OpenAI MCP 服务器

使用 MCP 协议直接从 Claude 查询 OpenAI 模型。此分支添加了对 o3-mini 和 gpt-4o-mini 模型的支持，并改进了消息处理。

命令行自动安装

从 https://github.com/thadius83/mcp-server-openai 设置 MCP 服务器。

在 cline_mcp_settings.json 中使用 "github.com/thadius83/mcp-server-openai" 作为服务器名称。

分析下面的自述文件和说明。不要在仓库中创建新文件，利用 pyproject.toml、src/mcp_server_openai/server.py、src/mcp_server_openai/llm.py 中的发现。

安装完成后，使用其中一个工具演示服务器的功能。

安装步骤：

# 克隆仓库
git clone https://github.com/thadius83/mcp-server-openai
cd mcp-server-openai

# 安装包
pip install .

MCP 设置配置：cline_mcp_settings.json 应配置为：

正确的服务器名称格式："github.com/thadius83/mcp-server-openai"
服务器的 Python 模块路径结构
指向项目目录的 PYTHONPATH 环境变量
作为命令行参数传递的 OpenAI API 密钥

示例配置：
{
  "mcpServers": {
    "github.com/thadius83/mcp-server-openai": {
      "command": "python",
      "args": [
        "-m",
        "src.mcp_server_openai.server",
        "--openai-api-key",
        "your-openai-api-key"
      ],
      "env": {
        "PYTHONPATH": "/path/to/mcp-server-openai"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}
需求：

Python >= 3.10
OpenAI API 密钥
通过 pip 安装的依赖项 (mcp>=0.9.1, openai>=1.0.0, click>=8.0.0, pytest-asyncio)

可用工具：

工具名称：ask-openai
描述：向 OpenAI 助手模型直接提问
可用模型：
o3-mini (默认)
gpt-4o-mini
输入模式：
{
  "query": "Your question here",
  "model": "o3-mini" // 可选，默认为 o3-mini
}

特性

• 直接集成 OpenAI API
• 支持多种模型：
  • o3-mini (默认): 优化为简洁的回复
  • gpt-4o-mini: 增强型模型，提供更详细的回复
• 可配置的消息格式
• 错误处理和日志记录
• 通过 MCP 协议提供简单的接口

安装

通过 Smithery 安装

要通过 Smithery 自动安装 OpenAI MCP 服务器用于 Claude 桌面端：

npx -y @smithery/cli install @thadius83/mcp-server-openai --client claude

手动安装

1. 克隆仓库:

git clone https://github.com/thadius83/mcp-server-openai.git
cd mcp-server-openai

# 安装依赖
pip install -e .

2. 配置 Claude 桌面端:

将此服务器添加到您现有的 MCP 设置配置中。注意：保留配置中任何现有的 MCP 服务器 - 只需在此基础上添加这个服务器即可。

位置：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%/Claude/claude_desktop_config.json
• Linux: 检查您的主目录 (~/) 以查找默认的 MCP 设置位置

{
  "mcpServers": {
    // ... 保留您现有的 MCP 服务器 ...
    
    "github.com/thadius83/mcp-server-openai": {
      "command": "python",
      "args": ["-m", "src.mcp_server_openai.server", "--openai-api-key", "your-key-here"],
      "env": {
        "PYTHONPATH": "/path/to/your/mcp-server-openai"
      }
    }
  }
}

3. 获取OpenAI API密钥:

   • 访问OpenAI官网
   • 创建账户或登录
   • 进入API设置
   • 生成新的API密钥
   • 将密钥添加到你的配置文件中，如上所示

4. 重启Claude:

   • 更新配置后，重启Claude以使更改生效

使用方法

服务器提供一个名为ask-openai的工具，可用于查询OpenAI模型。你可以在Claude中使用use_mcp_tool命令直接使用它：

<use_mcp_tool>
<server_name>github.com/thadius83/mcp-server-openai</server_name>
<tool_name>ask-openai</tool_name>
<arguments>
{
  "query": "Python的asyncio库的关键特性是什么？",
  "model": "o3-mini"  // 可选，默认为o3-mini
}
</arguments>
</use_mcp_tool>

模型对比

1. o3-mini (默认)

   • 最适合：快速、简洁的答案
   • 风格：直接且高效
   • 示例回复：

     Python的asyncio提供了非阻塞的、协作式多任务处理。关键特性：
     1. 事件循环 – 调度和运行异步任务
     2. 协程 – 你可以暂停和恢复的函数
     3. 任务 – 并发运行协程
     4. 期物 – 代表未来的结果
     5. 非阻塞I/O – 高效处理I/O操作
     

2. gpt-4o-mini

   • 最适合：更全面的解释
   • 风格：详细且彻底
   • 示例回复：

     Python的asyncio库提供了一个全面的异步编程框架。
     它包括一个用于管理任务的事件循环、用于编写非阻塞代码的协程、
     用于并发执行的任务、用于处理未来结果的期物以及高效的I/O
     操作。该库还提供同步原语和用于网络编程的高级API。
     

响应格式

工具返回标准化格式的响应：

{
  "content": [
    {
      "type": "text",
      "text": "模型的响应..."
    }
  ]
}

故障排除

1. 服务器未找到:

   • 验证你的配置中 PYTHONPATH 是否指向正确的目录
   • 确保 Python 和 pip 已正确安装
   • 尝试直接运行 python -m src.mcp_server_openai.server --openai-api-key your-key-here 来检查错误

2. 身份验证错误:

   • 检查你的 OpenAI API 密钥是否有效
   • 确保密钥已正确传递到 args 数组中
   • 验证密钥中没有多余的空格或字符

3. 模型错误:

   • 确认你正在使用支持的模型 (o3-mini 或 gpt-4o-mini)
   • 检查你的查询是否为空
   • 确保你没有超过 token 限制

开发

# 安装开发依赖
pip install -e ".[dev]"

# 运行测试
pytest -v test_openai.py -s

与原版差异

• 新增对 o3-mini 和 gpt-4o-mini 模型的支持
• 提升了消息格式
• 为了更好的兼容性，移除了 temperature 参数
• 使用详细的使用示例更新了文档
• 新增了模型比较和响应示例
• 增强了安装说明
• 新增了故障排除指南

许可证

MIT 许可证