Test og fejlfinding
Lektionen er omskrevet den 3. november 2026 baseret på siderne Connect and test your plugin og Troubleshooting fra OpenAI’s plugin-dokumentation. Den tidligere „development playground” og dens kommandoer hørte hjemme i det ikke-eksisterende SDK fra første version af dette kursus. Kilder: Connect and test · Troubleshooting.
Test i lag
OpenAI anbefaler, at du tester hver enkelt funktion, før du deployer det fulde, installerede plugin: først den selvstændige MCP-server forbundet til ChatGPT, derefter det pakkede plugin med dets færdigheder. Behold dine evalueringsprompts og deres resultater gennem hele udviklingen, så du kan sammenligne adfærd på tværs af versioner.
MCP-serveren
Forbered endpointet
Før du tester i ChatGPT, skal du verificere, at serveren er tilgængelig via offentlig HTTPS – eller gennem en Secure MCP Tunnel – at den taler streamable HTTP (typisk på /mcp), at værktøjsnavne, beskrivelser, skemaer og annotationer er til stede, og at autentificeringsdiscovery fungerer for værktøjer, der kræver en konto. En udviklingstunnel er fin til forsøg, men ikke til indsendelse.
Inspicér
MCP Inspector kalder dine værktøjer direkte uden en model:
npx @modelcontextprotocol/inspector@latest
Sæt hvert værktøj på prøve: repræsentative input, randtilfælde, manglende legitimationsoplysninger og tomme resultater. Tjek validering af skema, autentificeringsfejl, annotationer, bekræftelsesadfærd og model-læsbart output.
Evaluér værktøjsvalg
Når serveren er forbundet som et personligt plugin (Lektion 4), skal du installere den, åbne en ny samtale, taste @ og vælge den. Opbyg et evalueringsdatasæt, der indeholder:
- Direkte anmodninger, der bør udløse et specifikt værktøj;
- Indirekte anmodninger, der udtrykker samme mål på en anden måde;
- Opfølgende anmodninger, der genbruger identifikatorer opnået tidligere;
- Skriveoperationer, der kræver autorisation eller bekræftelse;
- Anmodninger uden for scope, der ikke bør udløse noget værktøj.
For hver af disse skal du registrere det valgte værktøj, dets argumenter, resultatet, eventuelle fejl og bekræftelsesadfærd. Afspil hele datasættet, hver gang du ændrer et navn, en beskrivelse, et skema eller en annotation. Hvis serveren returnerer en UI-komponent, skal du teste både selve komponenten og det model-læsbare resultat.
Se rå udvekslinger
For at læse fulde forespørgsler og svar accepterer API Playground en MCP-server: gå til Tools → Add → MCP Server, indtast HTTPS-adressen, opret forbindelse, og kør derefter dine testprompts.
Opdater metadata
Efter enhver ændring af et navn, en beskrivelse, et skema, en annotation, en autentificeringsmetode eller en UI-ressource: gen-deploy eller genstart serveren, åbn forbindelsen på chatgpt.com/plugins, vælg Refresh, verificér, at de annoncerede metadata er ændret, og afspil de relevante tests i en ny samtale. Denne opdatering gælder for direkte forbundne servere; for et publiceret plugin falder værktøjsopdateringer under løbende gennemgang (Lektion 11).
Før pakning skal du verificere, at værktøjslisten matcher de annoncerede funktioner, at strukturerede resultater overholder output-skemaer, at autentificeringsfejl returnerer brugbare fejlmeddelelser, at de rigtige prompts udløser de rigtige værktøjer, mens forkerte ikke udløser nogen, og at UI’en render uden konsolfejl, mens den korrekt gendanner sin tilstand.
Det fulde plugin
Når serveren er klar – eller med det samme for et plugin, der kun består af færdigheder – skal du pakke pluginet (Lektion 10), tilføje det til et lokalt marked, installere det fra plugin-kataloget og derefter afspille forespørgslerne fra din use-case-liste: direkte, indirekte, opfølgende, negative og bevidst ekskluderede randtilfælde. Verificér, at pluginet følger instrukserne for færdigheder, bruger de korrekte ressourcer, fuldfører hvert trin og producerer et brugbart resultat; at færdigheder kalder de korrekte værktøjer; og at autentificering fungerer efter installation.
Diagnosticér efter lag
Når noget går galt, skal du starte med at isolere det fejlbehæftede lag: server, komponent eller ChatGPT-klient.
| Symptom | Ledetråd |
|---|---|
| Ingen værktøjer vist | Kører serveren? Slutter adressen på /mcp? |
| Strukturerede data, men ingen komponent | Indeholder værktøjet _meta.ui.resourceUri, der peger på en registreret ressource af typen text/html;profile=mcp-app, som indlæses uden CSP-fejl? |
| Skemafejl | Matcher dine Python- eller TypeScript-modeller det annoncerede outputSchema? |
| Langsom komponent | Overskrider værktøjskald få hundrede millisekunder? Profilér og caché. |
| Komponent indlæses ikke | Browserkonsol: CSP-overtrædelse, ufuldstændigt bundle? |
| Tilstand mistet (drag-and-drop, redigering) | Kald window.openai.setWidgetState efter hver opdatering og gendan fra window.openai.widgetState ved montering. |
| Layout ødelagt på mobil | Læs window.openai.displayMode og window.openai.maxHeight; undgå faste højder og hover-handlinger. |
| Værktøj vælges aldrig | Omskriv beskrivelsen som „Brug når…”, gennemgå startprompts. |
| Forkert værktøj valgt | Afklar naboværktøjer, specificér ekskluderede tilfælde, opdel for brede værktøjer. |
| 401-fejl | Inkludér WWW-Authenticate i svaret; verificér udsteder og målgruppe. |
invalid_client på en eksisterende forbindelse | Eksisterer den registrerede OAuth-klient stadig? Gendan den i stedet for at oprette en ny. |
| ngrok-tunnel udløber | Genstart den, verificér at den lokale server kører; brug stabil hosting med health probes i produktion. |
| Streaming brudt bag en proxy | Load balanceren eller CDN’en skal sende HTTP-streaming igennem uden buffering. |
Hvis problemet fortsætter, skal du indsamle serverlogs, komponentkonsollen, en transskription af værktøjskald og skærmbilleder. Notér den brugte prompt og send alt til din kontaktperson hos OpenAI.
Vigtige pointer
- Test i lag: server alene (Inspector, derefter ChatGPT), derefter det fulde plugin
- Opbyg et evalueringsdatasæt: direkte, indirekte, opfølgende, skrive- og out-of-scope-anmodninger
- API Playground viser rå MCP-udvekslinger
- Refresh efter hver metadataændring, og start derefter en ny samtale
- Når problemer opstår, skal du først isolere laget: server, komponent eller klient