Optimieren: Metadaten, Fähigkeiten und Ereignisse
Auf dieser Seite
Lektion am 3. November 2026 neu verfasst basierend auf den OpenAI-Plugin-Dokumentationsseiten Optimize Metadata, Build Skills, MCP Events und Plugin Extensions. Die vorherige Version dieser Lektion stützte sich auf die
analytics- undexperiment-Module eines nicht existierenden SDKs. Quellen: Optimize Metadata · Build Skills · MCP Events · Plugin Extensions.
Metadaten sind Produkttext
ChatGPT und Codex entscheiden sich basierend auf den von Ihnen bereitgestellten Metadaten, wann sie Ihre Werkzeuge aufrufen. Gut geschriebene Namen, Beschreibungen und Parameter stellen sicher, dass Ihr Werkzeug bei Bedarf aufgerufen wird und verhindern unerwünschte Auslöser. OpenAI empfiehlt, diese Metadaten als Produkttext zu behandeln: Iterieren Sie daran, testen Sie es und messen Sie seine Leistung.
Ein Referenzsatz an Prompts
Bevor Sie Ihre Metadaten bearbeiten, erstellen Sie einen beschrifteten Satz an Testprompts:
- Direkte Prompts, die Ihr Produkt oder Ihre Datenquelle explizit benennen.
- Indirekte Prompts, die das gewünschte Ergebnis beschreiben, ohne Ihr Werkzeug zu nennen.
- Negative Prompts, die von integrierten Werkzeugen oder anderen Plugins behandelt werden sollten.
Dokumentieren Sie für jeden Prompt das erwartete Verhalten: Rufen Sie Ihr Werkzeug auf, tun Sie nichts oder überweisen Sie die Anfrage an eine andere Lösung. Verwenden Sie diesen Satz für jeden Nicht-Rückfall-Test.
Metadaten, die das Modell leiten
- Der Name sollte Domäne und Aktion kombinieren, wie z. B.
calendar.create_event. - Die Beschreibung sollte mit „Verwenden Sie, wenn…” beginnen und ausgeschlossene Fälle explizit auflisten, wie z. B. „Verwenden Sie dies nicht für Erinnerungen.”
- Jeder Parameter muss mit Beispielen dokumentiert sein und eine Liste erlaubter Werte enthalten, wenn der Eingabebereich eingeschränkt ist.
- Annotationen müssen das tatsächliche Verhalten widerspiegeln (siehe Lektionen 3 und 11).
Messen, dann iterieren
Verbinden Sie Ihren Server, installieren Sie das Plugin, führen Sie Ihren Prompt-Satz aus und protokollieren Sie, welches Werkzeug ausgewählt wurde, welche Argumente übergeben wurden und ob ein UI-Komponente angezeigt wurde. Verfolgen Sie zwei Metriken: Präzision (wurde das richtige Werkzeug aufgerufen?) und Rückruf (wurde das Werkzeug jedes Mal aufgerufen, wenn es sollte?). Streben Sie zunächst hohe Präzision bei negativen Prompts an, bevor Sie nach marginalen Gewinnen im Rückruf suchen.
Ändern Sie nur ein Feld zur gleichen Zeit, um zu isolieren, was die Verbesserung antreibt. Halten Sie ein datiertes Revisionsprotokoll mit Ergebnissen und lassen Sie Änderungen vor der Bereitstellung von jemand anderem prüfen. Prüfen Sie in der Produktion wöchentlich die Werkzeugnutzung. Ein Anstieg von „falschem Werkzeug”-Bestätigungen signalisiert in der Regel einen Metadaten-Drift. Sammeln Sie Benutzerfeedback und führen Sie Ihre Prompt-Tests regelmäßig durch, insbesondere nach dem Hinzufügen eines neuen Werkzeugs oder der Änderung eines strukturierten Feldes.
Fähigkeiten für wiederkehrende Arbeitsabläufe
Ihr Server stellt Daten, Authentifizierung und kontrollierte Aktionen bereit. Eine Fähigkeit stellt die Sequenz der Werkzeugaufrufe, Entscheidungsstellen, Ausgabeformatierung, Beispiele und Vorlagen bereit. Der schnellste Weg, um zu beginnen, ist das integrierte @skill-creator, bei dem Sie das Ziel des Benutzers und die MCP-Werkzeuge beschreiben, die dies unterstützen.
