OpenAI WebSearch MCP 服务器

“OpenAI WebSearch” MCP 服务器的作用是什么？

OpenAI WebSearch MCP 服务器让 AI 助手可以通过 Model Context Protocol (MCP) 访问 OpenAI 的网页搜索功能。它作为 AI 模型与实时网页信息之间的桥梁，使助手能够获取训练语料库中没有的最新数据。开发者可将该服务器集成到如 Claude、Zed 等平台，让 AI 智能体在对话过程中执行实时网页搜索。这极大提升了诸如回答时事问题、用新近数据丰富上下文、以及打造更动态、更有信息量的 AI 开发工作流的场景体验。

提示词列表

在仓库或文档中未列出提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

在仓库或文档中未明确列出资源。

工具列表

• web_search
  允许 AI 以工具方式调用 OpenAI 的网页搜索。
  • 必需参数：
    • type (string)：必须为 “web_search_preview”。
    • search_context_size (string)：上下文窗口使用建议—可为 “low”、“medium”（默认）或 “high”。
    • user_location (object 或 null)：包含位置信息（type, city, country, region, timezone），用于定制搜索。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

该 MCP 服务器的应用场景

• 回答时事问题：
  让 AI 助手可通过网页搜索获取最新信息，提供更及时的答案，而非仅依赖静态训练数据。
• 科研辅助：
  为用户提供实时、详尽的事实或摘要，增强研究体验。
• 上下文增强：
  用最新网页数据补充大模型响应，提高输出的相关性和准确性。
• 位置感知搜索：
  利用用户提供的位置信息定制搜索结果，使答案更具上下文适应性。
• 调试与开发：
  可通过 MCP inspector 工具便捷地检查和调试 MCP 服务器，简化集成和排错流程。

如何设置

Windsurf

即将上线（文档中暂未提供设置步骤）。

Claude

1. 从 OpenAI 平台 获取您的 OpenAI API 密钥。
2. 运行以下命令安装并自动配置服务器：

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

3. 或者，安装 uvx 并编辑您的 Claude 设置：

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

4. 或通过 pip 安装：

   pip install openai-websearch-mcp
   

   并更新设置如下：

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

5. 保存配置，如有需要重启 Claude。

API 密钥安全存储：
请通过配置中的 env 字段存储 API 密钥。
示例：

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

Cursor

即将上线（文档中暂未提供设置步骤）。

Cline

文档中未提供设置说明。

Zed

1. 获取您的 OpenAI API 密钥。
2. 使用 uvx，在 Zed 的 settings.json 中添加如下内容：

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

3. 或使用 pip 安装：

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

4. 保存配置并重启 Zed。

API 密钥安全存储：
如上所示，使用 env 字段。

如何在流程中使用 MCP

在 FlowHunt 中集成 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，请先在流程中添加 MCP 组件，并将其连接到您的 AI 智能体：

点击 MCP 组件打开配置面板，在系统 MCP 配置区插入您的 MCP 服务器配置，使用如下 JSON 格式：

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

配置完成后，AI 智能体即可作为工具调用该 MCP，享受其全部功能。请将 “openai-websearch-mcp” 替换为您实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

表格之间说明：
该 MCP 服务器聚焦于其核心用途（为大模型提供网页搜索），文档详实，但缺乏如自定义提示词、资源、采样/roots 等高级 MCP 能力。整体上对于目标场景非常健壮，但在可扩展性上有限。评分：5/10

MCP 评分