Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Design: Use Cases and Tools

Lektion 3 af 14 Opdateret 3. november 2026 Udvikler
På denne side
  1. Start med forventninger, ikke API’et
  2. Oversigten over use cases
  3. Udelad, og dokumentér det
  4. Fra use cases til værktøjer
  5. Hvert værktøjs kontrakt
  6. Beskrivelser skrevet for at blive valgt
  7. Sikkerhedsannotationer
  8. En plan, der fungerer som testplan
  9. Vigtige pointer

Lektionen omskrevet den 3. november 2026 baseret på OpenAIs dokumentationssider om Brainstorm plugin use cases og Define tools. Den tidligere lektion installerede en ikke-eksisterende @openai/apps-sdk-pakke og et chatgpt-app.json-manifest; installationen af de faktiske værktøjer (officielle MCP SDK’er) finder sted i lektion 4. Kilder: Brainstorm plugin use cases · Define tools.

Start med forventninger, ikke API’et

OpenAIs dokumentation anbefaler, at du starter med at bygge et plugin, før du skriver en eneste linje kode: ved at liste op, hvad folk vil forvente af det. Pluginnets navn, beskrivelse, færdigheder, værktøjer og det produkt, det knytter sig til, skaber alle forventninger; din implementering skal leve op til dem eller have en bevidst grund til ikke at gøre det.

Forestil dig nogen, der har installeret dit plugin uden at læse dokumentationen. Hvad vil de bede det om? For at finde ud af det skal du trække på de opgaver, dine brugere allerede udfører i dit produkt, supportsager, søgeforespørgsler, funktionsønsker, det ordforråd de bruger, og nødløsninger, der tvinger dem til at kopiere data fra ét værktøj til et andet. Notér direkte forespørgsler, der nævner pluginnet ved navn, og indirekte forespørgsler, der kun angiver målet: et projektstyringsplugin skal håndtere „Vis Acme-opstartstavlen” lige så godt som „Hvad blokerer for opstarten?”

Begræns ikke denne oversigt til det, dit API allerede kan. List forventningerne først, og sammenlign dem derefter med det, du sikkert og pålideligt kan levere.

Oversigten over use cases

For hvert use case anbefaler OpenAI, at du besvarer syv spørgsmål:

FeltSpørgsmål
MålHvad forsøger personen at opnå?
EksempelforespørgslerHvordan ville de formulere det, direkte eller indirekte?
Forventet resultatHvad ville gøre interaktionen succesfuld?
Påkrævet kontekstHvilken information, kontoadgang eller tidligere tilstand er nødvendig?
KapacitetEr en færdighed tilstrækkelig, eller kræves der et MCP-værktøj?
SikkerhedsgrænseKunne det afsløre data, ændre tilstand, bruge penge eller påvirke en tredjepart?
BeslutningFørste version, senere eller bevidst udelukkelse?

Gruppér forespørgsler, der deler et mål: „List mine åbne opgaver”, „Hvad skal jeg lave i dag?” og „Vis forfaldent arbejde” hører sandsynligvis til samme use case for opgavegennemgang, men med forskellige filtre.

Verificér derefter dækningsgraden. Hvert valgt use case skal have en komplet sti fra forespørgsel til resultat; skrivninger skal inkludere autorisation og bekræftelse; og pluginnet skal vide, hvordan det siger, hvad det ikke gør, mens det tilbyder et brugbart næste skridt. Et plugin, der lader dig oprette projekter, men ikke liste, vise eller redigere dem, lover mere, end det leverer: enten færdiggør du det eller indsnævrer dets positionering.

Udelad, og dokumentér det

Du behøver ikke implementere alt, men hver større udelukkelse fortjener en begrundelse: uacceptabel sikkerheds- eller privatlivsrisiko, et API der ikke kan understøtte det pålideligt, ikke-verificerbare tilladelser, vildledende resultater på grund af manglende information eller et omfang for første version, der er tydeligt angivet i plugin-listingen. Registrér disse beslutninger: de informerer om begrænsninger for færdigheder, værktøjsbeskrivelser, afvisninger, tests og den offentlige listingstekst.

