Optimización: metadatos, habilidades y eventos
En esta página
Lección reescrita el 3 de noviembre de 2026 basándose en las páginas de documentación de complementos de OpenAI Optimize Metadata, Build Skills, MCP Events y Plugin Extensions. La versión anterior de esta lección dependía de los módulos
analyticsyexperimentde un SDK inexistente. Fuentes: Optimize Metadata · Build Skills · MCP Events · Plugin Extensions.
Los metadatos son texto comercial
ChatGPT y Codex deciden cuándo llamar a tus herramientas basándose en los metadatos que proporcionas. Unos nombres, descripciones y parámetros bien redactados garantizan que tu herramienta se invoque cuando sea necesario y evitan activaciones no deseadas. OpenAI recomienda tratar estos metadatos como texto comercial: itéralos, pruébalos y mide su rendimiento.
Un conjunto de indicaciones de referencia
Antes de tocar tus metadatos, crea un conjunto etiquetado de indicaciones de prueba:
- Indicaciones directas que nombran explícitamente tu producto o fuente de datos.
- Indicaciones indirectas que describen el resultado deseado sin nombrar tu herramienta.
- Indicaciones negativas que deben ser gestionadas por herramientas integradas u otros complementos.
Para cada indicación, documenta el comportamiento esperado: llamar a tu herramienta, no hacer nada o delegar en otra solución. Utiliza este conjunto para todas las pruebas de no regresión.
Metadatos que guían al modelo
- El nombre debe combinar el dominio y la acción, por ejemplo
calendar.create_event. - La descripción debe comenzar con «Usar cuando…» y enumerar explícitamente los casos excluidos, como «No usar para recordatorios».
- Cada parámetro debe documentarse con ejemplos y una lista de valores permitidos si la entrada está restringida.
- Las anotaciones deben reflejar el comportamiento real (véanse las lecciones 3 y 11).
Mide y luego itera
Conecta tu servidor, instala el complemento, ejecuta tu conjunto de indicaciones y registra qué herramienta se seleccionó, qué argumentos se pasaron y si se mostró algún componente de interfaz de usuario. Realiza un seguimiento de dos métricas: precisión (¿se llamó a la herramienta correcta?) y exhaustividad (¿se llamó a la herramienta cada vez que debió hacerse?). Prioriza una alta precisión en las indicaciones negativas antes de buscar ganancias marginales en la exhaustividad.
Cambia solo un campo a la vez para aislar qué impulsa la mejora. Mantén un registro de revisiones fechado con los resultados y haz que otra persona revise los cambios antes del despliegue. En producción, revisa el uso de las herramientas semanalmente. Un pico en confirmaciones de «herramienta incorrecta» suele señalar una deriva en los metadatos. Recopila comentarios de los usuarios y vuelve a ejecutar tus pruebas de indicaciones regularmente, especialmente después de añadir una nueva herramienta o modificar un campo estructurado.
Habilidades para flujos de trabajo recurrentes
Tu servidor proporciona datos, autenticación y acciones controladas. Una habilidad proporciona la secuencia de llamadas a herramientas, puntos de decisión, formato de salida, ejemplos y plantillas. La forma más rápida de empezar es con el creador integrado @skill-creator, donde describes el objetivo del usuario y las herramientas MCP que lo respaldan.
Un archivo SKILL.md sólido especifica qué pasos seguir, qué resultado debe recibir el usuario, qué hechos no debe inventar el modelo, cuándo hacer preguntas, detenerse o rechazar una solicitud, y qué archivos consultar. Prefiere una habilidad enfocada para un flujo de trabajo específico en lugar de un gran conjunto de instrucciones dispares. Divide los flujos de trabajo que difieren en su desencadenante, entradas o criterios de éxito. Mantén SKILL.md conciso y almacena los detalles en otro lugar: usa references/ para políticas, esquemas y ejemplos; assets/ para plantillas que copiar o transformar; y scripts/ para cálculos deterministas, pero solo si las instrucciones y herramientas existentes son insuficientes.
Si una habilidad depende de un servidor MCP, declara esa dependencia en agents/openai.yaml. Esto hace que la herramienta esté disponible, pero no sustituye la necesidad de instrucciones claras sobre qué herramientas usar, en qué orden y cómo manejar resultados faltantes o ambiguos. Para GPT-6 Astra, OpenAI aconseja revisar sus directrices sobre el seguimiento de instrucciones: elimina directivas vagas o contradictorias y deja explícito que las instrucciones del usuario tienen prioridad sobre las instrucciones de la habilidad.
Prueba la activación de la habilidad y la calidad de la salida utilizando indicaciones directas, indirectas, incompletas (que deberían desencadenar una pregunta de clarificación), fuera de tema y casos límite donde la habilidad debe evitar alucinar o actuar fuera de su ámbito. Si una habilidad se activa en el momento equivocado, corrige su descripción. Si selecciona el flujo de trabajo correcto pero produce resultados inconsistentes, corrige sus instrucciones.
