Usar servidores MCP con GPT, Gemini, DeepSeek o un modelo local
Los servidores MCP se conectan al harness de agentes, no al modelo, así que cualquier modelo que pueda llamar a herramientas puede usarlos. En OHarness declaras un servidor una vez en ~/.oharness/mcp.json y sus herramientas se ofrecen al modelo que esté en marcha, lo cambies a mitad de sesión o no.
Actualizado el
Por qué el modelo no importa
Un servidor MCP expone herramientas. El harness se conecta a él, lista esas herramientas y se las presenta al modelo en el mismo formato de llamada a herramientas que las integradas, con el espacio de nombres mcp__<server>__<tool>. El modelo solo ve definiciones de herramientas; nunca habla MCP. Por eso el mismo servidor funciona con Claude, GPT, Gemini, DeepSeek o un Qwen local.
Declara un servidor
Los dos transportes vienen integrados —stdio para un proceso local, Streamable HTTP para un servidor remoto— sin ningún SDK de MCP por debajo. Pon la declaración en ~/.oharness/mcp.json:
{
"mcpServers": {
"fs": {
"type": "stdio",
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "."]
},
"github": {
"type": "http",
"url": "https://api.githubcopilot.com/mcp/",
"headers": { "authorization": "Bearer ${env:GITHUB_TOKEN}" },
"allowedTools": ["search_*", "get_*"]
}
}
}${env:NAME} se resuelve cuando arranca el servidor, así que el archivo nunca contiene el secreto y se puede compartir o confirmar en el repositorio. Si una variable no está definida, se indica su nombre antes de intentar la conexión. allowedTools limita lo que puede ofrecer un servidor.
Úsalo con cualquier modelo
oharness -m openai/gpt-5.4-miniDentro de la sesión, /mcp muestra cada servidor y su número de herramientas. Cambia con /model google/gemini-3.6-flash o /model ollama/qwen3-coder:30b y las mismas herramientas siguen ahí. En el navegador y en la aplicación de escritorio, el menú **+** del editor de mensajes lista los conectores y conecta uno con un clic; los servidores remotos que necesitan OAuth abren el inicio de sesión en tu navegador.
Mantén las herramientas MCP con correa
Las herramientas MCP pasan por las mismas reglas de permisos que las integradas, con coincidencia por nombre. Se pueden permitir las de solo lectura y dejar las de escritura detrás de una solicitud de permiso:
{
"allow": ["mcp__github__get_*", "mcp__github__search_*"],
"ask": ["mcp__github__create_*"],
"deny": ["mcp__github__delete_*"]
}Permisos de un agente de código explica dónde se guardan estas reglas y por qué deny gana a todo.
Qué cambia según el modelo
Si el modelo usa bien las herramientas. Los modelos locales pequeños pueden ignorar una herramienta o pasar argumentos mal formados; OHarness valida los argumentos antes de ejecutar una herramienta y devuelve el error al modelo, que normalmente se recupera. Si un modelo falla una y otra vez con las herramientas de un servidor, el problema es el modelo, no el servidor.
Preguntas frecuentes
¿Puedo usar MCP con GPT o Gemini?
Sí, a través de un harness que tenga cliente MCP. Los servidores MCP se conectan al harness, que ofrece sus herramientas al modelo mediante llamadas a herramientas normales. OHarness lo hace con OpenAI, Gemini, Anthropic, DeepSeek y cualquier modelo compatible con OpenAI o local.
¿Un modelo local admite MCP?
Un modelo local que admita llamadas a herramientas puede usar herramientas MCP cuando se ejecuta dentro de un harness con cliente MCP. El modelo nunca habla MCP; OHarness se conecta al servidor y presenta sus herramientas al modelo.
¿Dónde lee OHarness la configuración de los servidores MCP?
De ~/.oharness/mcp.json, bajo la clave mcpServers. Los servidores añadidos desde el menú de conectores del navegador o del escritorio también se escriben ahí.
¿Qué transportes MCP admite OHarness?
stdio y Streamable HTTP, mediante su propio cliente JSON-RPC en lugar de un SDK de MCP. En los servidores remotos que requieren OAuth se inicia sesión a través del navegador, y los tokens se guardan junto a las credenciales de los proveedores.