Fra use cases til værktøjer

Et værktøj skal tjene et brugermål. Kopier ikke bare dit interne API, som det er. For hvert valgt use case skal du skrive det forventede resultat, liste påkrævet information, identificere læsninger, skrivninger og eksterne handlinger, gruppere det, der danner en sammenhængende handling – og adskille det, der adskiller sig ved tilladelser, risiko eller behov for bekræftelse.

OpenAIs eksempel på et projektplugin:

  • list_projects til at finde projekter;
  • get_project til at undersøge ét;
  • create_project til at oprette ét;
  • update_project til at ændre detaljer;
  • archive_project til en tilstandsændring med store konsekvenser.

Læsninger og skrivninger adskilles, så modellen og brugeren kan skelne mellem konsultation og modificering.

Hvert værktøjs kontrakt

FeltDefiner
NavnEn stabil, handlingsorienteret identifikator
TitelEn kort, menneskelæsbar handling
BeskrivelseBrugerens mål og betingelser, der bør udløse værktøjet
Input-skemaPåkrævede og valgfrie parametre, typer, tilladte værdier, grænser
Output-skemaStrukturerede felter, som modellen kan inspicere og genbruge
AutorisationDen konto, rolle eller adgang, som serveren skal verificere
SideeffekterData eller ekstern tilstand, som værktøjet kan ændre
FejlFejl, som modellen kan forklare eller komme sig efter

Tre regler fuldender denne tabel. Eksplicitte inputs: stol ikke på, at modellen gætter et ID eller et konto-omfang. Genanvendelige outputs: returnér stabile ID’er og nok information til det næste kald. Ryddelige outputs: ingen hemmeligheder, adgangstokens, intern diagnostik eller unødvendige personlige data.

Beskrivelser skrevet for at blive valgt

Modellen vælger værktøjer baseret på deres beskrivelse: beskriv brugerens hensigt, ikke implementeringen. En god beskrivelse fortæller, hvad værktøjet gør, hvornår det skal bruges, hvordan det adskiller sig fra sine naboer, og hvad dets grænser eller forudsætninger er. Undgå dem, der gentager værktøjets navn eller bruger intern jargon, som dine brugere ikke kender.

Sikkerhedsannotationer

Hvert værktøj bærer annotationer, indstillet baseret på dets faktiske adfærd:

  • readOnlyHint er kun true, hvis værktøjet ikke kan ændre nogen tilstand;
  • destructiveHint er true, hvis værktøjet kan producere et irreversibelt eller svært at fortryde resultat;
  • openWorldHint er true, hvis værktøjet får adgang til det offentlige internet eller åbne eksterne enheder, selv læse-only som en websøgning. En privat, afgrænset konto eller workspace er ikke „åben”, blot fordi den er hostet et andet sted.

Annotationer hjælper ChatGPT og Codex med at vælge det rigtige bekræftelsesniveau, men de erstatter ikke server-side autorisation, input-validering eller bekræftelse for vigtige handlinger.

En plan, der fungerer som testplan

Behold oversigten og værktøjsplanen: de bliver din tjekliste. Tilføj direkte, indirekte, kanttilfælde og forespørgsler uden for omfanget, og verificér, at det færdige plugin opfører sig som forventet for hver enkelt. Kig også efter værktøjer, der ikke tjener noget dokumenteret use case, manglende læsninger før skrivninger, og beskrivelser, der er for tæt på hinanden, hvilket kan forvirre modellen.

Vigtige pointer

  • Start med, hvad brugere vil forvente, og sammenlign derefter med det, du sikkert kan levere
  • En oversigt med syv spørgsmål per use case, inklusive bevidste udelukkelser
  • Ét værktøj per sammenhængende handling; læsninger og skrivninger adskilt
  • Én kontrakt per værktøj: navn, titel, beskrivelse, skemaer, autorisation, sideeffekter, fejl
  • Annotationer (readOnlyHint, destructiveHint, openWorldHint) følger faktisk adfærd og erstatter ikke autorisation