Använd MCP-servrar med GPT, Gemini, DeepSeek eller lokal modell
MCP-servrar ansluter till agent-harnessen, inte till modellen, så alla modeller som kan anropa verktyg kan använda dem. I OHarness deklarerar du en server en gång i ~/.oharness/mcp.json, och dess verktyg erbjuds till den modell som körs, oavsett om den byts mitt i sessionen eller inte.
Uppdaterad
Varför modellen inte spelar roll
En MCP-server exponerar verktyg. Harnessen ansluter till den, listar verktygen och presenterar dem för modellen i samma format för verktygsanrop som de inbyggda — med namnrymden mcp__<server>__<tool>. Modellen ser bara verktygsdefinitioner; den talar aldrig MCP själv. Därför fungerar samma server under Claude, GPT, Gemini, DeepSeek eller en lokal Qwen.
Deklarera en server
Båda transporterna är inbyggda — stdio för en lokal process, Streamable HTTP för en fjärrserver — utan något MCP-SDK under. Lägg deklarationen i ~/.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} löses upp när servern startar, så filen innehåller aldrig hemligheten och kan delas eller committas. En variabel som inte är satt namnges innan anslutningen försöks. allowedTools begränsar vad en server får erbjuda.
Använd den med valfri modell
oharness -m openai/gpt-5.4-miniInne i sessionen visar /mcp varje server och dess antal verktyg. Byt med /model google/gemini-3.6-flash eller /model ollama/qwen3-coder:30b så finns samma verktyg kvar. I webbläsaren och skrivbordsappen listar **+**-menyn i inmatningsfältet kopplingar och ansluter en med ett klick; fjärrservrar som kräver OAuth öppnar inloggningen i din webbläsare.
Håll MCP-verktygen i koppel
MCP-verktyg går genom samma behörighetsregler som de inbyggda, matchade på namn. Skrivskyddade verktyg kan tillåtas och skrivningar hållas bakom en fråga:
{
"allow": ["mcp__github__get_*", "mcp__github__search_*"],
"ask": ["mcp__github__create_*"],
"deny": ["mcp__github__delete_*"]
}Behörigheter för kodagenter beskriver var reglerna finns och varför deny slår allt.
Vad som skiljer mellan modeller
Om en modell använder verktyg väl. Små lokala modeller kan ignorera ett verktyg eller skicka felformade argument; OHarness validerar argument innan ett verktyg körs och returnerar felet till modellen, som oftast hämtar sig. Om en modell upprepade gånger misslyckas med en servers verktyg är det modellen, inte servern.
Vanliga frågor
Kan jag använda MCP med GPT eller Gemini?
Ja, via en harness som har en MCP-klient. MCP-servrar ansluter till harnessen, som erbjuder deras verktyg till modellen genom vanliga verktygsanrop. OHarness gör det för OpenAI, Gemini, Anthropic, DeepSeek och alla OpenAI-kompatibla eller lokala modeller.
Stöder en lokal modell MCP?
En lokal modell som stöder verktygsanrop kan använda MCP-verktyg när den körs i en harness med en MCP-klient. Modellen talar aldrig MCP; OHarness ansluter till servern och presenterar dess verktyg för modellen.
Var läser OHarness konfigurationen för MCP-servrar?
Från ~/.oharness/mcp.json under nyckeln mcpServers. Servrar som läggs till från kopplingsmenyn i webbläsaren eller skrivbordsappen skrivs också dit.
Vilka MCP-transporter stöder OHarness?
stdio och Streamable HTTP, via en egen JSON-RPC-klient i stället för ett MCP-SDK. Fjärrservrar som kräver OAuth loggas in via webbläsaren, med tokens lagrade bredvid leverantörernas inloggningsuppgifter.