llamadas a herramientas que funcionen puede usar herramientas MCP.

¿El modelo tiene que admitir MCP?

No. El modelo solo necesita function calling. El cliente MCP de su aplicación hace el trabajo del protocolo: listar las herramientas y llamarlas.

¿Qué agentes de programación admiten MCP con un modelo personalizado compatible con OpenAI?

Cline, Continue en modo Agent y opencode permiten configurar servidores MCP y un modelo personalizado compatible con OpenAI. Zoo Code, la continuación de Roo Code, también indica soporte de MCP.

¿Por qué añadir servidores MCP hace mi agente más lento y caro?

Las definiciones de herramientas de cada servidor se añaden al prompt en cada llamada al modelo. Diez servidores con una docena de herramientas cada uno pueden sumar miles de tokens de entrada por paso. Active solo los servidores que necesite la tarea, o filtre herramientas.

¿Las herramientas MCP alojadas funcionan con otros proveedores?

Las alojadas por OpenAI, no. La documentación del OpenAI Agents SDK dice que HostedMCPTool funciona con modelos de OpenAI que admiten la integración MCP alojada de la Responses API. Con otros proveedores, use las clases de servidor MCP local del SDK.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity