OpenAI WebSearch MCP Server

Čo robí “OpenAI WebSearch” MCP Server?

OpenAI WebSearch MCP Server umožňuje AI asistentom prístup k webovému vyhľadávaniu OpenAI prostredníctvom Model Context Protocolu (MCP). Ako most medzi AI modelmi a aktuálnymi webovými informáciami umožňuje tento server asistentom získavať najnovšie dáta, ktoré nemusia byť obsiahnuté v trénovacom korpuse. Vývojári môžu tento server integrovať s platformami ako Claude alebo Zed a vybaviť tak svojich AI agentov schopnosťou vykonávať živé webové vyhľadávania počas konverzácie. Výrazne to zvyšuje možnosti použitia, napríklad odpovedanie na otázky o aktuálnych udalostiach, obohacovanie kontextu o najnovšie dáta a poskytovanie dynamickejšieho a informovanejšieho vývojového workflow pre AI.

Zoznam promptov

V repozitári ani dokumentácii nie sú uvedené žiadne šablóny promptov.

Zoznam zdrojov

V repozitári ani dokumentácii nie sú uvedené žiadne explicitné zdroje.

Zoznam nástrojov

• web_search
  Umožňuje AI volať webové vyhľadávanie OpenAI ako nástroj.
  • Povinné argumenty:
    • type (reťazec): Musí byť “web_search_preview”.
    • search_context_size (reťazec): Usmernenie pre veľkosť kontextového okna — môže byť “low”, “medium” (predvolené) alebo “high”.
    • user_location (objekt alebo null): Obsahuje informácie o polohe (typ, mesto, krajina, región, časové pásmo) na prispôsobenie vyhľadávania.

Prípady použitia tohto MCP servera

• Odpovedanie na aktuálne udalosti:
  Umožňuje AI asistentom poskytovať aktuálne odpovede vyhľadávaním najnovších informácií na webe namiesto spoliehania sa iba na statické trénovacie dáta.
• Pomoc s výskumom:
  Ponúka možnosť živého vyhľadávania na webe pre používateľov, ktorí hľadajú detailné fakty alebo zhrnutia v reálnom čase na širokú škálu tém.
• Obohacovanie kontextu:
  Dopĺňa odpovede LLM čerstvými webovými dátami, čím zvyšuje relevantnosť a presnosť výstupov.
• Vyhľadávanie podľa polohy:
  Využíva detaily o polohe používateľa na prispôsobenie výsledkov vyhľadávania, vďaka čomu sú odpovede kontextovo vhodnejšie.
• Debugovanie a vývoj:
  Jednoducho kontrolujte a debugujte MCP server pomocou nástroja MCP inspector, čo zjednodušuje integráciu a riešenie problémov.

Ako to nastaviť

Windsurf

Čoskoro (v dokumentácii zatiaľ nie sú poskytnuté žiadne kroky).

Claude

1. Získajte svoj OpenAI API kľúč z platformy OpenAI.
2. Spustite nasledujúci príkaz na inštaláciu a automatickú konfiguráciu servera:

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

3. Prípadne nainštalujte uvx a upravte svoje nastavenia pre Claude:

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

4. Alebo inštalujte cez pip:

   pip install openai-websearch-mcp
   

   A aktualizujte nastavenia:

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

5. Uložte konfiguráciu a ak je to potrebné, reštartujte Claude.

Zabezpečenie API kľúčov:
Ukladajte API kľúče pomocou poľa env vo vašej konfigurácii.
Príklad:

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

Cursor

Čoskoro (v dokumentácii zatiaľ nie sú poskytnuté žiadne kroky).

Cline

V dokumentácii nie sú uvedené žiadne inštrukcie na nastavenie.

Zed

1. Získajte svoj OpenAI API kľúč.
2. Pomocou uvx pridajte do svojho Zed settings.json:

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

3. Alebo inštalujte cez pip:

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

4. Uložte konfiguráciu a reštartujte Zed.

Zabezpečenie API kľúčov:
Použite pole env ako je uvedené vyššie.

Ako používať tento MCP vo flow-och

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do vášho FlowHunt workflow začnite pridaním MCP komponentu do vášho flow a prepojením s AI agentom:

Kliknite na MCP komponent a otvorte panel konfigurácie. V sekcii systémovej MCP konfigurácie vložte detaily vášho MCP servera v tomto JSON formáte:

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

Po konfigurácii môže AI agent používať tento MCP ako nástroj so všetkými jeho funkciami a možnosťami. Nezabudnite zmeniť “openai-websearch-mcp” na skutočný názov vášho MCP servera a nahradiť URL adresou vášho MCP servera.

Prehľad

Medzi týmito tabuľkami:
Tento MCP server je zameraný a dobre zdokumentovaný pre svoj hlavný prípad použitia (prístup k webovému vyhľadávaniu pre LLM), ale chýbajú mu pokročilé MCP funkcie ako vlastné prompty, explicitné zdroje alebo podpora sampling/roots. Celkovo je robustný pre svoj zamýšľaný scenár, ale obmedzený v rozšíriteľnosti. Hodnotenie: 5/10

MCP skóre