MCP OpenAI API: conecta GPT con herramientas y sistemas externos
MCP OpenAI API permite conectar modelos compatibles de OpenAI con herramientas y sistemas externos mediante Model Context Protocol. En Responses API puedes utilizar servidores MCP para exponer capacidades al modelo y construir asistentes o agentes capaces de consultar servicios externos, acceder a información y ejecutar herramientas controladas.
¿Qué es MCP OpenAI API?
MCP OpenAI API es la integración de Model Context Protocol con Responses API. Permite que un modelo descubra y utilice herramientas proporcionadas por un servidor MCP, en lugar de limitarse únicamente a las herramientas integradas de OpenAI o a funciones creadas directamente dentro de tu aplicación.
Qué permite hacer MCP OpenAI API
MCP añade una capa estandarizada para conectar modelos con servicios y herramientas externas.
Conectar servicios
Expone herramientas disponibles desde sistemas externos.
Consultar información
Un servidor MCP puede conectar fuentes de datos y sistemas internos.
Descubrir herramientas
El modelo puede conocer las herramientas expuestas por el servidor.
Controlar acceso
Puedes restringir qué herramientas estarán disponibles.
Crear agentes
MCP puede formar parte de workflows agentic con varias capacidades.
Extender GPT
Permite ampliar lo que el modelo puede consultar o hacer.
Cómo funciona MCP en OpenAI API
El modelo utiliza las herramientas publicadas por un servidor MCP dentro del flujo de Responses API.
Servidor MCP
Expone un conjunto de herramientas y capacidades.
El modelo selecciona
Evalúa qué herramienta necesita utilizar para completar la tarea.
Recibe el resultado
La salida de la herramienta se incorpora al workflow para continuar.
MCP OpenAI API y Model Context Protocol
MCP proporciona una forma estandarizada de exponer herramientas y recursos a sistemas de inteligencia artificial.
Una interfaz común para herramientas
En lugar de diseñar una integración completamente diferente para cada servicio, un servidor MCP puede presentar sus capacidades mediante un protocolo común.
OpenAI clasifica MCP Tools como una categoría propia dentro del sistema de herramientas de Responses API.
Ver Responses API →MCP frente a las otras herramientas de Responses API
Responses API puede trabajar con varias categorías de herramientas.
| Tipo | Origen | Ejemplo |
|---|---|---|
| Built-in tool | OpenAI | Web Search |
| Built-in tool | OpenAI | File Search |
| Function | Tu aplicación | Consultar stock |
| MCP tool | Servidor MCP externo | Herramientas de otro sistema |
Ejemplo conceptual de MCP OpenAI API
Un servidor MCP puede declararse dentro del conjunto de herramientas disponible para una respuesta.
Servidor MCP remoto
{
"model": "gpt-5.6-sol",
"tools": [
{
"type": "mcp",
"server_label": "mi_servidor",
"server_url": "https://ejemplo.com/mcp"
}
],
"input": "Consulta la información necesaria utilizando las herramientas disponibles."
}Los campos disponibles y requisitos de autenticación pueden depender del servidor MCP, de la herramienta y de la versión actual de Responses API.
server_label en MCP OpenAI API
Responses API utiliza una etiqueta para identificar el servidor MCP dentro del conjunto de herramientas.
Nombre interno del servidor
Esta etiqueta permite distinguir un servidor MCP y también puede utilizarse al controlar qué herramienta concreta debe seleccionar el modelo.
Cómo descubre el modelo las herramientas MCP
El servidor MCP expone herramientas que posteriormente pueden utilizarse dentro del workflow.
El servidor publica sus herramientas.
Responses API conoce las capacidades disponibles.
El modelo evalúa qué herramienta se ajusta a la tarea.
La herramienta puede ser llamada durante la respuesta.
tool_choice y herramientas MCP
Responses API permite controlar qué herramientas puede seleccionar el modelo.
| Modo | Comportamiento |
|---|---|
auto |
El modelo decide si utiliza una herramienta |
required |
Debe utilizar una o más herramientas |
none |
No utiliza herramientas |
| MCP específico | Puede forzarse una herramienta concreta de un servidor MCP |
Forzar una herramienta MCP determinada
La referencia actual de Responses API contempla una opción de tool choice específica para MCP.
Servidor + nombre de herramienta
{
"tool_choice": {
"type": "mcp",
"server_label": "mi_servidor",
"name": "buscar_documento"
}
}Forzar una herramienta puede ser útil cuando tu aplicación ya sabe exactamente qué operación debe ejecutarse.
