OpenAI WebSearch MCPサーバー

「OpenAI WebSearch」MCPサーバーは何をする？

OpenAI WebSearch MCPサーバーは、Model Context Protocol（MCP）を通じてAIアシスタントにOpenAIのウェブ検索機能へのアクセスを提供します。このサーバーはAIモデルとリアルタイムのウェブ情報との橋渡しを行い、学習コーパスに含まれていない最新データの取得を可能にします。開発者はこのサーバーをClaudeやZedなどのプラットフォームと統合し、AIエージェントに会話中のライブウェブ検索機能を持たせることができます。これにより、時事問題への回答、最新データによるコンテキスト強化、よりダイナミックで情報に富んだAI開発ワークフローが大きく向上します。

プロンプト一覧

リポジトリやドキュメント内にプロンプトテンプレートは記載されていません。

ビジネスを成長させる準備はできましたか？

今日から無料トライアルを開始し、数日で結果を確認しましょう。

デモをリクエスト ログイン

リソース一覧

リポジトリやドキュメント内に明示的なリソースは記載されていません。

ツール一覧

• web_search
  AIがOpenAIのウェブ検索をツールとして呼び出すことができます。
  • 必須引数:
    • type (string): 必ず “web_search_preview” を指定。
    • search_context_size (string): コンテキストウィンドウ利用の指針—“low”、“medium”（デフォルト）、“high"のいずれか。
    • user_location (object または null): 検索を調整するための位置情報（type, city, country, region, timezone など）を含みます。

ニュースレターに登録

最新のヒント、トレンド、お得な情報を無料で入手。

メールアドレス

登録する

このMCPサーバーのユースケース

• 時事問題への回答:
  AIアシスタントがウェブ検索で最新情報を取得し、静的な学習データだけでなくリアルタイムな回答を実現します。
• リサーチ支援:
  幅広いトピックで詳細かつリアルタイムな事実や要約を求めるユーザー向けに、ライブウェブ検索機能を提供します。
• コンテキスト強化:
  LLMの回答に新鮮なウェブデータを追加し、出力の関連性・正確性を高めます。
• 位置情報対応検索:
  ユーザーが指定した位置情報を利用して検索結果を最適化し、より適切な回答を提供します。
• デバッグ・開発:
  MCPインスペクターツールでサーバーを簡単に検証・デバッグでき、統合やトラブルシューティングを効率化します。

セットアップ方法

Windsurf

近日公開予定（ドキュメントに手順はありません）。

Claude

1. OpenAIのプラットフォーム でOpenAI APIキーを取得します。
2. 以下のコマンドを実行してサーバーをインストール・自動設定します:

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

3. または、uvxをインストールし、Claudeの設定を編集します:

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

4. もしくはpipでインストール:

   pip install openai-websearch-mcp
   

   そして設定を更新:

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

5. 設定を保存し、必要に応じてClaudeを再起動してください。

APIキーのセキュリティ:
設定ファイルの env フィールドでAPIキーを安全に管理してください。
例:

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

Cursor

近日公開予定（ドキュメントに手順はありません）。

Cline

ドキュメントにセットアップ手順はありません。

Zed

1. OpenAI APIキーを取得します。
2. uvxを使い、Zedの settings.json に以下を追加します:

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

3. もしくはpipインストールの場合:

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

4. 設定を保存し、Zedを再起動してください。

APIキーのセキュリティ:
上記の通り env フィールドを利用してください。

フロー内でのMCP利用方法

FlowHuntでのMCP利用

FlowHuntワークフローにMCPサーバーを組み込むには、まずMCPコンポーネントをフローに追加し、AIエージェントに接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定欄に下記のJSON形式でサーバー情報を入力します:

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

設定が完了すると、AIエージェントはこのMCPのすべての機能にアクセスできるようになります。“openai-websearch-mcp"は実際のMCPサーバー名に、URLはご自身のMCPサーバーのURLに必ず置き換えてください。

概要

表の間の説明:
このMCPサーバーはコアユースケース（LLM向けウェブ検索アクセス）に特化し、ドキュメントも充実していますが、カスタムプロンプトや明示的なリソース、サンプリング/rootsサポートなどの高度なMCP機能はありません。想定用途には十分堅牢ですが、拡張性は限定的です。評価: 5/10

MCPスコア