Tvůj první plugin
Na této stránce
Lekce přepsána 3. listopadu 2026 na základě stránek Quickstart, MCP server and UI quickstart a Connect and test your plugin v dokumentaci OpenAI Plugins. Předchozí příklad „webová aplikace během 30 minut“ spoléhal na neexistující SDK. Dne 3. listopadu 2026 jsme ověřili verze balíčků npm:
@modelcontextprotocol/ext-apps2.x staví na MCP SDK v2, zatímco příklady OpenAI používají v1. Zdroje: Quickstart · MCP server and UI quickstart · Connect and test.
Dva kroky
Nejprve připojíš existující MCP server, abys viděl celý pracovní postup ChatGPT, aniž bys napsal jediný řádek kódu. Následně napíšeš vlastní server, otestuješ jej lokálně a připojíš stejným způsobem.
Krok 1: Osobní plugin za pět minut
OpenAI poskytuje veřejný, neautentizovaný ukázkový MCP server, který vystavuje jediný nástroj pouze pro čtení: roll_dice.
- Přejdi na ChatGPT Plugins, klikni na tlačítko **+ a vyber Add custom MCP server.
- Zadej název a jako Server URL nastav
https://tinymcp.dev/api/moldy-aloof-zettabyte/mcp. Vyber No authentication. - Přečti si upozornění na rizika, zaškrtni I understand and want to continue a klikni na Create as a plugin.
- Plugin se objeví v tvém seznamu osobních pluginů: otevři jej a nainstaluj pomocí tlačítka +.
- Vrať se na domovskou obrazovku ChatGPT, přepni se z karty Chat na Work, zahaj novou konverzaci, napiš
@a vyber svůj plugin. - Požádej jej o hození dvacetistěnnou kostkou: měl by zavolat
roll_diceprávě jednou s parametremsidesnastaveným na 20 a vrátit hodnotu mezi 1 a 20.
Nespokoj se jen s ideálním scénářem. Vyzkoušej různé velikosti kostek, neplatné hodnoty a požadavky, které by neměly spustit žádný nástroj. Tento reflex pohání zbytek kurzu: když si model vybere špatný nástroj nebo změní své argumenty, musíš upravit popis nástroje a jeho schéma. Také měj na paměti, že přidávání vlastních MCP serverů řídí zásady tvého účtu nebo pracovního prostoru: v rámci organizace může být tato možnost omezena.
Krok 2: Tvůj vlastní server
Instalace oficiálních SDK
Oficiální SDK protokolu existují pro TypeScript (@modelcontextprotocol/sdk) a Python (mcp). Tento kurz následuje příklady OpenAI psané v TypeScriptu pomocí SDK v1. Připni si verze: k září 2026 závisí @modelcontextprotocol/ext-apps 2.x – rozhraní, které přidáš v Lekci 6 – na nových balíčcích SDK v2 (@modelcontextprotocol/server…), které jsou nekompatibilní s importy z v1.
mkdir notes-plugin && cd notes-plugin
npm init -y
npm pkg set type=module
npm install @modelcontextprotocol/sdk@^1.29 @modelcontextprotocol/ext-apps@^1.7 zod
npm pkg set type=module přidá do package.json položku "type": "module", která je vyžadována pro příkazy import serveru.
Napsání serveru
Tento server se vejde do jediného souboru, server.js. Uchovává poznámky v paměti a vystavuje dva nástroje: jeden pro čtení a jeden pro zápis, oddělené podle doporučení z Lekce 3.