Eine starke SKILL.md-Datei legt fest, welche Schritte zu befolgen sind, welches Ergebnis der Benutzer erhalten sollte, welche Fakten das Modell nicht erfinden darf, wann Fragen zu stellen sind, wann zu stoppen oder abzulehnen ist, und welche Dateien zu konsultieren sind. Bevorzugen Sie eine fokussierte Fähigkeit für einen spezifischen Arbeitsablauf gegenüber einer großen Menge an disparaten Anweisungen. Trennen Sie Arbeitsabläufe, die sich in ihrem Auslöser, ihren Eingaben oder ihren Erfolgskriterien unterscheiden. Halten Sie SKILL.md prägnant und speichern Sie Details an anderer Stelle: Verwenden Sie references/ für Richtlinien, Schemata und Beispiele; assets/ für Vorlagen, die kopiert oder transformiert werden können; und scripts/ für deterministische Berechnungen – jedoch nur, wenn bestehende Anweisungen und Werkzeuge unzureichend sind.
Wenn eine Fähigkeit von einem MCP-Server abhängt, deklarieren Sie diese Abhängigkeit in agents/openai.yaml. Dies macht das Werkzeug verfügbar, ersetzt aber nicht die Notwendigkeit klarer Anweisungen darüber, welche Werkzeuge verwendet werden sollen, in welcher Reihenfolge und wie mit fehlenden oder mehrdeutigen Ergebnissen umgegangen werden soll. Für GPT-6 Astra rät OpenAI, seine Anleitung zur Befolgung von Anweisungen zu überprüfen: Eliminieren Sie vage oder widersprüchliche Direktiven und machen Sie explizit, dass Benutzeranweisungen Vorrang vor Fähigkeitsanweisungen haben.
Testen Sie die Aktivierung der Fähigkeit und die Ausgabequalität mit direkten, indirekten, unvollständigen (die eine erläuternde Frage auslösen sollten), abseits des Themas und Grenzfällen, bei denen die Fähigkeit vermeiden muss, Halluzinationen zu erzeugen oder außerhalb ihres Bereichs zu handeln. Wenn eine Fähigkeit zum falschen Zeitpunkt aktiviert wird, korrigieren Sie ihre Beschreibung. Wenn sie den richtigen Arbeitsablauf auswählt, aber inkonsistente Ergebnisse liefert, korrigieren Sie ihre Anweisungen.
MCP-Ereignisse: Reagieren auf Änderungen
MCP-Ereignisse ermöglichen es ChatGPT, sich Updates von Ihrem Server anzumelden, wie z. B. neue Nachrichten, geänderte Inhalte oder Statusänderungen. Der Benutzer wählt aus, was überwacht werden soll, und wie ChatGPT reagieren soll, wenn ein Update eintrifft – zum Beispiel: „Überwachen Sie dieses Dokument und wenden Sie die in den Kommentaren angeforderten Korrekturen an.”
- Ihr Server listet die von ihm unterstützten Ereignisse auf.
- Der Benutzer sagt ChatGPT, was überwacht werden soll und wie reagiert werden soll.
- ChatGPT meldet sich über Ihren MCP-Server an, indem es eine Callback-URL und ein Signierungsgeheimnis bereitstellt.
- Ihr Server sendet relevante Ereignisse an diese URL.
- ChatGPT empfängt das Ereignis im abonnierten Gespräch und folgt den Anweisungen des Benutzers.
Diese Funktion ist in ChatGPT-Arbeitsgesprächen im Web und in der Desktop-App verfügbar, wenn Cloud ausgewählt ist. ChatGPT stützt sich auf die Webhook-Lieferung, wie in der Entwurfsspezifikation für MCP-Ereignisse definiert. Ihr Server muss Abonnements persistent speichern und in der Lage sein, Callback-URLs über HTTPS zu erreichen.
