qwen api を使用して mcp に接続する方法 - Alibaba Cloud Model Studio

使用方法

Responses API を使用する際に、tools パラメーターに MCP サーバー情報を追加します。

ModelScope などのプラットフォームから、MCP サービスの Server-Sent Events (SSE) エンドポイントと認証情報を取得します。

SSE プロトコルを使用する MCP サーバーをサポートします。

最大 10 個の MCP サーバーに対応しています。

# 依存関係をインポートしてクライアントを作成します...
mcp_tool = {
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "my-mcp-service",
    "server_description": "モデルがユースケースを理解するのに役立つ、MCP サーバーの機能に関する説明です。",
    "server_url": "https://your-mcp-server-endpoint/sse",
    "headers": {
        "Authorization": "Bearer YOUR_TOKEN"
    }
}

response = client.responses.create(
    model="qwen3.7-plus",
    input="Your question...",
    tools=[mcp_tool]
)

print(response.output_text)

対応モデル

Qwen-Max：Qwen3.7-Max シリーズ
Qwen-Plus：Qwen3.7-Plus シリーズ、Qwen3.6-Plus シリーズ、Qwen3.5-Plus シリーズ
Qwen-Flash：Qwen3.6-Flash シリーズ、Qwen3.5-Flash シリーズ
Qwen3.6 オープンソースシリーズ (qwen3.6-27b は除く)
Qwen3.5 オープンソースシリーズ

Responses API でのみ利用できます。

クイックスタート

この例では、ModelScope の Fetch web scraping MCP サービスを使用します。サービスの SSE エンドポイントと認証情報は、右側にある「Service configuration」セクションから取得できます。

API キーを取得し、環境変数として設定します。

server_url を MCP サービスプラットフォームの SSE エンドポイントに置き換えてください。headers の認証情報は、そのプラットフォームから提供されるトークンに置き換えてください。

Python

import os
from openai import OpenAI

client = OpenAI(
    # 環境変数がない場合は、api_key="sk-xxx" を使用します (非推奨)。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

# MCP ツール設定
# server_url を ModelScope などのプラットフォームから取得した SSE Endpoint に置き換えてください
# 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください
mcp_tool = {
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Web スクレイピング機能を提供する Fetch MCP Server。指定した URL のコンテンツをスクレイピングし、テキストとして返します。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
}

response = client.responses.create(
    model="qwen3.7-plus",
    input="https://news.aibase.com/zh/news, what is the AI news today?",
    tools=[mcp_tool]
)

print("[Model Response]")
print(response.output_text)
print(f"\n[Token Usage] Input: {response.usage.input_tokens}, Output: {response.usage.output_tokens}, Total: {response.usage.total_tokens}")

Node.js

import OpenAI from "openai";
import process from 'process';

const openai = new OpenAI({
    // 環境変数がない場合は、apiKey: "sk-xxx" を使用します (非推奨)。
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
});

async function main() {
    // MCP ツール設定
    // server_url を ModelScope などのプラットフォームから取得した SSE Endpoint に置き換えてください
    // 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください
    const mcpTool = {
        type: "mcp",
        server_protocol: "sse",
        server_label: "fetch",
        server_description: "Web スクレイピング機能を提供する Fetch MCP Server。指定した URL のコンテンツをスクレイピングし、テキストとして返します。",
        server_url: "https://mcp.api-inference.modelscope.net/xxx/sse",
    };

    const response = await openai.responses.create({
        model: "qwen3.7-plus",
        input: "https://news.aibase.com/zh/news, what is the AI news today?",
        tools: [mcpTool]
    });

    console.log("[Model Response]");
    console.log(response.output_text);
    console.log(`\n[Token Usage] Input: ${response.usage.input_tokens}, Output: ${response.usage.output_tokens}, Total: ${response.usage.total_tokens}`);
}

main();

curl

# server_url を ModelScope などのプラットフォームから取得した SSE Endpoint に置き換えてください
# 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.7-plus",
    "input": "https://news.aibase.com/zh/news, what is the AI news today?",
    "tools": [
        {
            "type": "mcp",
            "server_protocol": "sse",
            "server_label": "fetch",
            "server_description": "Web スクレイピング機能を提供する Fetch MCP Server。指定した URL のコンテンツをスクレイピングし、テキストとして返します。",
            "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
        }
    ]
}'

コードを実行すると、次の応答が返されます：

[Model Response]
Based on the documentation for the Model Context Protocol (MCP) on the Alibaba Cloud Model Studio (Bailian) help center, the supported models are:

*   Qwen Plus:
    *   Qwen3.7-Plus series
    *   Qwen3.6-Plus series
    *   Qwen3.5-Plus series
*   Qwen Flash:
    *   Qwen3.6-Flash series
    *   Qwen3.5-Flash series
*   Qwen3.6 Open Source Series (excluding qwen3.6-27b)
*   Qwen3.5 Open Source Series

Note: The documentation specifies that MCP is only supported via the Responses API (client.responses.create) and not the standard Chat Completions API.

