OpenAI API Tools, MCP, and Hosted Tools
比较自定义函数、远程 MCP 与 OpenAI 托管工具的控制面、信任边界和适用场景。
#type / synthesis
#status / growing
#tech / ai
#resource / openai
#topic / agent
OpenAI API Tools, MCP, and Hosted Tools
统一视角
工具让模型从“生成内容”扩展到“获取证据或执行动作”。差异不在于模型是否会调用，而在于工具由谁托管、谁执行权限检查、数据流向哪里，以及应用能控制多少运行细节。
三类工具
| 类型 | 运行位置 | 适合场景 | 应用责任 |
|---|---|---|---|
| 自定义函数工具 | 应用自己的进程或服务 | 业务 API、数据库、内部动作 | 执行、校验、重试、审计、返回结果 |
| 远程 MCP | MCP server | 标准化连接第三方或内部工具集 | 信任 server、审批、认证、处理工具结果 |
| OpenAI 托管工具 | OpenAI 管理的工具运行面 | Web/file search、代码或计算机能力等 | 配置范围、处理输出、评估成本与风险 |
具体工具是否可用取决于模型、API 和账户配置，应查询当前模型目录，而不是假设所有模型都支持所有工具。
工具循环的责任分界
模型负责选择工具并生成参数建议；宿主应用负责：
- 判断当前用户是否有权执行；
- 用 schema 与业务规则验证参数；
- 对高风险动作请求确认；
- 设置超时、并发、重试和停止条件；
- 对副作用操作设置 idempotency key；
- 保存调用、结果摘要和审批证据。
工具描述是模型的操作说明，但不是访问控制策略。
MCP 的特殊价值与风险
mcp 统一了工具发现与调用协议，使同一 server 可被不同 AI 客户端复用。它也扩大了供应链和提示注入边界：远程 server 返回的内容不应被当作高优先级指令；连接前应审查运营方、OAuth scopes、数据保留和可变更能力。
对本地知识库，two-stage-proposal-merge-security-boundary 展示了更稳妥的方式：检索与提案可以自动化，真正写入受第二次批准和服务端不变量约束。
选择建议
- 强业务控制、低延迟内部调用：自定义函数工具。
- 需要跨客户端复用或已有 MCP 生态：远程 MCP。
- 通用检索、文件或计算能力，且希望减少自建基础设施：托管工具。
- 多类工具混用：统一审批语义、结果 schema 和 trace 字段，避免每类工具各自成为黑盒。