MCP - 千问云

模型上下文协议（Model Context Protocol, MCP）可帮助大模型使用外部工具与数据，相比 Function Calling，MCP 更灵活且易于使用。本文介绍通过 Responses API 接入 MCP 的方法。使用 Responses API，在 tools 参数中配置 MCP Server 信息。

支持配置 SSE 协议的 MCP Server。最多添加 10 个 MCP Server。

快速开始

以下示例接入魔搭社区的 Fetch MCP 服务，展示如何通过 Responses API 调用 MCP 工具。您可以在服务详情页右侧的"服务配置"中获取 SSE Endpoint 和鉴权信息。获取千问云 API Key并配置环境变量。

请将示例代码中 MCP 工具配置的 server_url 替换为 MCP 服务平台提供的 SSE 端点，将 headers 替换为平台提供的鉴权信息。

Python
Node.js
curl

import os
from openai import OpenAI

client = OpenAI(
  # 若没有配置环境变量，请用千问云 API Key 将下行替换为：api_key="sk-xxx"（不建议）,
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

# MCP 工具配置
# 将 server_url 替换为从魔搭等平台获取的 SSE Endpoint
# 如需鉴权，将平台提供的 token 添加到 headers 中
mcp_tool = {
  "type": "mcp",
  "server_protocol": "sse",
  "server_label": "fetch",
  "server_description": "Fetch MCP Server，提供网页抓取能力，可抓取指定 URL 的内容并以文本形式返回。",
  "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，今天有什么 AI 新闻？",
  tools=[mcp_tool]
)

print("[模型回复]")
print(response.output_text)
print(f"\n[Token 用量] 输入: {response.usage.input_tokens}, 输出: {response.usage.output_tokens}, 合计: {response.usage.total_tokens}")

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

const openai = new OpenAI({
  // 若没有配置环境变量，请用千问云 API Key 将下行替换为：apiKey: "sk-xxx",
  apiKey: process.env.DASHSCOPE_API_KEY,
  baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
});

async function main() {
  // MCP 工具配置
  // 将 server_url 替换为从魔搭等平台获取的 SSE Endpoint
  // 如需鉴权，将平台提供的 token 添加到 headers 中
  const mcpTool = {
    type: "mcp",
    server_protocol: "sse",
    server_label: "fetch",
    server_description: "Fetch MCP Server，提供网页抓取能力，可抓取指定 URL 的内容并以文本形式返回。",
    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，今天有什么 AI 新闻？",
    tools: [mcpTool]
  });

  console.log("[模型回复]");
  console.log(response.output_text);
  console.log(`\n[Token 用量] 输入: ${response.usage.input_tokens}, 输出: ${response.usage.output_tokens}, 合计: ${response.usage.total_tokens}`);
}

main();

# 将 server_url 替换为从魔搭等平台获取的 SSE Endpoint
# 如需鉴权，将平台提供的 token 添加到 headers 中
curl -X POST https://dashscope.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，今天有什么 AI 新闻？",
  "tools": [
    {
      "type": "mcp",
      "server_protocol": "sse",
      "server_label": "fetch",
      "server_description": "Fetch MCP Server，提供网页抓取能力，可抓取指定 URL 的内容并以文本形式返回。",
      "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
    }
  ]
}'

流式输出

MCP 工具调用可能涉及多次外部服务交互，建议启用流式输出，实时获取工具调用过程与回复内容。

Python
Node.js
curl

import os
from openai import OpenAI

client = OpenAI(
  # 若没有配置环境变量，请用千问云 API Key 将下行替换为：api_key="sk-xxx"（不建议）,
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

