Associer Agents IA et MCP pour accéder au monde extérieur

Quand nous avons utilisé notre MCP manuellement, nous avons cliqué sur un bouton appelé "Liste des outils". Cela nous permet de voir tous les outils disponibles que le MCP peut fournir.

Et si notre Agent IA pouvait faire cela automatiquement au démarrage et injecter les outils dans sa propriété tools ? J'adore cette idée !

Heureusement, l'AI SDK propose un moyen de se connecter à un serveur MCP, de lister ses outils et de les injecter dans la propriété tools de l'Agent IA.

Avant cela, nous devons ajouter une configuration d'exécution Nitro pour indiquer l'URL du MCP.

import { defineNitroConfig } from 'nitropack/config'

export default defineNitroConfig({
  runtimeConfig: {
    openAiApiKey: '',
    mcpEndpoint: '',
  },
  // ...
})

Dans votre fichier .env, définissez la variable MCP_ENDPOINT vers l'URL du MCP :

MCP_ENDPOINT=http://localhost:3000/mcp

Ensuite, nous pouvons connecter notre Agent IA au MCP en injectant les outils du MCP dans la propriété tools de l'agent.

import { createOpenAI } from '@ai-sdk/openai'
import { StreamableHTTPClientTransport } from '@modelcontextprotocol/sdk/client/streamableHttp.js'
import { convertToModelMessages, experimental_createMCPClient, stepCountIs, streamText } from 'ai'
import { defineEventHandler, defineLazyEventHandler, readBody } from 'h3'
import { useRuntimeConfig } from 'nitropack/runtime'

export default defineLazyEventHandler(() => {
  const runtimeConfig = useRuntimeConfig()

  const model = createOpenAI({
    apiKey: runtimeConfig.openAiApiKey,
  })

  return defineEventHandler(async (event) => {
    const { messages } = await readBody(event)

    const httpTransport = new StreamableHTTPClientTransport(
      new URL(runtimeConfig.mcpEndpoint)
    )
    const httpClient = await experimental_createMCPClient({
      transport: httpTransport
    })
    const tools = await httpClient.tools()

    return streamText({
      model: model('gpt-5-nano'),
      system: `You are a helpful assistant. You can use the tool to add two numbers together.`,
      stopWhen: stepCountIs(2),
      tools,
      messages: convertToModelMessages(messages),
    }).toUIMessageStreamResponse()
  })
})

La ligne la plus intéressante est const tools = await httpClient.tools(). Elle récupère la liste des outils depuis le MCP, comme lorsque nous avons cliqué sur "Liste des outils", et les injecte dans la propriété tools de l'Agent IA. Grâce à experimental_createMCPClient, l'AI SDK appellera les outils via le client HTTP lorsque l'IA en fera la demande.

Comme prévu, il n'y a aucune différence par rapport à l'utilisation d'outils directement avec le MCP.

Nous pouvons désormais améliorer facilement le MCP sans modifier le code de l'Agent IA, permettant à tout le monde d'utiliser le MCP dans sa propre application IA pour interagir avec nos outils, ou même d'ajouter un serveur MCP externe à notre Agent IA.

J'adore !