Qwen API を使用して MCP に接続する方法 - Alibaba Cloud Model Studio

Model Context Protocol (MCP) を使用すると、大規模言語モデル (LLM) が外部のツールやデータと対話できるようになります。Function Calling と比較して、MCP はより柔軟で使いやすいです。このトピックでは、Responses API を使用して MCP に接続する方法について説明します。

仕組み

Responses API を使用するには、tools パラメーターに MCP サーバーの情報を設定します。

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できます。

注：SSE プロトコルを使用する MCP サーバーのみがサポートされています。

注：1 つのリクエストに追加できる MCP サーバーは最大 10 個です。

# 依存関係をインポートし、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": "サーバーの機能を説明し、モデルがいつ使用するかを判断するのに役立ちます。",
    "server_url": "https://your-mcp-server-endpoint/sse",
    "headers": {
        "Authorization": "Bearer YOUR_TOKEN"
    }
}

response = client.responses.create(
    model="qwen3.5-plus",
    input="質問内容...",
    tools=[mcp_tool]
)

print(response.output_text)

サポートされるモデル

シンガポール

Qwen Plus： qwen3.5-plus および qwen3.5-plus-2026-02-15
Qwen Flash： qwen3.5-flash および qwen3.5-flash-2026-02-23
Qwen Open-Source： qwen3.5-397b-a17b、qwen3.5-122b-a10b、qwen3.5-27b、および qwen3.5-35b-a3b

グローバル

Qwen Plus： qwen3.5-plus および qwen3.5-plus-2026-02-15
Qwen Flash： qwen3.5-flash および qwen3.5-flash-2026-02-23
Qwen Open-Source： qwen3.5-397b-a17b、qwen3.5-122b-a10b、qwen3.5-27b、および qwen3.5-35b-a3b

中国 (北京)

Qwen Plus： qwen3.5-plus および qwen3.5-plus-2026-02-15
Qwen Flash： qwen3.5-flash および qwen3.5-flash-2026-02-23
Qwen Open-Source： qwen3.5-397b-a17b、qwen3.5-122b-a10b、qwen3.5-27b、および qwen3.5-35b-a3b

欧州連合

Qwen Flash： qwen3.5-flash および qwen3.5-flash-2026-02-23

これらのモデルは Responses API でのみ呼び出すことができます。

クイックスタート

この例では、ModelScope の Fetch Web スクレイピング MCP サービスに接続する方法を示します。右側の [サービス構成] セクションから、サービスの SSE エンドポイントと認証情報を取得します。

開始する前に、API キーがあり、環境変数として設定済みであることを確認してください。

サンプルコードでは、server_url を SSE エンドポイントに、headers を MCP サービスプロバイダーからの認証情報に置き換えてください。

Python

import os
from openai import OpenAI

client = OpenAI(
    # 環境変数を設定していない場合は、次の行を api_key="sk-xxx" に置き換えます (非推奨)。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1"
)

# MCP ツール構成
# server_url を ModelScope などのプラットフォームから取得した SSE エンドポイントに置き換えます。
# 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ます。
mcp_tool = {
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Fetch MCP サーバー。指定された URL のコンテンツを取得し、テキストとして返す Web スクレイピング機能を提供します。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
}

response = client.responses.create(
    model="qwen3.5-plus",
    input="https://news.aibase.com/en/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({
    // 環境変数を設定していない場合は、次の行を apiKey: "sk-xxx" に置き換えます (非推奨)。
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1"
});

async function main() {
    // MCP ツール構成
    // server_url を ModelScope などのプラットフォームから取得した SSE エンドポイントに置き換えます。
    // 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ます。
    const mcpTool = {
        type: "mcp",
        server_protocol": "sse",
        server_label": "fetch",
        server_description": "Fetch MCP サーバー。指定された URL のコンテンツを取得し、テキストとして返す Web スクレイピング機能を提供します。",
        server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
    };

    const response = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "https://news.aibase.com/en/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 エンドポイントに置き換えます。
# 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ます。
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "https://news.aibase.com/en/news, what is the AI news today?",
    "tools": [
        {
            "type": "mcp",
            "server_protocol": "sse",
            "server_label": "fetch",
            "server_description": "Fetch MCP サーバー。指定された URL のコンテンツを取得し、テキストとして返す Web スクレイピング機能を提供します。",
            "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
        }
    ]
}'

