OpenAI 웹검색 MCP 서버

“OpenAI 웹검색” MCP 서버란 무엇인가요?

OpenAI 웹검색 MCP 서버는 AI 어시스턴트가 Model Context Protocol(MCP)을 통해 OpenAI의 웹검색 기능에 접근할 수 있도록 해줍니다. 이 서버는 AI 모델과 실시간 웹 정보를 연결하는 다리 역할을 하여, 어시스턴트가 학습 데이터에 없는 최신 데이터를 검색해 가져올 수 있게 해줍니다. 개발자는 Claude, Zed와 같은 플랫폼에 이 서버를 통합하여, AI 에이전트가 대화 중 실시간 웹 검색을 수행할 수 있도록 만들 수 있습니다. 이를 통해 최신 이슈 답변, 최근 데이터로 맥락 강화, 더 역동적이고 정보가 풍부한 AI 개발 워크플로우 등 다양한 활용이 가능합니다.

프롬프트 목록

저장소 또는 문서에 프롬프트 템플릿이 등록되어 있지 않습니다.

리소스 목록

저장소 또는 문서에 명시된 리소스가 없습니다.

도구 목록

• web_search
  AI가 OpenAI의 웹검색을 도구로 호출할 수 있게 합니다.
  • 필수 인수:
    • type (string): 반드시 “web_search_preview” 여야 합니다.
    • search_context_size (string): 맥락 창 크기 지정—“low”, “medium”(기본값), “high” 중 선택
    • user_location (object 또는 null): 검색 맞춤을 위한 위치 정보(타입, 도시, 국가, 지역, 타임존 등) 포함 가능

이 MCP 서버의 사용 사례

• 최신 이슈 답변:
  AI 어시스턴트가 정적 학습 데이터에 의존하지 않고 웹에서 최신 정보를 검색해 최신 답변을 제공할 수 있습니다.
• 연구 지원:
  다양한 주제에 대해 실시간 사실이나 요약 정보를 원하는 사용자에게 라이브 웹검색 기능을 제공합니다.
• 맥락 강화:
  최신 웹 데이터로 LLM의 응답을 보강하여, 출력의 관련성과 정확성을 높입니다.
• 위치 기반 검색:
  사용자 위치 정보를 활용해 더욱 맞춤화된 검색 결과를 제공합니다.
• 디버깅 & 개발:
  MCP 인스펙터 도구로 MCP 서버를 쉽게 점검 및 디버깅하여 통합과 문제 해결을 간소화할 수 있습니다.

설치 방법

Windsurf

곧 제공 예정(현재 문서에는 단계 없음).

Claude

1. OpenAI 플랫폼에서 OpenAI API 키를 발급받으세요.
2. 다음 명령어로 서버를 설치 및 자동 설정하세요:

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

3. 또는 uvx를 설치하고 Claude 설정을 아래와 같이 수정하세요:

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

4. pip로 설치 시:

   pip install openai-websearch-mcp
   

   그리고 설정을 아래와 같이 업데이트하세요:

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

5. 설정을 저장하고 필요하면 Claude를 재시작하세요.

API 키 보안:
설정 파일의 env 필드를 사용하여 API 키를 안전하게 저장하세요.
예시:

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

Cursor

곧 제공 예정(현재 문서에는 단계 없음).

Cline

문서에 별도의 설치 안내가 제공되지 않았습니다.

Zed

1. OpenAI API 키를 준비하세요.
2. uvx를 사용할 경우 Zed의 settings.json에 다음을 추가:

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

3. pip 설치 시:

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

4. 설정을 저장하고 Zed를 재시작하세요.

API 키 보안:
위와 같이 env 필드를 사용하세요.

플로우에서 MCP 사용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭하여 설정 패널을 엽니다. 시스템 MCP 설정란에 아래와 같이 MCP 서버 정보를 JSON 포맷으로 입력하세요:

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

설정이 완료되면, AI 에이전트는 이 MCP를 도구로 사용하여 모든 기능 및 역량에 접근할 수 있습니다. “openai-websearch-mcp"는 실제 MCP 서버 이름으로, URL은 본인의 MCP 서버 URL로 반드시 변경하세요.

개요

테이블 사이 설명:
이 MCP 서버는 LLM용 웹검색 접근이라는 핵심 용도에 집중되어 있고, 문서화가 잘 되어 있지만, 커스텀 프롬프트, 명시적 리소스, 샘플링/roots 지원 등 고급 MCP 기능은 부족합니다. 의도된 시나리오에는 견고하며, 확장성은 제한적입니다. 평가: 5/10

MCP 점수