すでにご存知の方も多いかと思いますが、OpenAI の Agents SDK から直接 Model Context Protocol (MCP) サーバーをツールとして利用できるようになりました！工夫次第でいろいろと可能性が広がりそうですね。
この機能の基本的な使い方を知るには Agents SDK のドキュメントページ（英語） とリポジトリ内の examples/mcp/ 配下が参考になりますが、実際に MCP サーバーの連携を利用する場合、複数の MCP サーバーを同時に利用することが多いのではないかと思います。この記事では、その方法について補足解説したいと思います。
紹介するコード例では MCP プロジェクトが提供している以下のサーバーを利用します：
- Filesystem MCP サーバー：ローカルのファイルシステムとのやりとりが可能
- Slack MCP サーバー：Slack ワークスペースのデータ参照・投稿が可能
それでは、さっそくコードを動かすための準備に入っていきましょう。
Python と Node の準備
はじめに必要なランタイムとライブラリをセットアップします。Python と Node.js がインストールされているかを確認してください。その上で、以下の二つのインストールを実行します。
pip install -U openai-agents
npm install -g npx
Slack アプリの準備
Slack MCP サーバーを利用する場合、Slack アプリ（カスタムアプリ）を作成し、その bot トークンとワークスペースの ID (team_id) を設定する必要があります。
手順①: https://api.slack.com/apps にアクセスして「Create New App」をクリック、ワークスペースを選択、「From a manifest」を選択、YAMLモードに切り替え、最後に以下の内容を貼り付けてアプリ設定を作成してください（アプリ名は変更しても構いません）。
display_information:
name: Test MCP Connector
features:
bot_user:
display_name: Test MCP Connector
oauth_config:
scopes:
bot:
- channels:history
- channels:read
- chat:write
- reactions:write
- users:read
手順②: Settings > Install App の画面で、アプリを Slack ワークスペースにインストールし、以下の 2 つの環境変数をこれからアプリを実行するターミナルで設定してください。
# Settings > Install App に表示されている Bot User OAuth Token
export SLACK_BOT_TOKEN=xoxb-....
# team_id は以下のコマンドで確認可能です：
# curl -s -XPOST https://slack.com/api/auth.test -H"Authorization: Bearer ${SLACK_BOT_TOKEN}" | jq .team_id
export SLACK_TEAM_ID=T....
手順③: MCP からのアクセスを許可したい Slack のチャンネルに先ほどインストールした「Test MCP Connector」という連携アプリ（名前を変更した場合はその名前のアプリ）を招待してください。
これで、複数の MCP サーバーを使ったエージェントワークフローの準備が完了です。
Python デモスクリプト
以下の Python コードをapp.pyとして保存し、python app.py で実行してください。
#
# Demo: OpenAI Agents SDK + MCP Servers
#
# How to run this app:
# $ pip install -U openai-agents
# $ python app.py
#
# See also:
# - https://openai.github.io/openai-agents-python/mcp/
# - https://github.com/openai/openai-agents-python/tree/main/examples/mcp
# - https://github.com/modelcontextprotocol/servers/tree/main/src/
import asyncio
import os
import shutil
import logging
from agents import Agent, Runner, gen_trace_id, trace
from agents.mcp import MCPServerStdio
logging.basicConfig(level=logging.WARNING)
# If you want to see more logs, enable the following lines:
# logging.basicConfig(level=logging.INFO)
# logging.getLogger("openai.agents").setLevel(logging.DEBUG)
async def main():
# ----------------------------------------------------
# Filesystem MCP Server
# ----------------------------------------------------
# How to enable this server:
# Step 1: Set the directory you wish to allow access
path_to_allow_access = os.path.dirname(os.path.abspath(__file__))
fs_command = f"npx -y @modelcontextprotocol/server-filesystem {path_to_allow_access}"
fs_server = MCPServerStdio(
name="FS MCP Server",
params={"command": fs_command.split(" ")[0], "args": fs_command.split(" ")[1:]},
)
# ----------------------------------------------------
# Slack MCP Server
# ----------------------------------------------------
# How to enable this server:
# Step 1: Head to https://api.slack.com/apps and then create a new app using the following YAML:
"""
display_information:
name: Test MCP Connector
features:
bot_user:
display_name: Test MCP Connector
oauth_config:
scopes:
bot:
- channels:history
- channels:read
- chat:write
- reactions:write
- users:read
"""