上記のコードを実行すると、次のような応答が返されます。

[Model Response]
北京から上海まで車で行くには、次のルートから選択できます：

1. 推奨ルート (G2 北京-上海高速道路)
   - G2 北京-上海高速道路を南下し、河北省、天津市、山東省、江蘇省などの省や市を通過します。
   - 総距離：約 1,200 km。推定所要時間：13〜15 時間。

2. 代替ルート (G3 北京-台北高速道路から G60 上海-昆明高速道路へ)
   - G3 北京-台北高速道路を南下します。安徽省に入った後、G60 上海-昆明高速道路に乗り換えて上海に到着します。
   - 総距離：約 1,250 km。推定所要時間：14〜16 時間。

...

[Token Usage] Input: 55, Output: 195, Total: 250

ストリーミング出力

MCP ツールの呼び出しには、外部サービスとの複数の対話が含まれる場合があります。ツールの進捗状況と応答に関するリアルタイムの更新情報を受け取るには、ストリーミング出力を有効にします。

Python

import os
from openai import OpenAI

client = OpenAI(
    # 環境変数を設定していない場合は、次の行を api_key="sk-xxx" に置き換えます (非推奨)。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/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 エンドポイントに置き換えます。
# 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ます。
mcp_tool = {
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Fetch MCP サーバー。指定された URL のコンテンツを取得し、テキストとして返す Web スクレイピング機能を提供します。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
}

stream = client.responses.create(
    model="qwen3.5-plus",
    input="https://news.aibase.com/en/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]")
    # テキスト出力をストリーミングします。
    elif event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    # 応答は完了です。使用量が出力されます。
    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({
    // 環境変数を設定していない場合は、次の行を apiKey: "sk-xxx" に置き換えます (非推奨)。
    apiKey: process.env.DASHSCOPE_API_KEY,
    baseURL: "https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/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 エンドポイントに置き換えます。
    // 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ます。
    const mcpTool = {
        type: "mcp",
        server_protocol": "sse",
        server_label": "fetch",
        server_description": "Fetch MCP サーバー。指定された URL のコンテンツを取得し、テキストとして返す Web スクレイピング機能を提供します。",
        server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
    };

    const stream = await openai.responses.create({
        model: "qwen3.5-plus",
        input: "https://news.aibase.com/en/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]");
        }
        // テキスト出力をストリーミングします。
        else if (event.type === "response.output_text.delta") {
            process.stdout.write(event.delta);
        }
        // 応答は完了です。使用量が出力されます。
        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 エンドポイントに置き換えます。
# 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ます。
curl -X POST https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1/responses \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.5-plus",
    "input": "https://news.aibase.com/en/news, what is the AI news today?",
    "tools": [
        {
            "type": "mcp",
            "server_protocol": "sse",
            "server_label": "fetch",
            "server_description": "Fetch MCP サーバー。指定された URL のコンテンツを取得し、テキストとして返す Web スクレイピング機能を提供します。",
            "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
        }
    ],
    "stream": true
}'

上記のコードを実行すると、次のような応答が返されます。

[Model Response]
北京から上海まで車で行くには、次のルートから選択できます：

1. 推奨ルート (G2 北京-上海高速道路)
   - G2 北京-上海高速道路を南下し、河北省、天津市、山東省、江蘇省などの省や市を通過します。
   - 総距離：約 1,200 km。推定所要時間：13〜15 時間。

...

[Token Usage] Input: 55, Output: 195, Total: 250

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ています：

パラメーター	必須	説明
`type`	はい	`"mcp"` に設定する必要があります。
`server_protocol`	はい	MCP サービスの通信プロトコル。現在、`"sse"` のみがサポートされています。
`server_label`	はい	MCP サービスを識別するラベル名。
`server_description`	いいえ	サーバーの機能を説明し、モデルがいつサービスを使用するかを判断するのに役立ちます。呼び出しの精度を向上させるために、この説明を提供することを推奨します。
`server_url`	はい	MCP サービスのエンドポイント URL。
`headers`	いいえ	認証用の `Authorization` など、MCP サービスに送信するリクエストヘッダー。

例：

{
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Fetch MCP サーバー。指定された URL のコンテンツを取得し、テキストとして返す Web スクレイピング機能を提供します。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
}

課金

料金には、次のコンポーネントが含まれます：

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って課金されます。