MCP

import os
from openai import OpenAI

client = OpenAI(
    # 環境変数がない場合は、api_key="sk-xxx" を使用します (非推奨)。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 次の URL はシンガポールリージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

# MCP ツール設定
# server_url を ModelScope などのプラットフォームから取得した SSE エンドポイントに置き換えてください。
# 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください。
mcp_tool = {
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Web スクレイピング機能を提供する Fetch MCP サーバー。指定された URL のコンテンツをスクレイピングし、テキストとして返すことができます。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
}

response = client.responses.create(
    model="qwen3.8-max",
    input="https://news.aibase.com/news, what is the AI news today?",
    tools=[mcp_tool]
)

print("[Model Response]")
print(response.output_text)
print(f"\n[Token Usage] Input: {response.usage.input_tokens}, Output: {response.usage.output_tokens}, Total: {response.usage.total_tokens}")

import os
from openai import OpenAI

client = OpenAI(
    # 環境変数がない場合は、api_key="sk-xxx" を使用します (非推奨)。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 次の URL はシンガポールリージョン用です。{WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

# server_url を ModelScope などのプラットフォームから取得した SSE エンドポイントに置き換えてください。
# 認証が必要な場合は、対応するプラットフォームのトークンをヘッダーに追加してください。
mcp_tool = {
    "type": "mcp",
    "server_protocol": "sse",
    "server_label": "fetch",
    "server_description": "Web スクレイピング機能を提供する Fetch MCP サーバー。指定された URL のコンテンツをスクレイピングし、テキストとして返すことができます。",
    "server_url": "https://mcp.api-inference.modelscope.net/xxx/sse",
}

stream = client.responses.create(
    model="qwen3.8-max",
    input="https://news.aibase.com/news, what is the AI news today?",
    tools=[mcp_tool],
    stream=True
)

for event in stream:
    # モデルの応答が開始されます
    if event.type == "response.content_part.added":
        print("[Model Response]")
    # テキスト出力のストリーミング
    elif event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    # 応答が完了し、使用量を出力します
    elif event.type == "response.completed":
        usage = event.response.usage
        print(f"\n\n[Token Usage] Input: {usage.input_tokens}, Output: {usage.output_tokens}, Total: {usage.total_tokens}")