MCP 工具集
如需直接用戶端 URL 與 LLM 工具選擇器，請參閱 MCP 組態參考
Toolset 是由一或多個 MCP 伺服器中的特定工具所組成的具名集合。您不必讓代理程式存取每個伺服器上的所有工具，而是可以精確選取它實際需要的工具，無論這些工具位於哪個伺服器，並將它們捆綁在單一名稱下。
運作方式
┌─────────────────────────────────┐
│ MCP Toolset │
│ "devtooling-prod" │
└────────────┬────────────────────┘
│
┌──────────────────┴──────────────────┐
│ │
┌────────▼────────┐ ┌────────▼────────┐
│ CircleCI MCP │ │ DeepWiki MCP │
│ (10+ tools) │ │ (3 tools) │
└────────┬────────┘ └────────┬────────┘
│ │
┌─────────┴──────────┐ ┌──────────┴──────────┐
│ ✓ get_build_logs │ │ ✓ read_wiki_structure│
│ ✓ find_flaky_tests │ │ ✓ read_wiki_contents │
│ ✓ get_pipeline_ │ │ ✗ ask_question │
│ status │ └─────────────────────┘
│ ✓ run_pipeline │
│ ✗ list_followed_ │
│ projects │
└────────────────────┘
Agent sees exactly 6 tools, nothing more.
原本跨兩個伺服器有 13+ 個工具，代理程式只會取得 6 個：也就是它實際需要的那些。
這為何重要：
- 較短的工具清單 → 更少 token、更快的回應、更少幻覺
- 將 GitHub + Linear + CircleCI 的工具組合成一個具名授權
- 以相同方式指派給金鑰和團隊，就像您今天指派 MCP 伺服器一樣
建立工具集
1. 前往 MCP 頁面
在左側側邊欄中導覽至 MCP。
2. 開啟 Toolsets 分頁
在 MCP 頁面上點擊 Toolsets 分頁。
3. 點擊 "New Toolset"
4. 輸入名稱
為 toolset 輸入名稱。請選擇具有描述性的名稱，因為代理程式會引用這個名稱。
5. 新增第一個工具
從下拉選單中選取一個 MCP 伺服器，然後選擇要從該伺服器納入的工具。
6. 新增來自第二個伺服器的工具
按一下 Add Tool，選擇不同的 MCP 伺服器，然後再選取另一個工具。依需要重複，工具可以來自任意數量的伺服器。
7. 建立工具集
點擊 Create Toolset 以儲存。
在 Playground 中使用工具集
建立後，您的 toolset 會與 MCP 伺服器一起出現在 Playground 的 MCP Servers 下拉選單中，並可用相同方式選取。
1. 前往 Playground
2. 從 MCP Servers 中選取您的工具集
在左側面板的 MCP Servers 下，開啟下拉選單並選取您的工具集。模型只會看到您納入其中的工具。
模型現在只能存取您工具集中的工具，沒有其他工具。
透過 API 使用工具集
將 toolset 的 route 作為 tools 清單中的 server_url 傳入。LiteLLM 會在伺服器端解析，因此不需要公開 URL。
- Responses API
- Chat Completions API
- REST
import openai
client = openai.OpenAI(
api_key="your-litellm-key",
base_url="http://your-proxy/v1",
)
response = client.responses.create(
model="gpt-5.6-terra",
input="What CI/CD tools do you have?",
tools=[
{
"type": "mcp",
"server_label": "devtooling-prod",
"server_url": "litellm_proxy/mcp/devtooling-prod",
"require_approval": "never",
}
],
)
print(response.output_text)
import openai
client = openai.OpenAI(
api_key="your-litellm-key",
base_url="http://your-proxy/v1",
)
response = client.chat.completions.create(
model="gpt-5.6-terra",
messages=[{"role": "user", "content": "What CI/CD tools do you have?"}],
tools=[
{
"type": "mcp",
"server_label": "devtooling-prod",
"server_url": "litellm_proxy/mcp/devtooling-prod",
"require_approval": "never",
}
],
)
print(response.choices[0].message.content)
curl http://your-proxy/v1/responses \
-H "Authorization: Bearer your-litellm-key" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-terra",
"input": "What CI/CD tools do you have?",
"tools": [
{
"type": "mcp",
"server_label": "devtooling-prod",
"server_url": "litellm_proxy/mcp/devtooling-prod",
"require_approval": "never"
}
]
}'
透過 API 管理工具集
# List all toolsets
curl http://your-proxy/v1/mcp/toolset \
-H "Authorization: Bearer your-litellm-key"
# Create a toolset
curl -X POST http://your-proxy/v1/mcp/toolset \
-H "Authorization: Bearer your-litellm-key" \
-H "Content-Type: application/json" \
-d '{
"toolset_name": "devtooling-prod",
"description": "CircleCI + DeepWiki tools for the dev team",
"tools": [
{"server_id": "<circleci-server-id>", "tool_name": "get_build_failure_logs"},
{"server_id": "<circleci-server-id>", "tool_name": "run_pipeline"},
{"server_id": "<deepwiki-server-id>", "tool_name": "read_wiki_structure"}
]
}'
# Delete a toolset
curl -X DELETE http://your-proxy/v1/mcp/toolset/<toolset_id> \
-H "Authorization: Bearer your-litellm-key"
