OpenAI Agents SDK가 MCP를 받아들이다

OpenAI 의 Agents SDK 가 이제 Model Context Protocol(MCP)을 공식 지원한다.

LLM 기반 에이전트를 만들 때 외부 도구나 실시간 데이터 소스와 유연하고 표준화된 방식으로 연결하는 것은 매우 중요하다. MCP 는 바로 그 요구를 채우는 개방형 프로토콜이다.

MCP 가 무엇인가

MCP 는 애플리케이션이 LLM 에게 필요한 컨텍스트와 도구(Tools)를 제공하는 방법을 표준화한다. AI 애플리케이션을 위한 ‘USB-C 포트’ 에 비유할 수 있다. 여러 주변 기기를 단일 표준 포트로 연결하듯, MCP 는 AI 모델을 여러 종류의 데이터 소스 및 외부 기능과 일관된 방식으로 연결한다.

Agents SDK 가 MCP 를 지원하면서, 개발자는 MCP 표준을 따르는 여러 서버를 Agents SDK 기반 에이전트에 더 쉽게 붙일 수 있게 됐다.

지원되는 서버 유형

MCP 사양은 현재 두 가지 주요 서버 유형을 정의하며, Agents SDK 는 둘 다 지원한다.

stdio 서버 — 애플리케이션의 하위 프로세스로 실행되어 로컬에서 작동한다. MCPServerStdio 클래스로 연결한다.

HTTP over SSE 서버 — 원격 서버 형태로 운영되며 URL 로 접속한다. MCPServerSse 클래스로 연결한다.

공식 MCP 파일시스템 서버를 MCPServerStdio 로 연결하는 예시다.

import asyncio

filesystem_path = "/path/to/your/data"

async def setup_mcp_server():
    # stdio 방식으로 파일시스템 서버 실행 및 연결
    async with MCPServerStdio(
        params={
            "command": "npx",
            "args": ["-y", "@modelcontextprotocol/server-filesystem", filesystem_path],
        }
    ) as server:
        print("MCP 서버가 성공적으로 시작되었습니다.")

        # 사용 가능한 도구 목록 확인
        tools = await server.list_tools()
        print("사용 가능한 도구:", tools)

        # 생성된 server 객체를 Agent 설정에 사용
        agent = Agent(..., mcp_servers=[server])

asyncio.run(setup_mcp_server())

Agent 에 붙이는 법

MCP 서버를 Agent 에 통합하는 과정은 직관적이다. Agent 를 초기화할 때 mcp_servers 매개변수에 서버 객체 리스트를 넘기면 된다.

agent = Agent(
    name="Assistant Agent",
    instructions="제공된 도구를 사용하여 요청된 작업을 수행하십시오.",
    mcp_servers=[mcp_server_stdio, mcp_server_sse]  # 여러 서버 전달 가능
)

내부 동작 흐름은 이렇다.

에이전트가 실행될 때, SDK 는 mcp_servers 목록 내 각 서버의 list_tools() 를 호출한다
이를 통해 LLM 은 지금 어떤 도구를 쓸 수 있는지 알게 된다
LLM 이 특정 도구를 쓰기로 결정하면(Function Call), SDK 가 해당 서버의 call_tool() 을 호출해 실행을 요청하고 결과를 받는다

캐싱

실행할 때마다 list_tools() 를 호출하는 것은, 특히 원격 서버라면 응답 지연을 만든다. 도구 목록이 자주 바뀌지 않는 환경이라면 캐싱으로 성능을 개선할 수 있다.

server_stdio_cached = MCPServerStdio(
    params={...},
    cache_tools_list=True
)

server_sse_cached = MCPServerSse(
    params={...},
    cache_tools_list=True
)

주의. 이 옵션은 도구 목록이 정적이라고 확신할 수 있을 때만 써야 한다. 목록이 바뀌면 캐시를 수동으로 갱신해야 할 수 있고, 필요하면 invalidate_tools_cache() 로 무효화한다.

예제와 추적

SDK 문서의 examples/mcp 디렉토리에서 MCP 연동 전체 예제를 볼 수 있다. 그리고 Agents SDK 의 추적(Tracing) 기능은 list_tools 호출이나 call_tool 실행 같은 MCP 관련 작업을 자동으로 기록해 디버깅과 동작 분석에 쓸 수 있다.

남는 이야기

Agents SDK 의 MCP 지원은 LLM 에이전트가 외부 도구 및 데이터 소스와 상호작용하는 방식을 표준화하고 단순화하는 중요한 진전이다. 이를 통해 더 유연하고 확장 가능한 에이전트를 효율적으로 만들 수 있게 된다.

OpenAI Agents SDK — MCP 문서