Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Ihr erstes Plugin

Lektion 4 von 14 Aktualisiert am 3. November 2026 Entwickler
Auf dieser Seite
  1. Zwei Schritte
  2. Schritt 1: Ein persönliches Plugin in fünf Minuten
  3. Schritt 2: Ihr eigener Server
  4. Neuladen nach jeder Änderung
  5. Kernaussagen

Lektion neu geschrieben am 3. November 2026 basierend auf den Seiten Quickstart, MCP-Server und UI-Quickstart sowie Verbinden und Testen Ihres Plugins in der OpenAI-Plugins-Dokumentation. Das vorherige Beispiel „Wetter-App in 30 Minuten” stützte sich auf ein nicht existierendes SDK. Wir haben die npm-Paketversionen am 3. November 2026 überprüft: @modelcontextprotocol/ext-apps 2.x baut auf dem MCP-SDK v2 auf, während OpenAIs Beispiele v1 verwenden. Quellen: Quickstart · MCP-Server und UI-Quickstart · Verbinden und testen.

Zwei Schritte

Zuerst verbinden Sie einen bestehenden MCP-Server, um den vollständigen ChatGPT-Ablauf zu sehen, ohne eine einzige Zeile Code zu schreiben. Anschließend schreiben Sie Ihren eigenen Server, testen ihn lokal und verbinden ihn auf dieselbe Weise.

Schritt 1: Ein persönliches Plugin in fünf Minuten

OpenAI stellt einen öffentlichen, nicht authentifizierten Beispiel-MCP-Server bereit, der ein einziges schreibgeschütztes Tool auslegt: roll_dice.

  1. Gehen Sie zu ChatGPT Plugins, wählen Sie die +-Schaltfläche und dann Benutzerdefinierten MCP-Server hinzufügen.
  2. Geben Sie einen Namen ein und setzen Sie die Server-URL auf https://tinymcp.dev/api/moldy-aloof-zettabyte/mcp. Wählen Sie Keine Authentifizierung.
  3. Lesen Sie die Warnung zum Risiko, wählen Sie Ich verstehe und möchte fortfahren, und klicken Sie dann auf Als Plugin erstellen.
  4. Das Plugin erscheint in Ihrer Liste der persönlichen Plugins: Öffnen Sie es und installieren Sie es mit der +-Schaltfläche.
  5. Kehren Sie zur ChatGPT-Startseite zurück, wechseln Sie vom Chat-Tab zum Arbeits-Tab, starten Sie ein neues Gespräch, tippen Sie @ und wählen Sie Ihr Plugin aus.
  6. Befehl es, einen zwanzigseitigen Würfel zu werfen: Es sollte roll_dice genau einmal aufrufen, wobei sides auf 20 gesetzt ist, und einen Wert zwischen 1 und 20 zurückgeben.

Hören Sie nicht auf dem glücklichen Weg auf. Versuchen Sie verschiedene Würfelgrößen, ungültige Werte und Anfragen, die kein Tool auslösen sollten. Dieser Reflex treibt den Rest des Kurses an: Wenn das Modell das falsche Tool auswählt oder seine Argumente variiert, müssen Sie die Beschreibung und das Schema des Tools verfeinern. Beachten Sie auch, dass Ihre Konten- oder Arbeitsbereichsrichtlinien das Hinzufügen benutzerdefinierter MCP-Server regeln: In einer Organisation kann diese Option eingeschränkt sein.

Schritt 2: Ihr eigener Server

Offizielle SDKs installieren

Offizielle Protokoll-SDKs existieren für TypeScript (@modelcontextprotocol/sdk) und Python (mcp). Dieser Kurs folgt den Beispielen von OpenAI, die in TypeScript mit SDK v1 geschrieben wurden. Fixieren Sie Ihre Versionen: Stand September 2026 stützt sich @modelcontextprotocol/ext-apps 2.x – das Schnittstellenpaket, das Sie in Lektion 6 hinzufügen – auf die neuen v2-SDK-Pakete (@modelcontextprotocol/server…), die mit v1-Importen inkompatibel sind.

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 fügt "type": "module" zu package.json hinzu, was für die import-Anweisungen des Servers erforderlich ist.

