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.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

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

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

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 플랫폼 에서 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