OpenAI WebSearch MCP Server

OpenAI WebSearch MCP Server làm gì?

OpenAI WebSearch MCP Server cho phép trợ lý AI truy cập chức năng tìm kiếm web của OpenAI thông qua Model Context Protocol (MCP). Bằng cách làm cầu nối giữa các mô hình AI và thông tin web theo thời gian thực, server này giúp các trợ lý lấy dữ liệu cập nhật mà có thể không có trong tập dữ liệu huấn luyện. Các nhà phát triển có thể tích hợp server này với các nền tảng như Claude hoặc Zed, trang bị cho agent AI khả năng tìm kiếm web trực tiếp trong hội thoại. Điều này đặc biệt hữu ích cho các trường hợp như trả lời câu hỏi về sự kiện hiện tại, làm giàu ngữ cảnh với dữ liệu mới và mang lại quy trình phát triển AI năng động, cập nhật hơn.

Danh sách Prompt

Không có template prompt nào được liệt kê trong repository hoặc tài liệu.

Danh sách tài nguyên

Không có tài nguyên rõ ràng nào được liệt kê trong repository hoặc tài liệu.

Danh sách công cụ

• web_search
  Cho phép AI gọi tìm kiếm web của OpenAI như một công cụ.
  • Tham số bắt buộc:
    • type (string): Phải là “web_search_preview”.
    • search_context_size (string): Hướng dẫn sử dụng cửa sổ ngữ cảnh—có thể là “low”, “medium” (mặc định), hoặc “high”.
    • user_location (object hoặc null): Chứa thông tin vị trí (type, city, country, region, timezone) để cá nhân hóa tìm kiếm.

Các trường hợp sử dụng của MCP Server này

• Trả lời câu hỏi sự kiện hiện tại:
  Cho phép trợ lý AI cung cấp câu trả lời cập nhật bằng cách tìm kiếm web cho thông tin mới thay vì chỉ dựa vào dữ liệu huấn luyện tĩnh.
• Hỗ trợ nghiên cứu:
  Mang lại khả năng tìm kiếm web trực tiếp cho người dùng cần thông tin hoặc tóm tắt chi tiết, thời gian thực về nhiều chủ đề.
• Bổ sung ngữ cảnh:
  Bổ sung phản hồi LLM bằng dữ liệu web mới, tăng tính liên quan và độ chính xác của kết quả.
• Tìm kiếm theo vị trí:
  Sử dụng thông tin vị trí cung cấp từ người dùng để cá nhân hóa kết quả tìm kiếm, làm cho câu trả lời phù hợp hơn với ngữ cảnh.
• Gỡ lỗi và phát triển:
  Dễ dàng kiểm tra và gỡ lỗi server MCP với công cụ MCP inspector, giúp đơn giản hóa tích hợp và xử lý sự cố.

Cách thiết lập

Windsurf

Đang cập nhật (chưa có hướng dẫn trong tài liệu).

Claude

1. Lấy OpenAI API key từ nền tảng OpenAI.
2. Chạy lệnh sau để cài đặt và tự động cấu hình server:

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

3. Hoặc, cài đặt uvx và chỉnh sửa cấu hình Claude:

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

4. Hoặc cài đặt qua pip:

   pip install openai-websearch-mcp
   

   Và cập nhật cấu hình:

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

5. Lưu cấu hình và khởi động lại Claude nếu cần.

Bảo mật API Key:
Lưu API key bằng trường env trong cấu hình.
Ví dụ:

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

Cursor

Đang cập nhật (chưa có hướng dẫn trong tài liệu).

Cline

Không có hướng dẫn cấu hình trong tài liệu.

Zed

1. Lấy OpenAI API key của bạn.
2. Dùng uvx, thêm vào Zed settings.json:

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

3. Hoặc cài đặt qua pip:

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

4. Lưu cấu hình và khởi động lại Zed.

Bảo mật API Key:
Sử dụng trường env như trên.

Sử dụng MCP trong flows

Sử dụng MCP trong FlowHunt

Để tích hợp MCP server vào workflow FlowHunt, hãy thêm thành phần MCP vào flow và kết nối với agent AI của bạn:

Nhấn vào thành phần MCP để mở panel cấu hình. Trong phần cấu hình hệ thống MCP, chèn thông tin server MCP bằng định dạng JSON sau:

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

Khi đã cấu hình, agent AI đã có thể sử dụng MCP này như một công cụ với đầy đủ chức năng. Hãy nhớ thay “openai-websearch-mcp” bằng tên thực tế của MCP server bạn dùng và thay URL bằng địa chỉ server MCP của bạn.

Tổng quan

Giữa các bảng này:
Server MCP này tập trung và có tài liệu tốt cho mục đích chính (truy cập tìm kiếm web cho LLM), nhưng thiếu các tính năng MCP nâng cao như prompt tùy chỉnh, tài nguyên rõ ràng hoặc hỗ trợ sampling/roots. Tổng thể, nó mạnh cho kịch bản dự kiến nhưng hạn chế về khả năng mở rộng. Đánh giá: 5/10

Điểm MCP