Model Context Protocol(MCP)は、GitHub、データベース、ファイルシステム、ブラウザといったツールにエージェントがアクセスするための標準的な方法です。MCP のチュートリアルの多くは Claude や GPT を前提にしていますが、どちらも必須ではありません。この記事では、ツール呼び出しに対応した OpenAI 互換モデルならなぜ MCP が使えるのか、開発者が実際に使うクライアントでの設定方法、そして自作のコードで MCP をオープンモデルにつなぐ方法を説明します。
MCP がどのモデルでも動くのはなぜですか?
MCP が位置するのは、アプリとモデルの間ではなく、アプリとツールサーバーの間です。MCP のアーキテクチャのドキュメントは、3 つの役割を説明しています。
- **ホスト:**エディタの拡張機能や自作スクリプトのような AI アプリケーション。
- **クライアント:**ホストが MCP サーバーごとに保持する 1 本の接続。
- **サーバー:**ツール、リソース、プロンプトを公開するプログラム。ローカルでは stdio、リモートでは Streamable HTTP で動きます。
ドキュメントははっきりと、MCP は “does not dictate how AI applications use LLMs or manage the provided context.”(訳:AI アプリケーションが LLM をどう使うか、提供されたコンテキストをどう管理するかを規定しない。)と書いています。ホストは tools/list で各サーバーのツールを一覧し、モデルから見える 1 つのレジストリにまとめます。モデルがツールを求めたら、ホストが該当するサーバーに tools/call を送ります。
OpenAI 互換 API では、「モデルから見える」とは、ツールを通常の tools 配列に入れることを意味します。MCP のツールにはもともと名前、説明、inputSchema があり、関数定義に 1 対 1 で対応します。モデルは MCP が関わっていることを知りません。必要なのは、信頼できるツール呼び出しだけです。
MCP にはどのモデルを使うべきですか?
| BroadNet のモデル | ツール呼び出しの記載 | コンテキスト | MCP との相性 |
|---|---|---|---|
| GLM 5.3 | あり | 1,048,576 | サーバーが多い場合の無難な標準 |
| Qwen3.8 27B | あり | 262,144 | 良好、画像入力も可 |
| DeepSeek V4.1 Flash | 記載なし | 1,048,576 | まずテストを。画像入力に対応 |
| Gemma 4 VL 26B | 記載なし | 32,768 | 非推奨 |
ツール対応の 2 モデルを並べて比べるには、GLM 5.3 と Qwen3.8 27B の比較をご覧ください。コンテキストは思った以上に重要です。MCP のツールスキーマはすべて、毎回の呼び出しに乗ります。opencode のドキュメントには “MCP tools consume model context, so add only the servers you need.”(訳:MCP のツールはモデルのコンテキストを消費するので、必要なサーバーだけを追加すること。)とあります。測り方はエージェントのトークン予算の記事で紹介しています。
主要なクライアントで MCP を設定するには?
| クライアント | MCP サーバーの設定場所 | トランスポート | 備考 |
|---|---|---|---|
| Cline | MCP Servers パネル、mcpServers JSON |
stdio、Streamable HTTP、旧来の SSE | リモートの type は "streamableHttp" |
| Continue | config.yaml の mcpServers または .continue/mcpServers/ |
stdio、sse、streamable-http | Agent モードのみ |
| opencode | opencode.jsonc の mcp.servers |
local、remote |
シークレットは {env:NAME} で |
| n8n | AI Agent に付ける MCP Client Tool ノード | リモートサーバーのエンドポイント(ドキュメントでは SSE エンドポイント) | All、Selected、All Except でツールを選択 |
| OpenAI Agents SDK | Agent の mcp_servers=[...] |
stdio、Streamable HTTP、SSE | HostedMCPTool ではない |
そのうえで、クライアントのモデルをプロバイダーに向けます。BroadNet 側のモデル設定は、Cline、Continue、opencode の各ガイドで解説しています。Continue では tool_use の capability を忘れないでください。これがないと Agent モードが使えません。
Continue のドキュメントにある例です。
mcpServers:
- name: SQLite MCP
type: stdio
command: npx
args: ["-y", "mcp-sqlite", "/path/to/your/database.db"]
Python で MCP をオープンモデルにつなぐには?
自分でエージェントを作るなら、橋渡しのコードは短く済みます。ここでは MCP Python SDK の Client(バージョン 2.0 以降、pip install "mcp>=2")を使います。StdioServerParameters を渡すと stdio サーバーを起動します。これに、BroadNet に向けた OpenAI SDK を組み合わせます。
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.")))
mcp 1.x には Client クラスがありません。stdio_client(...) でサーバーを開き、ClientSession で包んで initialize() を呼び、キャメルケースのフィールド inputSchema と isError を読んでください。重要な点は 3 つです。
- **エラーはツールの結果にします。**MCP SDK はツールの失敗を例外ではなく
is_errorで報告します。それをモデルに返せば、モデルが調整できます。検証とリトライはツール呼び出しのガイドで解説しています。 - **ループに上限を設けます。**ここでは 8 ステップです。大きな結果を返す MCP サーバーは、すぐにコンテキストを埋めてしまいます。
- **ツールを絞り込みます。**タスクに必要なツールだけを公開します。OpenAI Agents SDK にはそのための
tool_filterがあり、n8n には Selected と All Except があります。
OpenAI Agents SDK を使う場合は、MCPServerStdio と MCPServerStreamableHttp のクラスが自分のプロセス内で動きます。Agents SDK のガイドのように、カスタムプロバイダーと組み合わせてください。HostedMCPTool は OpenAI の Responses API 内で動くので、OpenAI のモデルでしか使えません。
オープンモデルで MCP を使うときによくある問題は?
- **ツールが多すぎる。**モデルが間違ったツールを選んだり、ツールを無視したりします。有効なツールは少なく保ってください。自作のツールなら、JSON スキーマジェネレーターで、きれいでフラットな
parametersスキーマを作れます。 - **ツールの結果が大きすぎる。**データベースのテーブル全体を返すサーバーは、コンテキストウィンドウをあっさり超えます。上限を設けるか、ページングしてください。
- **返答が空になる、途中で切れる。**GLM 5.3 と Qwen3.8 27B は先に推論し、推論は
max_tokensに含まれます。上限を上げてください。 - **信頼性。**MCP サーバーは自分のマシンでコードを実行したり、自分の認証情報でサービスを呼んだりします。信頼できるサーバーだけをインストールし、書き込みや支払いを伴う操作は確認してから実行してください。
BroadNet Inference が向いている場面
BroadNet Inference が担うのはモデル側です。ツール呼び出しの記載がある GLM 5.3 と Qwen3.8 27B を、上のどの MCP クライアントでも使える標準の chat completions 形式で提供し、プロンプトと出力はゼロデータ保持です。MCP サーバーやホスト型ツールを代わりに動かすことはしません。それはクライアントの役割です。両モデルのトークンあたりの料金は料金ページに、キーは inference.broadnet.ai にあります。