Cómo aparecen las llamadas MCP en Responses API
Cuando se utiliza una herramienta MCP, Responses API puede emitir eventos y elementos relacionados con esa llamada.
La llamada forma parte del flujo de respuesta
La API dispone de eventos específicos para indicar que una llamada MCP está en progreso, se completó o terminó con error.
Eventos de llamadas MCP
En streaming, pueden aparecer eventos específicos relacionados con herramientas MCP.
| Evento | Significado general |
|---|---|
| MCP call in progress | La herramienta se está ejecutando |
| MCP call arguments delta | Se están generando argumentos |
| MCP call arguments done | Los argumentos quedaron completos |
| MCP call completed | La llamada terminó correctamente |
| MCP call failed | La llamada terminó con error |
MCP y conectores predefinidos
OpenAI describe las herramientas MCP como integraciones con servidores MCP personalizados o con conectores predefinidos.
Google Drive y SharePoint
La documentación actual menciona conectores como Google Drive y SharePoint dentro de la categoría de herramientas MCP.
Un conector predefinido simplifica una integración concreta, mientras un servidor MCP personalizado puede exponer tus propias herramientas.
MCP OpenAI API vs Function Calling
Ambas opciones conectan el modelo con capacidades externas, pero la arquitectura no es la misma.
| Aspecto | MCP | Function Calling |
|---|---|---|
| Herramientas | Servidor MCP | Definidas por tu aplicación |
| Protocolo | Estandarizado | Integración directa |
| Ejecución | Servidor MCP o integración | Tu backend |
| Descubrimiento | Servidor expone herramientas | Las declaras en tools |
| Uso típico | Ecosistemas de herramientas | Lógica propia concreta |
Responses API puede trabajar con funciones propias y herramientas MCP dentro del mismo conjunto de capacidades.
Ver Function Calling →MCP vs File Search
File Search es una herramienta especializada en recuperar información desde vector stores, mientras MCP puede exponer un conjunto más amplio de capacidades.
| Aspecto | MCP | File Search |
|---|---|---|
| Origen | Sistema o servidor externo | Vector stores de OpenAI |
| Objetivo | Herramientas y recursos | Recuperación documental |
| Acciones | Puede incluir acciones | Orientado a búsqueda |
| Infraestructura | Servidor MCP | OpenAI |
Si únicamente necesitas responder utilizando tus propios documentos, File Search puede ser más directo.
Ver File Search →MCP vs Web Search
Web Search está especializado en información pública disponible en Internet.
| Característica | MCP | Web Search |
|---|---|---|
| Fuente | Servidor externo | Internet |
| Herramientas personalizadas | Sí | No es su función principal |
| Datos internos | Puede acceder según integración | No es su objetivo |
| Información web | Depende del servidor | Especializado |
Un agente puede buscar información pública con Web Search y consultar una herramienta empresarial mediante MCP.
Ver Web Search →Casos de uso de MCP OpenAI API
MCP tiene sentido cuando el modelo necesita interactuar con sistemas que exponen herramientas.
CRM: consultar clientes, contactos o registros.
Documentos: acceder a plataformas empresariales conectadas.
Desarrollo: consultar herramientas y recursos técnicos.
Operaciones: consultar sistemas internos de una empresa.
Agentes: ofrecer un catálogo de herramientas seleccionables.
Automatización: combinar información, decisiones y acciones en un workflow.
MCP OpenAI API para agentes de IA
MCP resulta especialmente interesante cuando un agente dispone de múltiples herramientas y debe decidir cuál utilizar.
Web Search
Información pública y actual.
File Search
Documentación interna.
Sistemas externos
Herramientas proporcionadas por otros servicios.
Lógica propia
Funciones ejecutadas por tu backend.
Modelos OpenAI compatibles con MCP
La compatibilidad depende del modelo y debe comprobarse antes de desplegar una integración.
| Modelo | MCP | Orientación |
|---|---|---|
| GPT-6 Astra | Compatible | Workflows de máxima capacidad |
| GPT-5.6 Sol | Compatible | Trabajo complejo y agentes |
| GPT-5.6 Terra | Compatible según capacidades publicadas | Equilibrio capacidad/costo |
| GPT-5.6 Luna | Compatible según capacidades publicadas | Escala y bajo costo |
Las herramientas soportadas pueden variar entre modelos y generaciones.