Server schreiben

Dieser Server passt in eine einzelne Datei, server.js. Er hält Notizen im Speicher und stellt zwei Tools bereit: eines zum Lesen und eines zum Schreiben, getrennt, wie in Lektion 3 empfohlen.

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 = []; // Beispiel für Daten im Speicher: Ersetzen Sie dies durch Ihre eigene Speicherlösung
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;
  }

  // Stateless Mode: Neuer Server und Transport pro Anfrage
  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`));

Drei Details sind wichtig. Jedes Tool deklariert einen Titel, eine Beschreibung der Absicht, Schemata und exakte Annotationen: Dies ist sein „Profil” für das Modell. Jedes Ergebnis kombiniert structuredContent, das vom Modell wiederverwendet werden kann, und content, eine kurze Textnachricht. Schließlich gibt jede Adresse außer /mcp eine 404 zurück: Das Beispiel von OpenAI tut dies für OAuth-Entdeckungs-Routen, die Sie noch nicht verwenden, um zu verhindern, dass ChatGPT während Ihrer nicht authentifizierten Tests 502-Fehler anzeigt. Dasselbe Beispiel fügt eine Antwort für den vorläufigen CORS-Anfrage (OPTIONS) und eine GET / für Gesundheitsprüfungen hinzu; fügen Sie diese hinzu, wenn Ihre Hosting-Lösung dies erwartet.

Lokales Testen mit MCP Inspector

node server.js
npx @modelcontextprotocol/inspector@latest

Wählen Sie im Inspector Streamable HTTP, geben Sie http://localhost:8787/mcp, ein und verbinden Sie sich. Überprüfen Sie, dass die Initialisierung erfolgreich ist, dass beide Tools mit ihren Schemata und Annotationen erscheinen, und rufen Sie sie mit gültigen und ungültigen Eingaben auf – eine leere Textzeichenfolge muss durch das Schema abgelehnt werden.

Server freigeben und verbinden

ChatGPT muss Ihren Server aus dem Internet erreichen. Während der Entwicklung reicht ein Tunnel – die Dokumentation zitiert ngrok:

ngrok http 8787

Sie erhalten eine öffentliche HTTPS-Adresse. Verbinden Sie sich wie in Schritt 1, einschließlich des Pfades /mcp (z. B. https://<subdomain>.ngrok.app/mcp), installieren Sie das resultierende Plugin und rufen Sie es mit @ auf: „Speichern Sie eine Notiz: Rufen Sie den Lieferanten Montag an.” ChatGPT zeigt die mit dem Tool ausgetauschten Daten an, sodass Sie Eingaben und Ausgaben überprüfen können.

Ein Entwicklungstunnel funktioniert nur für Tests: Für die Veröffentlichung ist ein stabiler, öffentlicher HTTPS-Endpunkt erforderlich (Lektion 5).

Neuladen nach jeder Änderung

ChatGPT puffert die Metadaten Ihres Servers. Nach jeder Änderung am Namen, der Beschreibung, dem Schema, der Annotation, der Authentifizierung oder der Schnittstellenressource: Starten Sie den Server neu oder laden Sie ihn neu, öffnen Sie die Verbindung unter chatgpt.com/plugins, wählen Sie Aktualisieren, überprüfen Sie, dass sich die angekündigten Metadaten geändert haben, und starten Sie dann ein neues Gespräch, um Ihre Tests erneut durchzuführen. Wenn Sie diesen Schritt überspringen, testen Sie die alte Version, ohne es zu merken.

Kernaussagen

  • Erstellen Sie ein persönliches Plugin über Benutzerdefinierten MCP-Server hinzufügen und rufen Sie es mit @ in ChatGPT auf
  • Offizielle SDKs: @modelcontextprotocol/sdk (TypeScript) und mcp (Python); fixieren Sie v1 mit ext-apps 1.x, um den Beispielen von OpenAI zu folgen
  • Minimaler Server: McpServer, registerTool, streamable HTTP-Transport auf /mcp
  • Verwenden Sie MCP Inspector für lokale Tests und einen Tunnel für ChatGPT-Tests
  • Nach jeder Änderung der Metadaten: Aktualisieren, dann ein neues Gespräch starten