# 将 server_url 替换为从魔搭等平台获取的 SSE Endpoint
# 如需鉴权，将平台提供的 token 添加到 headers 中
mcp_tool = {
  "type": "mcp",
  "server_protocol": "sse",
  "server_label": "fetch",
  "server_description": "Fetch MCP Server，提供网页抓取能力，可抓取指定 URL 的内容并以文本形式返回。",
  "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，今天有什么 AI 新闻？",
  tools=[mcp_tool],
  stream=True
)

for event in stream:
  # 模型回复开始
  if event.type == "response.content_part.added":
    print("[模型回复]")
  # 流式文本输出
  elif event.type == "response.output_text.delta":
    print(event.delta, end="", flush=True)
  # 响应完成，输出用量
  elif event.type == "response.completed":
    usage = event.response.usage
    print(f"\n\n[Token 用量] 输入: {usage.input_tokens}, 输出: {usage.output_tokens}, 合计: {usage.total_tokens}")

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

const openai = new OpenAI({
  // 若没有配置环境变量，请用千问云 API Key 将下行替换为：apiKey: "sk-xxx",
  apiKey: process.env.DASHSCOPE_API_KEY,
  baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1"
});

async function main() {
  // 将 server_url 替换为从魔搭等平台获取的 SSE Endpoint
  // 如需鉴权，将平台提供的 token 添加到 headers 中
  const mcpTool = {
    type: "mcp",
    server_protocol: "sse",
    server_label: "fetch",
    server_description: "Fetch MCP Server，提供网页抓取能力，可抓取指定 URL 的内容并以文本形式返回。",
    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，今天有什么 AI 新闻？",
    tools: [mcpTool],
    stream: true
  });

  for await (const event of stream) {
    // 模型回复开始
    if (event.type === "response.content_part.added") {
      console.log("[模型回复]");
    }
    // 流式文本输出
    else if (event.type === "response.output_text.delta") {
      process.stdout.write(event.delta);
    }
    // 响应完成，输出用量
    else if (event.type === "response.completed") {
      const usage = event.response.usage;
      console.log(`\n\n[Token 用量] 输入: ${usage.input_tokens}, 输出: ${usage.output_tokens}, 合计: ${usage.total_tokens}`);
    }
  }
}

main();

# 将 server_url 替换为从魔搭等平台获取的 SSE Endpoint
# 如需鉴权，将平台提供的 token 添加到 headers 中
curl -X POST https://dashscope.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，今天有什么 AI 新闻？",
  "tools": [
    {
      "type": "mcp",
      "server_protocol": "sse",
      "server_label": "fetch",
      "server_description": "Fetch MCP Server，提供网页抓取能力，可抓取指定 URL 的内容并以文本形式返回。",
      "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
    }
  ],
  "stream": true
}'

参数说明

参数	必填	说明
`type`	是	固定值 `"mcp"`。
`server_protocol`	是	通信协议，仅支持 `"sse"`。
`server_label`	是	MCP 服务器的简短标识。
`server_description`	否	服务器功能的自然语言描述。清晰的描述有助于模型判断何时调用该服务器的工具，提高工具选择的准确性。建议为所有 MCP 服务器提供此参数。
`server_url`	是	MCP 服务器的 SSE 端点 URL。
`headers`	否	连接 MCP 服务器时附带的 HTTP 头，例如用于认证的 `Authorization`。

配置示例：

{
  "type": "mcp",
  "server_protocol": "sse",
  "server_label": "fetch",
  "server_description": "Fetch MCP Server，提供网页抓取能力，可抓取指定 URL 的内容并以文本形式返回。",
  "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse"
}

支持的模型

MCP 仅通过 Responses API 提供。以下模型支持 MCP 工具调用：

模型系列	模型 ID
Qwen-Max	`qwen3.7-max` 系列
Qwen-Plus	`qwen3.7-plus` 系列, `qwen3.6-plus` 系列, `qwen3.5-plus` 系列
Qwen-Flash	`qwen3.6-flash` 系列, `qwen3.5-flash` 系列
Qwen3.6 开源	Qwen3.6 开源系列（`qwen3.6-27b` 除外）
Qwen3.5 开源	Qwen3.5 开源系列

计费

使用 MCP 时涉及两类费用：

模型推理费用：根据模型的 Token 用量计费。
MCP 服务器费用：按各 MCP 服务器提供商的计费规则收取。

​快速开始

​流式输出

​参数说明

​支持的模型

​计费

快速开始

流式输出

参数说明

支持的模型

计费