Comparar modelos →Seguridad al utilizar MCP OpenAI API
Una herramienta externa puede acceder a información o ejecutar acciones, por lo que debe tratarse como una integración con privilegios reales.
Utiliza únicamente servidores MCP de confianza.
Limita las herramientas disponibles para cada contexto.
Aplica permisos mínimos.
Separa lectura de operaciones que producen cambios.
Solicita aprobación para acciones sensibles cuando corresponda.
Registra llamadas, errores y resultados.
No confíes automáticamente en contenido externo
Las herramientas MCP pueden devolver información que proviene de sistemas externos.
Datos externos no son instrucciones confiables
Evita diseñar workflows donde contenido recuperado pueda provocar directamente operaciones sensibles sin validaciones, permisos o confirmaciones.
Aprobaciones para herramientas sensibles
En workflows con efectos reales, puede ser conveniente insertar una etapa de aprobación antes de ejecutar determinadas acciones.
Lecturas simples pueden utilizar menos fricción.
Modificaciones deberían validarse con mayor cuidado.
Pagos, eliminaciones y cambios irreversibles requieren controles especialmente estrictos.
Cuándo conviene utilizar MCP
MCP aporta más valor cuando necesitas conectar varias capacidades mediante una interfaz estandarizada.
Cuando un sistema ya ofrece un servidor MCP.
Cuando necesitas múltiples herramientas relacionadas.
Cuando quieres reutilizar una integración en diferentes agentes.
Cuando buscas desacoplar el modelo de la implementación interna de una herramienta.
Cuando trabajas con ecosistemas de aplicaciones y servicios.
Cuándo puede ser mejor Function Calling
No necesitas MCP para cada función sencilla de una aplicación.
Lógica propia y control directo
Si únicamente necesitas unas pocas operaciones que ya controla tu backend, Function Calling puede resultar más simple y directo.
Ver Function Calling →Costos de MCP OpenAI API
Una integración MCP puede generar costos en diferentes capas.
Tokens utilizados por el modelo.
Costos propios del servicio externo.
Infraestructura del servidor MCP cuando es propia.
Herramientas adicionales utilizadas dentro del mismo workflow.
Una integración agentic puede combinar varias herramientas y servicios en una misma tarea.
Ver precios OpenAI API →MCP y los límites de OpenAI API
Las respuestas que utilizan herramientas continúan dependiendo de los límites del modelo y proyecto.
Un agente puede generar varias operaciones
Workflows con herramientas pueden consumir varias interacciones, tokens y llamadas antes de finalizar.
Ver límites OpenAI API →Documentación oficial de MCP OpenAI API
OpenAI continúa desarrollando Responses API y su ecosistema de herramientas, por lo que conviene comprobar siempre la referencia actual.
MCP Tools en Responses API
Revisa herramientas, tool choice, servidores MCP y modelos compatibles.
Consultar documentación oficial →Guías relacionadas con MCP OpenAI API
Continúa explorando herramientas y workflows de OpenAI API.
FAQ sobre MCP OpenAI API
Respuestas sobre servidores MCP, Responses API, herramientas y seguridad.
MCP OpenAI API permite conectar modelos de OpenAI con herramientas y sistemas externos mediante Model Context Protocol.
MCP significa Model Context Protocol, un protocolo utilizado para exponer herramientas y recursos a sistemas de inteligencia artificial.
Sí. OpenAI incluye MCP Tools como una categoría de herramientas compatible con Responses API.
Es un servicio que expone herramientas y capacidades mediante Model Context Protocol.
Es una etiqueta utilizada para identificar un servidor MCP dentro de la configuración de herramientas.
Sí. Responses API contempla una opción de tool choice MCP con server_label y nombre de herramienta.
No. Function Calling declara funciones directamente desde tu aplicación, mientras MCP utiliza un servidor que expone herramientas mediante un protocolo estandarizado.
No. File Search está orientado a recuperar información desde vector stores, mientras MCP puede exponer muchos tipos de herramientas.
Debes utilizar servidores de confianza, aplicar permisos mínimos y controlar especialmente herramientas que puedan producir efectos externos.
La compatibilidad depende del modelo. Modelos actuales como GPT-5.6 Sol publican soporte para MCP mediante Responses API.
Continúa con Computer Use en OpenAI API
Ya sabes cómo conectar GPT con herramientas externas mediante MCP. El siguiente paso es conocer cómo los modelos pueden interactuar con interfaces digitales.
Ver Computer Use →