import { createServer } from "node:http";
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StreamableHTTPServerTransport } from "@modelcontextprotocol/sdk/server/streamableHttp.js";
import { z } from "zod";
const notes = []; // příklad dat v paměti: nahraď vlastním úložištěm
const schemaNotes = {
notes: z.array(z.object({ id: z.string(), text: z.string() })),
};
function creerServeur() {
const server = new McpServer({ name: "notes-demo", version: "0.1.0" });
server.registerTool(
"list_notes",
{
title: "List notes",
description: "Use when the user wants to review notes saved with this plugin.",
inputSchema: {},
outputSchema: schemaNotes,
annotations: { readOnlyHint: true, openWorldHint: false, destructiveHint: false },
},
async () => ({
structuredContent: { notes },
content: [{ type: "text", text: `${notes.length} note(s) saved.` }],
})
);
server.registerTool(
"add_note",
{
title: "Add a note",
description: "Use when the user asks to save a short note.",
inputSchema: { text: z.string().min(1).max(500) },
outputSchema: schemaNotes,
annotations: { readOnlyHint: false, openWorldHint: false, destructiveHint: false },
},
async ({ text }) => {
notes.push({ id: `note-${notes.length + 1}`, text });
return {
structuredContent: { notes },
content: [{ type: "text", text: "Note saved." }],
};
}
);
return server;
}
const PORT = Number(process.env.PORT ?? 8787);
createServer(async (req, res) => {
const url = new URL(req.url ?? "/", `http://${req.headers.host ?? "localhost"}`);
if (url.pathname !== "/mcp") {
res.writeHead(404).end("Not Found");
return;
}
// Bezstavový režim: nový server a transport pro každý požadavek
const server = creerServeur();
const transport = new StreamableHTTPServerTransport({
sessionIdGenerator: undefined,
enableJsonResponse: true,
});
res.on("close", () => {
transport.close();
server.close();
});
try {
await server.connect(transport);
await transport.handleRequest(req, res);
} catch (error) {
console.error("MCP Error:", error);
if (!res.headersSent) res.writeHead(500).end("Internal server error");
}
}).listen(PORT, () => console.log(`MCP server ready on http://localhost:${PORT}/mcp`));
Důležité jsou tři detaily. Každý nástroj deklaruje název, popis záměru, schémata a přesné anotace: to je jeho „profil“ pro model. Každý výsledek kombinuje structuredContent, které model znovu využije, a content, což je krátká textová zpráva. Nakonec jakákoli adresa jiná než /mcp vrací 404: příklad OpenAI to dělá pro trasy objevování OAuth, které zatím nepoužíváš, čímž zabraňuje ChatGPT zobrazovat chyby 502 během tvých neautentizovaných testů. Tentýž příklad přidává odpověď pro předběžný požadavek CORS (OPTIONS) a GET / pro sondy zdraví; zahrň je, pokud je tvůj hosting očekává.
Lokální testování s MCP Inspector
node server.js
npx @modelcontextprotocol/inspector@latest
V Inspectoru vyber Streamable HTTP, zadej http://localhost:8787/mcp a připoj se. Ověř, že inicializace proběhne úspěšně, že se oba nástroje zobrazí se svými schématy a anotacemi, a poté je zavolej s platnými i neplatnými vstupy – prázdný textový řetězec musí být schématem odmítnut.
Zveřejnění serveru a jeho připojení
ChatGPT se musí k tvému serveru dostat z internetu. Během vývoje stačí tunel – dokumentace uvádí ngrok:
ngrok http 8787
Získáš veřejnou adresu HTTPS. Připoj ji jako v Kroku 1, včetně cesty /mcp (například https://<subdomain>.ngrok.app/mcp), nainstaluj výsledný plugin a poté jej vyvolej pomocí @: „Ulož poznámku: zavolej dodavatele v pondělí.“ ChatGPT zobrazí data vyměněná s nástrojem, což ti umožní ověřit vstupy a výstupy.
Vývojový tunel funguje pouze pro zkoušky: publikování vyžaduje stabilní, veřejný koncový bod HTTPS (Lekce 5).
Obnovení po každé změně
ChatGPT ukládá metadata tvého serveru do mezipaměti. Po jakékoli změně názvu, popisu, schématu, anotace, autentizace nebo zdroje rozhraní: znovu nasaď nebo restartuj server, otevři připojení na chatgpt.com/plugins, vyber Refresh, ověř, že se inzerovaná metadata změnila, a poté otevři novou konverzaci pro opětovné spuštění testů. Přeskočení tohoto kroku znamená, že testuješ starou verzi, aniž bys to věděl.
Klíčové poznatky
- Vytvoř osobní plugin přes Add custom MCP server a poté jej vyvolej pomocí
@v ChatGPT - Oficiální SDK:
@modelcontextprotocol/sdk(TypeScript) amcp(Python); připni v1 sext-apps1.x pro následování příkladů OpenAI - Minimální server:
McpServer,registerTool, transport streamable HTTP na/mcp - Pro lokální testování použij MCP Inspector, pro zkoušky v ChatGPT tunel
- Po jakékoli změně metadat: Refresh a poté zahaj novou konverzaci