概述
MCP（Model Context Protocol）能力依赖百炼侧的 mcp 工具。Ling.AI 不会自己托管或转译 MCP Server，而是把 MCP 工具配置原样透传给上游。当前该能力仅支持通过 Responses API 调用。
协议限制
当前仅支持配置SSE协议的 MCP Server，也就是 server_protocol 需要设置为 sse。单次请求中最多添加 10 个 MCP Server。
与函数调用的区别
如果您已经有遵循 MCP 规范的外部服务，优先使用 MCP 会更省事；如果您需要完全控制工具定义、入参 schema 和执行链路，则更适合使用本地函数调用。两者都属于工具增强，但接入方式不同。
Responses API
在 /v1/responses 中，把 MCP Server 描述为一个 type=mcp 的工具对象，并放入 tools 数组即可。
Python
from openai import OpenAI
client = OpenAI(
base_url="https://api.vip.lingapi.ai/v1",
api_key="sk-xxxxxxxx"
)
mcp_tool = {
"type": "mcp",
"server_protocol": "sse",
"server_label": "amap-maps",
"server_description": "高德地图 MCP 服务，提供地图、导航、路径规划和天气查询能力。",
"server_url": "https://dashscope.aliyuncs.com/api/v1/mcps/amap-maps/sse",
"headers": {
"Authorization": "Bearer YOUR_TOKEN"
}
}
response = client.responses.create(
model="qwen3.5-plus",
input="从北京到上海驾车怎么走？",
tools=[mcp_tool]
)
print(response.output_text)
其中 server_label 用于标识服务，server_description 用于帮助模型理解适用场景，server_url 指向 MCP Server 的 SSE 入口，headers 可用于透传认证信息。
流式输出
MCP 调用可能涉及多轮外部服务交互，建议开启 stream=True。流式模式下可以按普通 Responses 事件处理模型输出，并在 response.completed 中读取最终 usage。
参数说明
| 参数 | 必填 | 说明 |
|---|---|---|
type |
是 | 固定为 mcp。 |
server_protocol |
是 | 服务通信协议，当前仅支持 sse。 |
server_label |
是 | MCP 服务标签，用于标识该服务。 |
server_description |
否 | 服务能力描述，建议填写，帮助模型更准确地选择和使用该 MCP Server。 |
server_url |
是 | MCP Server 的 SSE 端点地址。 |
headers |
否 | 连接 MCP 服务时附带的请求头，例如 Authorization。 |
计费说明
- 模型推理部分仍按 Token 用量计费。
- MCP 服务本身的费用取决于具体服务提供方，Ling.AI 不内置统一的
mcp工具单价。 - 如果 MCP 服务返回的数据被拼接进上下文，也会相应增加输入 Token 成本。