Erweiterungen der ChatGPT-Oberfläche
OpenAI MCP Extensions ermöglichen es einem Plugin, in Schlüsselbereichen der ChatGPT-Oberfläche zu integrieren: die Seitenleiste, den Eingabebereich und Dateianzeigen. Erwähnungen im Eingabebereich sind nur in der Desktop-App verfügbar. OpenAI veröffentlicht ein Beispiel-Plugin, Bits & Bolts, das diese Erweiterungen demonstriert und deren Bereitstellung verfolgt. Dies ist der beste Ausgangspunkt, um diese Möglichkeit zu erkunden.
Kernaussagen
- Behandeln Sie Metadaten als Produkttext: Verwenden Sie einen Satz an Referenzprompts, verfolgen Sie Präzision und Rückruf und ändern Sie ein Feld zur gleichen Zeit.
- Schreiben Sie Beschreibungen, die mit „Verwenden Sie, wenn…” beginnen, listen Sie ausgeschlossene Fälle explizit auf und dokumentieren Sie alle Parameter.
- Erstellen Sie pro Arbeitsablauf eine fokussierte Fähigkeit, halten Sie
SKILL.mdprägnant, speichern Sie Ressourcen separat und deklarieren Sie MCP-Abhängigkeiten. - MCP-Ereignisse meldet ChatGPT an Updates Ihres Servers, die über Webhook geliefert werden.
- Erweiterungen integrieren Ihr Plugin in die Seitenleiste, den Eingabebereich und die Dateianzeigen.
Testen Sie Ihr Wissen
Von MCP-Werkzeugen bis zur Veröffentlichung: Überprüfen Sie, ob Sie die Grundlagen gemeistert haben.
1. Brauche ich ein `@openai/apps-sdk`-Paket, um eine App in ChatGPT zu erstellen?
Antwort: Nein, dieses Paket existiert nicht. Sie erstellen einen MCP-Server unter Verwendung der offiziellen Protokoll-SDKs (@modelcontextprotocol/sdk für TypeScript, mcp für Python), fügen optional eine Schnittstelle hinzu, die mit dem MCP-Apps-Standard konform ist, und verteilen das Ganze als Plugin.
2. Kann ein Werkzeug ohne UI existieren?
Antwort: Ja, und es sollte: Ein Werkzeug gibt structuredContent und eine kurze Textzusammenfassung zurück, was für das Modell ausreicht. Die UI, die über _meta.ui.resourceUri angehängt ist, wird nur hinzugefügt, wenn sie Benutzern hilft, Informationen zu inspizieren, zu vergleichen, zu bearbeiten, zu bestätigen oder zu navigieren.
3. Wer entscheidet, ob ein Benutzer Berechtigung hat, auf Daten zuzugreifen?
Antwort: Der MCP-Server entscheidet bei jeder Anfrage basierend auf dem verifizierten OAuth-Token (Signatur, Aussteller, Publikum, Ablaufdatum, Bereiche). Annotationen helfen ChatGPT, das angemessene Bestätigungsniveau auszuwählen, ersetzen aber niemals die serverseitige Autorisierung.
4. Kann ein Plugin ein Abo für seinen Dienst verkaufen?
Antwort: Nein. Regeln beschränken den Handel auf physische Güter. Ein bestehender Abonnent kann sich anmelden und die im Plan enthaltenen Funktionen verwenden. Das Plugin kann erklären, dass eine Funktion nicht enthalten ist, und einen Link zu einer Informationsseite hinzufügen, aber es darf niemals einen Link zu einer Zahlungsseite hinzufügen.
5. Wie aktualisieren sich Werkzeuge für ein veröffentlichtes Plugin?
Antwort: Ohne eine neue ZIP-Datei: OpenAI scannt den Server erneut, und jedes neue oder geänderte Werkzeug wird verfügbar, nachdem es automatischen Prüfungen standgehalten hat. Ein gelöschtes Werkzeug verschwindet sofort. Metadaten und Fähigkeiten erfordern jedoch eine neue ZIP-Datei und eine neue Prüfung.
Gut beschriebene Werkzeuge, optionale UIs, serverseitige Autorisierung und Einhaltung der Regeln: Dies ist das Rahmenwerk, das ein Plugin zu einem zuverlässigen Dienst in ChatGPT und Codex macht.