Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Arkitektur: Værktøjer, ressourcer og grænseflade

Lektion 2 af 14 Opdateret 3. november 2026 Udvikler
På denne side
  1. Oversigt
  2. Hvad en MCP-server eksponerer
  3. Anmodningsflowet
  4. Transport og autorisation
  5. Grænsefladen: Et valgfrit lag
  6. Færdigheder: Workflow-laget
  7. Hvad med handel?
  8. Vigtige pointer

Lektionen er omskrevet den 3. november 2026 baseret på siderne om MCP-server, Plugin-arkitektur og Færdigheder i OpenAI’s plugins-dokumentation. Den ældre arkitektur med “actions, widgets, commerce” beskrev et SDK, der ikke længere eksisterer. Kilder: MCP server · Plugin architecture · Skills.

Oversigt

Et plugin består af uafhængige lag. Færdigheder leverer spillebogen, MCP-serveren leverer funktionerne, og grænsefladen giver en visuel måde at interagere på, når det er nødvendigt.

Plugin
├── Færdigheder
└── MCP-server (valgfri)
    ├── Værktøjer og strukturerede resultater
    └── Grænsefladeressourcer (valgfri)

Hvert lag har en distinkt rolle. Dokumentationen opsummerer afgrænsningen således: MCP-serveren leverer data, autentificering, autorisation og handlinger; færdigheden leverer genanvendelige instrukser, eksempler og skabeloner til dokumenter.

Hvad en MCP-server eksponerer

En MCP-server kan eksponere fire typer enheder:

  • Værktøjer: Funktioner, som modellen kalder med strukturerede input.
  • Ressourcer: Data eller indhold, som klienten kan læse.
  • Prompts: Genanvendelige prompt-skabeloner.
  • Instruktioner: Direktiver, der gælder for hele serveren.

Plugins stole primært på værktøjer. Hvert værktøj har et navn, en beskrivelse, et input-skema og eventuelt et output-skema. Disse felter gør det muligt for modellen at beslutte, hvornår værktøjet skal kaldes, og hvordan resultatet skal bruges.

Anmodningsflowet

Når en bruger sender en anmodning, der matcher et værktøj, sker fire trin i rækkefølge:

  1. Klienten opdager de værktøjer, som MCP-serveren eksponerer.
  2. Modellen vælger et værktøj og leverer argumenter, der overholder dets input-skema.
  3. Serveren validerer anmodningen, udfører operationen og returnerer et resultat.
  4. Modellen bruger dette resultat til at fortsætte samtalen.

Et værktøjsresultat kan bestå af tre dele. structuredContent indeholder koncise data, som modellen kan inspicere og genbruge i efterfølgende kald. content indeholder tekst eller andet MCP-indhold, der hjælper modellen med at formulere et svar. _meta indeholder data beregnet til klienten og skjult for modellen – skjult, men ikke beskyttet. Dette felt erstatter ikke autorisation eller sikker opbevaring.

Transport og autorisation

I produktion skal du deploye en MCP-server på en stabil HTTPS-adresse ved hjælp af protokollens transportmetode streamable HTTP, typisk på stien /mcp. Hvis værktøjer læser private data eller handler på vegne af en bruger, skal du beskytte serveren med den autorisationsflow, der er defineret af MCP-specifikationen – OAuth, hvilket lektion 8 beskriver detaljeret.

Grænsefladen: Et valgfrit lag

Et værktøj skal fungere uden en grænseflade: koncis tekst og et struktureret resultat er ofte nok til, at modellen kan svare. En grænseflade giver mening, når brugeren har brug for at inspicere, sammenligne, modificere, bekræfte eller gennemse struktureret information – f.eks. en produktsammenligning, en redigerbar tidsplan eller et kort. En simpel statuskontrol kræver generelt ikke en grænseflade.

Når den er til stede, er grænsefladen en ressource, som serveren deklarerer. ChatGPT viser den i en iframe, når det tilknyttede værktøj returnerer den. ChatGPT implementerer den åbne MCP Apps-standard: grænsefladen kommunikerer med værten via JSON-RPC ved hjælp af postMessage. ChatGPT-specifikke udvidelser, tilgængelige via window.openai, supplerer standarden, når den ikke dækker et specifikt behov. Lektion 6 dækker dette.

Færdigheder: Workflow-laget

En færdighed er en mappe, der indeholder en fil kaldet SKILL.md – med et navn, en beskrivelse, der fortæller modellen, hvornår den skal overvejes, instrukser og om nødvendigt referencer, scripts eller skabeloner. Modellen ser oprindeligt kun navnet og beskrivelsen; den indlæser de fulde instrukser, når anmodningen matcher færdigheden, eller når brugeren aktiverer den direkte. Derfor er OpenAI’s råd: Skriv beskrivelsen omkring brugerens mål og udløsende betingelser, og behold detaljerne trin-for-trin i brødteksten.

Hvad med handel?

Salg gennem et plugin er ikke et separat lag. Det er en rejse, som den valgfrie grænseflade kan understøtte ved at udnytte Checkout API’en dokumenteret af OpenAI. Lektion 7 forklarer, hvordan det fungerer, og hvilke begrænsninger der gælder.

Vigtige pointer

  • En MCP-server eksponerer værktøjer, ressourcer, prompts og instrukser; plugins stole primært på værktøjer
  • Et værktøjsresultat kombinerer structuredContent, content og _meta (skjult for modellen, men ikke sikkert)
  • Produktion: Stabil HTTPS, transportmetoden streamable HTTP, autorisation i henhold til MCP-specifikationen
  • Grænsefladen er en valgfri ressource, der vises af ChatGPT i henhold til MCP Apps-standarden
  • Færdigheder håndterer workflowet; serveren håndterer data, autorisation og handlinger