BroadRouter

OpenAI 互換モデルで MCP サーバーを使う(プロバイダーを問わず)

BroadNet Inference チーム · 約 4 分で読めます · 公開日 · 更新日

MCP はモデルに依存しません。アプリ内の MCP クライアントが各サーバーのツールを一覧し、通常の Function Calling のツールとしてモデルに渡し、モデルが求めたら tools/call を実行します。ツール呼び出しが安定した OpenAI 互換モデルなら MCP サーバーを使えます。Cline、Continue、opencode、n8n で設定するか、Python 約 40 行で橋渡しできます。

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。

  1. **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。
  2. **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。
  3. **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。

よくある質問

Claude や GPT 以外のモデルでも MCP は使えますか?

使えます。MCP はアプリとツールサーバーの間のプロトコルです。アプリは、使っているモデルのツール呼び出し形式でツールをモデルに渡します。ツール呼び出しが正しく動く OpenAI 互換モデルなら、MCP のツールを使えます。

モデル自体が MCP に対応している必要はありますか?

ありません。モデルに必要なのは Function Calling だけです。ツールの一覧や呼び出しといったプロトコルの処理は、アプリ内の MCP クライアントが行います。

カスタムの OpenAI 互換モデルで MCP を使えるコーディングエージェントは?

Cline、Agent モードの Continue、opencode は、いずれも MCP サーバーとカスタムの OpenAI 互換モデルを設定できます。Roo Code の後継である Zoo Code も MCP 対応を掲げています。

MCP サーバーを追加するとエージェントが遅く、高くなるのはなぜですか?

各サーバーのツール定義が、毎回のモデル呼び出しでプロンプトに追加されるからです。十数個のツールを持つサーバーが 10 個あれば、1 ステップあたり数千の入力トークンが増えることがあります。タスクに必要なサーバーだけを有効にするか、ツールを絞り込んでください。

ホスト型の MCP ツールはほかのプロバイダーでも使えますか?

OpenAI がホストするタイプは使えません。OpenAI Agents SDK のドキュメントによると、HostedMCPTool は Responses API のホスト型 MCP 連携に対応した OpenAI のモデルで動きます。ほかのプロバイダーでは、SDK のローカル MCP サーバーのクラスを使ってください。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く