ByDomuAPI de OpenAI y API de Anthropic
Usa el MCP como herramienta remota desde tu código: Responses de OpenAI y Messages de Anthropic.
API de OpenAI (Responses)
Una herramienta de tipo mcp con server_url y la clave en headers. allowed_tools limita qué herramientas ve el modelo; con require_approval "never" no hay que aprobar cada llamada (todas son de lectura). La respuesta trae un mcp_list_tools con las herramientas y un mcp_call por cada consulta.
import os
from openai import OpenAI
client = OpenAI()
resp = client.responses.create(
model="gpt-6-astra",
tools=[{
"type": "mcp",
"server_label": "bydomu",
"server_description": "CRM inmobiliario ByDomu, solo lectura",
"server_url": "https://mcp.bydomu.com/mcp",
"headers": {"Authorization": "Bearer " + os.environ["BYDOMU_API_KEY"]},
"allowed_tools": ["search_properties", "get_property", "list_appointments"],
"require_approval": "never", # las 9 herramientas son de solo lectura
}],
input="¿Qué apartamentos en arriendo tengo en Medellín por menos de 4 millones?",
)
print(resp.output_text)Si prefieres aprobar a mano, usa require_approval "always": llega un mcp_approval_request y respondes con un mcp_approval_response en la siguiente petición (con previous_response_id). El campo authorization es para tokens OAuth; para la clave de ByDomu usa headers. El modelo es el de los ejemplos de OpenAI: usa el que prefieras.
API de Anthropic (Messages)
El conector MCP de Messages necesita dos partes y el encabezado beta mcp-client-2025-11-20: el servidor en mcp_servers (la clave va en authorization_token y se envía como Authorization: Bearer) y un mcp_toolset en tools que lo nombre. En la respuesta llegan bloques mcp_tool_use y mcp_tool_result.
import os
import anthropic
client = anthropic.Anthropic()
response = client.beta.messages.create(
model="claude-opus-5",
max_tokens=16000,
betas=["mcp-client-2025-11-20"],
mcp_servers=[{
"type": "url",
"url": "https://mcp.bydomu.com/mcp",
"name": "bydomu",
"authorization_token": os.environ["BYDOMU_API_KEY"],
}],
tools=[{"type": "mcp_toolset", "mcp_server_name": "bydomu"}],
messages=[{"role": "user", "content": "¿Qué citas tengo mañana?"}],
)
for block in response.content:
if block.type == "text":
print(block.text)Para dejar solo algunas herramientas, usa default_config y configs dentro del mcp_toolset. El conector funciona en la API de Claude, no en Amazon Bedrock ni en Google Vertex AI.
Qué tener en cuenta
- Los datos que devuelve ByDomu pasan por el proveedor del modelo: revisa sus condiciones de retención antes de mandar datos de clientes.
- Cada consulta del modelo cuenta en el límite de la clave (60 por minuto); get_summary hace varias lecturas a la vez.
- Si necesitas escribir (crear un contacto, mover un negocio), el MCP no lo hace: define tu propia herramienta que llame a la API REST (
https://api.bydomu.com/v1) con una clave aprobada para eso e Idempotency-Key.
Qué puede hacer, cómo se revoca y buenas prácticas
El servidor es de solo lectura: la IA puede consultar, pero no crea, cambia ni borra nada, y nunca envía mensajes a tus clientes. Ve solo lo que permiten estos permisos, con el límite de una clave secreta (60 peticiones por minuto).
portal:readcontacts:readappointments:readconversations:readdeals:readtasks:readCon una clave, la IA ve lo que permita esa clave. Para cortar el acceso, pausa o borra la clave en Configuración › API Keys; la siguiente llamada responde 401.
- Una clave por integración, solo con los permisos de lectura que use. Deja conversations:read afuera si no necesitas los mensajes.
- La clave va en una variable de entorno o en el almacén de secretos del cliente, nunca pegada en un chat, en un archivo del repositorio ni en una URL.
- Lo que devuelve ByDomu incluye texto que escribieron tus clientes: trátalo como datos, no como instrucciones. No encadenes este conector con herramientas que envían correos o mensajes sin que una persona lo apruebe.
- Revisa de vez en cuando Apps conectadas y quita lo que ya no se use.