OpenAI WebSearch MCP -palvelin

Mitä “OpenAI WebSearch” MCP -palvelin tekee?

OpenAI WebSearch MCP -palvelin mahdollistaa tekoälyavustajille pääsyn OpenAI:n verkkohakutoimintoihin Model Context Protocolin (MCP) kautta. Palvelin toimii sillan tavoin tekoälymallien ja reaaliaikaisen verkkotiedon välillä, mahdollistaen avustajien hakea ajantasaista tietoa, jota ei ehkä löydy niiden koulutusdatasta. Kehittäjät voivat integroida tämän palvelimen alustoihin kuten Claude tai Zed, antaen tekoälyagenteille mahdollisuuden suorittaa live-verkkohakuja keskustelujen aikana. Tämä parantaa merkittävästi käyttötapauksia kuten ajankohtaisiin kysymyksiin vastaamista, kontekstin rikastamista tuoreella datalla sekä luo dynaamisemman ja tiedostavamman tekoälykehitysympäristön.

Kehotepohjat

Arkistossa tai dokumentaatiossa ei ole listattu kehotepohjia.

Valmis kasvattamaan liiketoimintaasi?

Aloita ilmainen kokeilujakso tänään ja näe tulokset muutamassa päivässä.

Pyydä demo Kirjaudu sisään

Resurssit

Arkistossa tai dokumentaatiossa ei ole eritelty resursseja.

Työkalut

• web_search
  Mahdollistaa tekoälyn tehdä OpenAI:n verkkohakuja työkaluna.
  • Pakolliset argumentit:
    • type (merkkijono): Arvon tulee olla “web_search_preview”.
    • search_context_size (merkkijono): Ohjeistus kontekstin käytöstä—vaihtoehdot “low”, “medium” (oletus) tai “high”.
    • user_location (objekti tai null): Sijaintitietoja (tyyppi, kaupunki, maa, alue, aikavyöhyke), joilla räätälöidään hakutuloksia.

Liity uutiskirjeellemme

Saa uusimmat vinkit, trendit ja tarjoukset ilmaiseksi.

Sähköpostiosoite

Tilaa

Tämän MCP-palvelimen käyttötapaukset

• Ajankohtaisiin tapahtumiin vastaaminen:
  Mahdollistaa tekoälyavustajien tarjota ajantasaisia vastauksia hakemalla verkkotietoa, sen sijaan että ne nojaisivat vain staattiseen koulutusdataan.
• Tutkimusavustaja:
  Tarjoaa käyttäjille live-verkkohakuominaisuudet, kun tarvitaan tarkkoja, reaaliaikaisia faktoja tai yhteenvetoja eri aihealueista.
• Kontekstin rikastaminen:
  Täydentää LLM-mallien vastauksia tuoreella verkkodatalla, parantaen vastausten osuvuutta ja tarkkuutta.
• Sijaintitietoinen haku:
  Hyödyntää käyttäjän sijaintitietoja räätälöidäkseen hakutuloksia ja tehdäkseen vastauksista osuvampia.
• Debuggaus ja kehitys:
  MCP-inspector-työkalulla voi helposti tarkastella ja debugata palvelinta, mikä helpottaa integraatiota ja vianetsintää.

Näin otat palvelimen käyttöön

Windsurf

Tulossa pian (ei vaiheita tällä hetkellä dokumentaatiossa).

Claude

1. Hanki OpenAI API -avaimesi OpenAI:n palvelusta .
2. Suorita seuraava komento asentaaksesi ja konfiguroidaksesi palvelimen:

   OPENAI_API_KEY=sk-xxxx uv run --with uv --with openai-websearch-mcp openai-websearch-mcp-install
   

3. Vaihtoehtoisesti asenna uvx ja muokkaa Clauden asetuksia:

   "mcpServers": {
     "openai-websearch-mcp": {
       "command": "uvx",
       "args": ["openai-websearch-mcp"],
       "env": {
           "OPENAI_API_KEY": "your-api-key-here"
       }
     }
   }
   

4. Tai asenna pipin kautta:

   pip install openai-websearch-mcp
   

   Ja päivitä asetukset:

   "mcpServers": {
     "openai-websearch-mcp": {
       "command": "python",
       "args": ["-m", "openai_websearch_mcp"],
       "env": {
           "OPENAI_API_KEY": "your-api-key-here"
       }
     }
   }
   

5. Tallenna asetukset ja käynnistä Claude uudelleen tarvittaessa.

API-avainten suojaaminen:
Tallenna API-avaimet käyttämällä env-kenttää konfiguraatiossa.
Esimerkki:

"env": {
  "OPENAI_API_KEY": "your-api-key-here"
}

Cursor

Tulossa pian (ei vaiheita tällä hetkellä dokumentaatiossa).

Cline

Dokumentaatiossa ei ole asennusohjeita.

Zed

1. Hanki OpenAI API -avaimesi.
2. Käytä uvx:ää ja lisää Zedin settings.json-tiedostoon:

   "context_servers": [
     "openai-websearch-mcp": {
       "command": "uvx",
       "args": ["openai-websearch-mcp"],
       "env": {
           "OPENAI_API_KEY": "your-api-key-here"
       }
     }
   ],
   

3. Tai pipin asennuksella:

   "context_servers": {
     "openai-websearch-mcp": {
       "command": "python",
       "args": ["-m", "openai_websearch_mcp"],
       "env": {
           "OPENAI_API_KEY": "your-api-key-here"
       }
     }
   },
   

4. Tallenna asetukset ja käynnistä Zed uudelleen.

API-avainten suojaaminen:
Käytä yllä esitettyä env-kenttää.

Näin käytät MCP:ta FlowHunt-työnkuluissa

MCP:n käyttö FlowHuntissa

Lisätäksesi MCP-palvelimen FlowHunt-työnkulkuun, lisää MCP-komponentti työnkulkuun ja yhdistä se tekoälyagenttiin:

Napsauta MCP-komponenttia avaataksesi konfiguraatiopaneelin. Järjestelmän MCP-konfiguraatiokenttään lisää MCP-palvelimen tiedot seuraavassa JSON-muodossa:

{
  "openai-websearch-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Kun konfiguraatio on valmis, tekoälyagentti voi käyttää MCP-palvelinta työkaluna kaikilla sen toiminnoilla. Muista vaihtaa “openai-websearch-mcp” MCP-palvelimesi oikeaan nimeen ja korvata URL omalla palvelinosoitteellasi.

Yhteenveto

Näiden taulukoiden välillä:
Tämä MCP-palvelin on keskittynyt ja hyvin dokumentoitu ydinkäyttötapaansa varten (verkkohaku LLM:lle), mutta siitä puuttuu kehittyneempiä MCP-ominaisuuksia kuten mukautetut kehotepohjat, eritellyt resurssit tai näytteenotto/roots-tuki. Kokonaisuutena se on vankka tarkoitukseensa, mutta rajallinen laajennettavuudeltaan. Arvosana: 5/10

MCP-pisteet