Use servidores MCP com GPT, Gemini, DeepSeek ou um modelo local
Servidores MCP se conectam ao harness de agentes, não ao modelo, então qualquer modelo capaz de chamar ferramentas pode usá-los. No OHarness, você declara um servidor uma vez em ~/.oharness/mcp.json e as ferramentas dele são oferecidas ao modelo que estiver rodando, com ou sem troca no meio da sessão.
Atualizado em
Por que o modelo não importa
Um servidor MCP expõe ferramentas. O harness se conecta a ele, lista essas ferramentas e as apresenta ao modelo no mesmo formato de chamada de ferramentas das integradas — com o namespace mcp__<server>__<tool>. O modelo só vê definições de ferramentas; ele nunca fala MCP. É por isso que o mesmo servidor funciona com Claude, GPT, Gemini, DeepSeek ou um Qwen local.
Declare um servidor
Os dois transportes são integrados — stdio para um processo local, Streamable HTTP para um servidor remoto —, sem nenhum SDK de MCP por baixo. Coloque a declaração em ~/.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} é resolvido quando o servidor inicia, então o arquivo nunca guarda o segredo e pode ser compartilhado ou ir para o commit. Uma variável não definida é apontada pelo nome antes da tentativa de conexão. allowedTools restringe o que um servidor pode oferecer.
Use com qualquer modelo
oharness -m openai/gpt-5.4-miniDentro da sessão, /mcp mostra cada servidor e quantas ferramentas ele tem. Troque com /model google/gemini-3.6-flash ou /model ollama/qwen3-coder:30b e as mesmas ferramentas continuam lá. No navegador e no app para desktop, o menu **+** do campo de mensagem lista os conectores e conecta um com um clique; servidores remotos que exigem OAuth abrem o login no seu navegador.
Mantenha as ferramentas MCP sob controle
As ferramentas MCP passam pelas mesmas regras de permissão das integradas, identificadas pelo nome. Ferramentas somente leitura podem ser permitidas e as de escrita ficar atrás de um pedido de permissão:
{
"allow": ["mcp__github__get_*", "mcp__github__search_*"],
"ask": ["mcp__github__create_*"],
"deny": ["mcp__github__delete_*"]
}Permissões em agentes de programação explica onde essas regras ficam e por que deny vence tudo.
O que muda de um modelo para outro
Se o modelo usa bem as ferramentas. Modelos locais pequenos podem ignorar uma ferramenta ou passar argumentos malformados; o OHarness valida os argumentos antes de a ferramenta rodar e devolve o erro ao modelo, que normalmente se recupera. Se um modelo falha repetidamente com as ferramentas de um servidor, o problema é o modelo, não o servidor.
Perguntas frequentes
Posso usar MCP com GPT ou Gemini?
Sim, por meio de um harness que tenha um cliente MCP. Os servidores MCP se conectam ao harness, que oferece as ferramentas deles ao modelo por chamadas de ferramentas comuns. O OHarness faz isso para OpenAI, Gemini, Anthropic, DeepSeek e qualquer modelo compatível com OpenAI ou local.
Um modelo local suporta MCP?
Um modelo local que suporta chamadas de ferramentas pode usar ferramentas MCP quando roda dentro de um harness com cliente MCP. O modelo nunca fala MCP; o OHarness se conecta ao servidor e apresenta as ferramentas dele ao modelo.
Onde o OHarness lê a configuração dos servidores MCP?
Em ~/.oharness/mcp.json, sob a chave mcpServers. Servidores adicionados pelo menu de conectores do navegador ou do desktop também são gravados ali.
Quais transportes MCP o OHarness suporta?
stdio e Streamable HTTP, por meio de um cliente JSON-RPC próprio, e não de um SDK de MCP. Em servidores remotos que exigem OAuth, o login é feito pelo navegador, e os tokens ficam guardados junto com as credenciais dos provedores.