OpenAI MCP 服务器

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

Cline 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 readme 和说明。不要在 repo 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，使用其工具之一演示服务器的功能。

安装步骤：
# 克隆存储库
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

配置示例：
{
  "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": []
    }
  }
}

要求：
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 助手模型提出直接问题
可用模型：
o3-mini (默认)
gpt-4o-mini
输入模式：
{
  "query": "你的问题在这里",
  "model": "o3-mini" // 可选，默认为 o3-mini
}

功能

• 与 OpenAI API 直接集成
• 支持多种模型：
  • o3-mini (默认): 针对简洁的响应进行了优化
  • gpt-4o-mini: 增强的模型，可提供更详细的响应
• 可配置的消息格式
• 错误处理和日志记录
• 通过 MCP 协议的简单接口

安装

通过 Smithery 安装

要通过 Smithery 为 Claude Desktop 自动安装 OpenAI MCP 服务器：

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

手动安装

1. 克隆存储库:

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

# 安装依赖项
pip install -e .

2. 配置 Claude Desktop:

将此服务器添加到您现有的 MCP 设置配置中。注意：保留配置中现有的所有 MCP 服务器 - 只需将此服务器添加到它们旁边。

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 (~/) 以获取默认的 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 网站
   • 创建一个帐户或登录
   • 导航到 API 设置
   • 生成一个新的 API 密钥
   • 将密钥添加到您的配置文件中，如上所示

4. 重启 Claude:

   • 更新配置后，重启 Claude 以使更改生效

用法

该服务器提供了一个名为 ask-openai 的工具，可用于查询 OpenAI 模型。您可以使用 use_mcp_tool 命令直接在 Claude 中使用它：

<use_mcp_tool>
<server_name>github.com/thadius83/mcp-server-openai</server_name>
<tool_name>ask-openai</tool_name>
<arguments>
{
  "query": "Python 的 asyncio 库的主要功能是什么？",
  "model": "o3-mini"  // 可选，默认为 o3-mini
}
</arguments>
</use_mcp_tool>

模型比较

1. o3-mini (默认)

   • 最适合：快速、简洁的答案
   • 风格：直接有效
   • 示例响应：

     Python 的 asyncio 提供了非阻塞、协作式多任务处理。主要功能：
     1. 事件循环 – 调度和运行异步任务
     2. 协程 – 您可以暂停和恢复的函数
     3. 任务 – 并发运行协程
     4. Futures – 表示未来的结果
     5. 非阻塞 I/O – 有效处理 I/O 操作
     

2. gpt-4o-mini

   • 最适合：更全面的解释
   • 风格：详细而彻底
   • 示例响应：

     Python 的 asyncio 库为异步编程提供了一个全面的框架。
     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 futures，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

该工具以标准化格式返回响应：

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

故障排除

1. 找不到服务器:

   • 验证您配置中的 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 以检查错误

2. 身份验证错误:

   • 检查您的 OpenAI API 密钥是否有效
   • 确保密钥已在 args 数组中正确传递
   • 验证密钥中没有多余的空格或字符

3. 模型错误:

   • 确认您正在使用支持的模型（o3-mini 或 gpt-4o-mini）
   • 检查您的查询是否为空
   • 确保您没有超过令牌限制

开发

# 安装开发依赖项
pip install -e ".[dev]"

# 运行测试
pytest -v test_openai.py -s

与原始版本的更改

• 增加了对 o3-mini 和 gpt-4o-mini 模型 的支持
• 改进了消息格式
• 删除了温度参数以获得更好的兼容性
• 使用详细的用法示例更新了文档
• 添加了模型比较和响应示例
• 增强了安装说明
• 添加了故障排除指南

许可证

MIT 许可证