MCP 工具集
工具集是從一個或多個 MCP 伺服器中挑選出來的特定工具之命名集合。您不必讓代理程式存取每個伺服器上的所有工具,而是精確挑選它實際需要的工具——不論它們位於哪個伺服器——並將它們以單一名稱打包。
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.
不是跨兩個伺服器的 13+ 個工具,而是讓代理程式取得 6 個——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
為工具集輸入名稱。請選擇具描述性的名稱——這是代理程式會引用的名稱。


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
點擊 Add Tool,選擇另一個 MCP 伺服器,並選取另一個工具。依需求重複,新增任意數量的工具——它們可以來自任意多個伺服器。



7. 建立工具集
點擊 Create Toolset 以儲存。

在 Playground 中使用工具集
建立後,您的工具集會與 MCP 伺服器一起顯示在 Playground 的 MCP Servers 下拉選單中——其選取方式相同。
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
將工具集的路由作為 server_url 傳入您的 tools 清單中。LiteLLM 會在伺服器端解析它——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-4o",
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-4o",
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-4o",
"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"