Eventos MCP: reaccionar a los cambios
Los eventos MCP permiten a ChatGPT suscribirse a actualizaciones de tu servidor, como nuevos mensajes, contenido modificado o cambios de estado. El usuario elige qué monitorizar y cómo debe reaccionar ChatGPT cuando llega una actualización; por ejemplo: «Monitoriza este documento y aplica las correcciones solicitadas en los comentarios».
- Tu servidor enumera los eventos que admite.
- El usuario indica a ChatGPT qué monitorizar y cómo reaccionar.
- ChatGPT se suscribe a través de tu servidor MCP, proporcionando una URL de devolución de llamada y un secreto de firma.
- Tu servidor envía los eventos relevantes a esa URL.
- ChatGPT recibe el evento en la conversación suscrita y sigue las instrucciones del usuario.
Esta función está disponible en las conversaciones de ChatGPT Work en la web y en la aplicación de escritorio con Cloud seleccionado. ChatGPT depende de la entrega de webhooks tal como se define en el borrador de la especificación de eventos MCP. Tu servidor debe persistir las suscripciones y ser capaz de alcanzar las URL de devolución de llamada a través de HTTPS.
Extensiones de la interfaz de ChatGPT
Las extensiones MCP de OpenAI permiten que un complemento se integre en áreas clave de la interfaz de ChatGPT: la barra lateral, el área de entrada y los visores de archivos. Las menciones en el área de entrada solo están disponibles en la aplicación de escritorio. OpenAI publica un complemento de ejemplo, Bits & Bolts, que demuestra estas extensiones y rastrea su despliegue. Es el mejor punto de partida para explorar esta capacidad.
Puntos clave
- Trata los metadatos como texto comercial: utiliza un conjunto de indicaciones de referencia, rastrea la precisión y la exhaustividad, y cambia un campo a la vez.
- Escribe descripciones que comiencen con «Usar cuando…», enumera explícitamente los casos excluidos y documenta todos los parámetros.
- Crea una habilidad enfocada por flujo de trabajo, mantén
SKILL.mdconciso, almacena los recursos por separado y declara las dependencias de MCP. - Los eventos MCP suscriben a ChatGPT a las actualizaciones de tu servidor, entregadas mediante webhook.
- Las extensiones integran tu complemento en la barra lateral, el área de entrada y los visores de archivos.
Pon a prueba tus conocimientos
Desde las herramientas MCP hasta la publicación: verifica que has dominado los fundamentos.
1. ¿Necesito un paquete `@openai/apps-sdk` para crear una aplicación en ChatGPT?
Respuesta: No, ese paquete no existe. Construyes un servidor MCP utilizando los SDK oficiales del protocolo (@modelcontextprotocol/sdk para TypeScript, mcp para Python), opcionalmente añades una interfaz conforme al estándar MCP Apps y distribuyes todo el conjunto como un complemento.
2. ¿Puede existir una herramienta sin interfaz de usuario?
Respuesta: Sí, y debería ser así: una herramienta devuelve structuredContent y un breve resumen de texto, lo cual es suficiente para el modelo. La interfaz de usuario, adjunta mediante _meta.ui.resourceUri, se añade solo cuando ayuda a los usuarios a inspeccionar, comparar, editar, confirmar o navegar por la información.
3. ¿Quién decide si un usuario tiene permiso para acceder a los datos?
Respuesta: El servidor MCP decide en cada solicitud, basándose en el token OAuth verificado (firma, emisor, audiencia, caducidad, ámbitos). Las anotaciones ayudan a ChatGPT a elegir el nivel de confirmación adecuado, pero nunca sustituyen la autorización del lado del servidor.
4. ¿Puede un complemento vender una suscripción a su servicio?
Respuesta: No. Las normas restringen el comercio a bienes físicos. Un suscriptor existente puede iniciar sesión y utilizar las funciones incluidas en su plan. El complemento puede explicar que una función no está incluida y enlazar a una página de información, pero nunca debe enlazar a una página de pago.
5. ¿Cómo se actualizan las herramientas para un complemento publicado?
Respuesta: Sin un nuevo archivo ZIP: OpenAI vuelve a escanear el servidor y cualquier herramienta nueva o modificada estará disponible después de superar las comprobaciones automatizadas. Una herramienta eliminada desaparece inmediatamente. Sin embargo, los metadatos y las habilidades requieren un nuevo archivo ZIP y una nueva revisión.
Herramientas bien descritas, interfaces de usuario opcionales, autorización del lado del servidor y cumplimiento de las normas: este es el marco que convierte un complemento en un servicio fiable en ChatGPT y Codex.