# Step 2: Install the app into your Slack workspace and then set the following two variables:
# export SLACK_BOT_TOKEN=xoxb-....
# export SLACK_TEAM_ID=T....
# Step 3: Invite "Test MCP Connector" to the channels you want to read/write via MCP
slack_command = "npx -y @modelcontextprotocol/server-slack"
slack_server = MCPServerStdio(
name="Slack MCP Server",
params={
"command": slack_command.split(" ")[0],
"args": slack_command.split(" ")[1:],
"env": {
"SLACK_BOT_TOKEN": os.environ["SLACK_BOT_TOKEN"],
"SLACK_TEAM_ID": os.environ["SLACK_TEAM_ID"],
},
},
)
# ----------------------------------------------------
# Run the agentic workflow with these two MCP servers
# ----------------------------------------------------
async with fs_server as fs, slack_server as slack:
trace_id = gen_trace_id()
print(f"View trace: https://platform.openai.com/traces/{trace_id}\n")
with trace(workflow_name="Multi-MCP Server Demo Workflow", trace_id=trace_id):
agent = Agent(
name="OpenAI Agent w/ MCP Servers",
instructions="Use the tools to access the filesystem and slack workspaces.",
mcp_servers=[fs, slack],
)
prompt = input("Enter a prompt (MCP servers (fs, slack) are available): ")
result = await Runner.run(starting_agent=agent, input=prompt)
print(result.final_output)
if __name__ == "__main__":
if not shutil.which("npx"):
error = "npx is not installed. Please install it with `npm install -g npx`."
raise RuntimeError(error)
asyncio.run(main())
実行結果
うまく動作する状態になっていれば、以下のような結果になるはずです。ここでは app.py の場所を探してほしい、あと #cat-lovers (C06CS8GRPC2)の直近数時間の内容を自然な日本語でまとめて というプロンプトを使っていますが、ご自身の環境に合わせてカスタマイズしてみてください。
$ python app.py
Secure MCP Filesystem Server running on stdio
Allowed directories: [ '/Users/seratch/tmp/mcp-sample' ]
Starting Slack MCP Server...
Connecting server to transport...
Slack MCP Server running on stdio
View trace: https://platform.openai.com/traces/trace_*****************
Enter a prompt (MCP servers (fs, slack) are available): app.py の場所を探してほしい、あと #cat-lovers (C06CS8GRPC2)の直近数時間の内容を自然な日本語でまとめて
### ファイルの場所:
- `app.py` は `/Users/seratch/tmp/mcp-sample` にあります。
### #cat-lovers チャンネルの概要:
- ユーザーがヨガを試したところ、猫が動く手足に飛びかかったというコミカルなエピソードをシェアしました。 🧘♂️🧶
- 別の投稿では、猫が非常に速く家の中を駆け回っている様子を伝えています。🐈💨
- さらに、キーボードは実質的に猫のベッドであるというジョークもありました。🐾🧶⌨️
猫好き同士で日常の楽しい瞬間が共有されているチャンネルです。
プロンプトに Slack のチャンネル ID を含めているのを疑問に思われた方もいるかもしれません。これは MCP プロジェクトが提供している Slack 連携のサーバーが（少なくともこの記事投稿時点では）ワークスペースに大量のチャンネルがある場合にチャンネル名だけで特定できない場合があるためです。自前の MCP サーバーを作って、Slack API の応答のページネーションに対応した実装にすれば、おそらくチャンネル名だけでも動作するはずです（ただし、チャンネルがたくさんある場合、実行に少し時間がかかるかもしれません）。
トレース画面
OpenAI の Agents SDK を利用する場合、何も設定しなくてもデフォルトでダッシュボードにあるトレース画面を利用することができます。上の実行結果は、以下のような画面表示で確認することができます。
終わりに
この記事がお役に立てば幸いです。既に存在する MCP サーバーを活用できれば、自前でツール実装をしなくても Agents SDK を使ったエージェントを簡単に拡張することができるかもしれません。ぜひ様々な組み合わせを試してみてください！
Discussion