AI 编程教程中文版
官方教程中文版实战场景

把你的应用接入 ChatGPT

说明如何把产品接入 ChatGPT:先选明确用户结果,再设计少量 tools、MCP server 和可选 widget。

📖 本篇术语速查表
英文 / 缩写中文一句话解释
接入 ChatGPTintegration把你的应用接进 ChatGPT 生态。
接口边界interface scope暴露给 ChatGPT 的能力范围。
权限与隐私privacy接入时的数据和权限边界。

不想读完?把下面这段提示词丢给 AI 帮你跑完——帮你规划把你的应用安全地接入 ChatGPT。

你是应用接入 ChatGPT 规划顾问,帮我规划把应用安全地接进 ChatGPT,定清接口边界和隐私。

【角色】
你了解把应用接入 ChatGPT 的方式、该暴露什么能力、权限和隐私边界、怎么最小化集成。

【输入】
- 我的应用和想暴露的能力:___
- 用户数据的敏感度:___
- 期望的交互方式:___
- 安全合规要求:___

【工作流程】
1. 判断该暴露哪些能力、不暴露哪些
2. 设计最小化的接口边界
3. 定权限和数据隐私边界
4. 给从最小可用到完善的路径

【输出规范】
▌一、该暴露 / 不暴露的能力
▌二、接口边界设计
▌三、权限与隐私边界
▌四、最小可用到完善的路径

【硬约束】
- 只暴露必要能力,不开放高危操作
- 用户数据按隐私要求处理,不超范围
- 接口鉴权到位,不裸暴露
- 先最小可用再扩展
- 不确定的接入机制标注需查官方文档
- 给的每条结论都要落到具体可照做的步骤或示例,不停留在「建议」「考虑一下」这类没法直接执行的空泛表述

把产品带进 ChatGPT,不应该从“把整个产品搬进去”开始。更稳的做法是先选一个明确用户结果,围绕它设计少量 tools,搭建 MCP server,必要时再做 widget,然后在 ChatGPT developer mode 里验证核心流程。

ChatGPT app 的 v1 目标要窄:一个用户结果、少量 tools、清楚 metadata、可验证的本地 HTTPS 测试路径。

构成

flowchart LR
    Outcome["core user outcome"] --> Tools["3-5 tools"]
    Tools --> MCP["MCP server"]
    MCP --> Widget["optional widget"]
    Widget --> Test["developer mode testing"]
    MCP --> Test

每个 ChatGPT app 通常由三部分组成:

  • MCP server:定义 tools、返回数据、处理账号连接,并指向 ChatGPT 需要加载的 UI resources。
  • 可选 web component:在 ChatGPT iframe 中渲染,可以用 React,也可以用轻量 HTML/CSS/JS。
  • model-driven tool calls:模型根据 metadata 决定何时调用 app tools。

Codex 适合负责:

  • 规划 tool surface 和 metadata。
  • scaffold server 和 widget。
  • 接好 local run scripts。
  • 分阶段加入 auth 和 deployment。
  • 写验证 loop,证明 app 在 ChatGPT 里能工作。

起始提示词

请结合 ChatGPT Apps SDK 官方文档,在这个 repo 中为 [use case] 规划一个 ChatGPT app。

要求:
- 先锁定一个核心用户结果
- 提出 3-5 个 tools,每个 tool 都有名称、说明、inputs、outputs
- 判断 v1 是否需要 widget,还是可以先 data-only
- MCP server 优先按 repo 现有 TypeScript / Python 模式实现
- 标出 auth、deployment、test requirements

输出:
- Tool plan
- Proposed file tree
- Golden prompt set
- Risks and open questions

这个 prompt 只要求规划,不直接实现。先把 tools 和边界讲清楚,再 scaffold。

使用步骤

  1. 从一个窄 outcome 开始,规划 3 到 5 个 tools。
  2. 判断 v1 是否需要 widget。能 data-only 就先 data-only。
  3. 按现有 repo patterns scaffold MCP server 和可选 widget。
  4. 通过本地 HTTPS 路径运行,例如 ngrok 或 Cloudflare Tunnel。
  5. 在 ChatGPT developer mode 里连接 app。
  6. 用 small direct、indirect、negative prompt set 测试。
  7. 迭代 metadata、state handling、structuredContent_meta payloads。
  8. 只有 user-specific data 或 write actions 需要时,再加入 OAuth。
  9. 准备 hosted preview,保持稳定 /mcp endpoint。
  10. 分享或提交前完成 launch checklist。

Prompt 设计要点

强 prompt 通常包含:

  • One clear outcome:app 要帮用户完成什么。
  • Concrete stack:server 和 widget 使用什么技术栈。
  • Explicit tool boundaries:每个 tool 只做一件事。
  • Auth expectations:第一版是否 anonymous / read-only。
  • Local development path:如何用 HTTPS 接入 ChatGPT。
  • Verification steps:测哪些 prompts、回报哪些 evidence。

避免一个 prompt 同时要求 planning、implementation、auth、deployment、submission 和 polish。更稳的 milestone 是:

  1. Plan the app before scaffolding。
  2. Scaffold the first working version。
  3. Add auth only after the core flow works。
  4. Prepare deployment and review。

Launch Readiness

上线前至少确认:

  • app 只有一个用户一眼能看懂的窄 outcome。
  • tool set 小而明确,metadata、inputs、outputs 都清楚。
  • MCP server 能端到端工作,并返回简洁 structuredContent
  • widget-only data 放在 _meta,不要塞进对话正文。
  • widget 如有必要,能在 ChatGPT 内正确渲染。
  • 本地 HTTPS 测试 loop 能通过 developer mode 跑通。
  • direct、indirect、negative prompt set 都按预期触发 conversation flow 和 tool payloads。
  • 账号连接只加在 user-specific data 或 write actions 真正需要的地方。
  • deployment plan 覆盖 metadata、tool hints、privacy 和 test prompts。

常见坑

  • 让 Codex 把整个产品搬进 ChatGPT。
  • 一个巨大 prompt 覆盖所有阶段。
  • tool contract 还没清楚就写 UI。
  • 不让 Codex 查当前官方 Apps SDK docs。
  • metadata 最后才补。
  • 核心 read flow 没通就加账号连接。
  • 没在 ChatGPT 里测试就宣布完成。

官方资料

本页目录