[Token Usage] Input: 20583, Output: 1638, Total: 22221

ストリーミング出力

MCP ツールの呼び出しでは、外部サービスとの複数回のやり取りが発生する場合があります。リアルタイムで中間結果を取得するには、ストリーミングを有効にしてください。

Python

import os
from openai import OpenAI

client = OpenAI(
    # 環境変数がない場合は、api_key="sk-xxx" を使用します (非推奨)。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

# server_url を ModelScope などのプラットフォームから取得した SSE Endpoint に置き換えてください
# 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください
mcp_tool = {
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Web スクレイピング機能を提供する Fetch MCP Server。指定した URL のコンテンツをスクレイピングし、テキストとして返します。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
}

stream = client.responses.create(
    model="qwen3.7-plus",
    input="https://news.aibase.com/zh/news, what is the AI news today?",
    tools=[mcp_tool],
    stream=True
)

for event in stream:
    # モデルの応答が開始されます
    if event.type == "response.content_part.added":
        print("[Model Response]")
    # テキストをストリーミング出力します
    elif event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    # 応答が完了したら、使用量を出力します
    elif event.type == "response.completed":
        usage = event.response.usage
        print(f"\n\n[Token Usage] Input: {usage.input_tokens}, Output: {usage.output_tokens}, Total: {usage.total_tokens}")

Node.js

import OpenAI from "openai";
import process from 'process';

const openai = new OpenAI({
    // 環境変数がない場合は、apiKey: "sk-xxx" を使用します (非推奨)。
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
});

async function main() {
    // server_url を ModelScope などのプラットフォームから取得した SSE Endpoint に置き換えてください
    // 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください
    const mcpTool = {
        type: "mcp",
        server_protocol: "sse",
        server_label: "fetch",
        "server_description": "Web スクレイピング機能を提供する Fetch MCP Server。指定した URL のコンテンツをスクレイピングし、テキストとして返します。",
        "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
    };

    const stream = await openai.responses.create({
        model: "qwen3.7-plus",
        input: "https://news.aibase.com/zh/news, what is the AI news today?",
        tools: [mcpTool],
        stream: true
    });

    for await (const event of stream) {
        // モデルの応答が開始されます
        if (event.type === "response.content_part.added") {
            console.log("[Model Response]");
        }
        // テキストをストリーミング出力します
        else if (event.type === "response.output_text.delta") {
            process.stdout.write(event.delta);
        }
        // 応答が完了したら、使用量を出力します
        else if (event.type === "response.completed") {
            const usage = event.response.usage;
            console.log(`\n\n[Token Usage] Input: ${usage.input_tokens}, Output: ${usage.output_tokens}, Total: ${usage.total_tokens}`);
        }
    }
}

main();

curl

# server_url を ModelScope などのプラットフォームから取得した SSE Endpoint に置き換えてください
# 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.7-plus",
    "input": "https://news.aibase.com/zh/news, what is the AI news today?",
    "tools": [
        {
            "type": "mcp",
            "server_protocol": "sse",
            "server_label": "fetch",
            "server_description": "Web スクレイピング機能を提供する Fetch MCP Server。指定した URL のコンテンツをスクレイピングし、テキストとして返します。",
            "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
        }
    ],
    "stream": true
}'

コードを実行すると、次の応答が返されます：

[Model Response]
Based on the documentation page for MCP on Alibaba Cloud Model Studio, the following models are supported:

*   Qwen Plus Series: Qwen3.7-Plus series, Qwen3.6-Plus series and Qwen3.5-Plus series
*   Qwen Flash Series: Qwen3.6-Flash series and Qwen3.5-Flash series
*   Qwen3.6 Open Source Series (excluding qwen3.6-27b)
*   Qwen3.5 Open Source Series

Note: These models support MCP functionality only via the Responses API.

[Token Usage] Input: 20472, Output: 945, Total: 21417

パラメーター

mcp ツールは、次のパラメーターをサポートします：

パラメーター	必須	説明
`type`	はい	`"mcp"` に設定します。
`server_protocol`	はい	MCP サーバーとの通信プロトコルです。現在は `"sse"` のみサポートされています。
`server_label`	はい	サービスを識別するために使用する、MCP サーバーのラベル名です。
`server_description`	いいえ	MCP サーバーの機能の説明です。これにより、モデルがサービスの機能とシナリオを理解しやすくなります。モデル呼び出しの精度を向上させるため、このパラメーターの指定を推奨します。
`server_url`	はい	MCP サーバーのエンドポイント URL です。
`headers`	いいえ	MCP サーバーに接続する際に含めるリクエストヘッダーです。`Authorization` などの認可情報を指定できます。

例：

{
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Web スクレイピング機能を提供する Fetch MCP Server。指定した URL のコンテンツをスクレイピングし、テキストとして返します。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
}

課金

課金には、次の項目が含まれます：

モデル推論料金： モデルのトークン使用量に基づいて課金されます。
MCP サーバー料金： 各 MCP サーバーの課金ルールに従います。