Architektúra: Eszközök, erőforrások és felület
Ezen az oldalon
A leckét 2026. november 3-án írtuk át az OpenAI Bővítmények dokumentációjának MCP szerver, Bővítmény architektúra és Készségek (Skills) oldalai alapján. A régi „műveletek, widgetek, kereskedelem“ architektúra egy már nem létező SDK-t írt le. Források: MCP server · Plugin architecture · Skills.
Áttekintés
Egy bővítmény független rétegekből áll. A készségek (Skills) adják a forgatókönyvet, az MCP szerver biztosítja a képességeket, a felület pedig vizuális interakciót tesz lehetővé, amikor arra szükség van.
Plugin
├── Skills
└── MCP Server (optional)
├── Tools and structured results
└── Interface resources (optional)
Minden rétegnek eltérő szerepe van. A dokumentáció így foglalja össze a határokat: az MCP szerver biztosítja az adatokat, a hitelesítést, az engedélyezést és a műveleteket; a készség pedig újrafelhasználható utasításokat, példákat és dokumentumsablonokat kínál.
Mit tesz közzé egy MCP szerver?
Egy MCP szerver négyféle entitást tehet közzé:
- Eszközök (Tools): Függvények, amelyeket a modell strukturált bemenetekkel hív meg.
- Erőforrások (Resources): Adatok vagy tartalmak, amelyeket a kliens elolvashat.
- Promptok: Újrafelhasználható prompt-sablonok.
- Utasítások: Direktívák, amelyek az egész szerverre vonatkoznak.
A bővítmények elsősorban az eszközökre támaszkodnak. Minden eszköz rendelkezik névvel, leírással, bemeneti sémával, és opcionálisan kimeneti sémával. Ezek a mezők teszik lehetővé a modell számára, hogy eldöntse, mikor hívja meg az eszközt, és hogyan használja fel az eredményt.
A kérés folyamata
Amikor a felhasználó olyan kérést intéz, amely illeszkedik egy eszközhöz, négy lépés történik sorrendben:
- A kliens felfedezi az MCP szerver által közzétett eszközöket.
- A modell kiválaszt egy eszközt, és a bemeneti sémájának megfelelő argumentumokat ad meg.
- A szerver érvényesíti a kérést, végrehajtja a műveletet, és visszaadja az eredményt.
- A modell felhasználja ezt az eredményt a beszélgetés folytatásához.
Egy eszköz eredménye három részből állhat. A structuredContent tömör adatokat hordoz, amelyeket a modell megvizsgálhat és felhasználhat a későbbi hívások során. A content szöveget vagy egyéb MCP-tartalmat hordoz, ami segít a modellnek a válasz megfogalmazásában. A _meta a kliensnek szánt adatokat hordozza, amelyek rejtve maradnak a modell elől – rejtve, de nem védve. Ez a mező nem helyettesíti az engedélyezést vagy a biztonságos tárolást.
Transzport és engedélyezés
Éles környezetben az MCP szervert stabil HTTPS-címen kell üzemeltetni a protokoll streamable HTTP transzportját használva, jellemzően egy /mcp útvonalon. Ha az eszközök privát adatokat olvasnak vagy felhasználó nevében járnak el, védd meg a szervert az MCP specifikáció által meghatározott engedélyezési folyamattal – ez az OAuth, amelyet a 8. lecke részletez.
A felület: Egy opcionális réteg
Egy eszköznek felület nélkül is működnie kell: a tömör szöveg és a strukturált eredmény gyakran elegendő ahhoz, hogy a modell válaszoljon. A felület akkor van értelme, ha a felhasználónak strukturált információkat kell megvizsgálnia, összehasonlítania, módosítania, megerősítenie vagy böngésznie – például termékösszehasonlítás, szerkeszthető menetrend vagy térkép esetén. Egy egyszerű állapotellenőrzéshez általában nincs rá szükség.
Ha jelen van, a felület egy erőforrás, amelyet a szerver deklarál. A ChatGPT egy iframe-ben jeleníti meg, amikor a hozzá társított eszköz visszaadja azt. A ChatGPT a nyílt MCP Apps szabványt valósítja meg: a felület JSON-RPC segítségével kommunikál a gazdagéppel a postMessage használatával. A ChatGPT-specifikus kiterjesztések, amelyek a window.openai segítségével érhetők el, kiegészítik a szabványt, amikor az nem fed le egy adott igényt. Ezt a 6. lecke tárgyalja.
Készségek (Skills): A munkafolyamat réteg
A készség egy mappa, amely egy SKILL.md fájlt tartalmaz – ez tartalmazza a nevet, egy leírást (amely megmondja a modellnek, mikor vegye figyelembe), az utasításokat, valamint szükség esetén hivatkozásokat, szkripteket vagy sablonokat. A modell kezdetben csak a nevet és a leírást látja; a teljes utasításokat csak akkor tölti be, ha a kérés illeszkedik a készséghez, vagy ha a felhasználó közvetlenül meghívja azt. Ezért az OpenAI tanácsa: a leírást a felhasználó célja és a triggerfeltételek köré építsd fel, a lépésről lépésre kidolgozott részleteket pedig tartsd a törzsben.
Mi a helyzet a kereskedelemmel?
A bővítményen keresztüli értékesítés nem külön réteg. Ez egy folyamat, amelyet az opcionális felület támogathat, kihasználva az OpenAI által dokumentált Checkout API-t. A 7. lecke elmagyarázza, hogyan működik ez, és mik a korlátai.
Főbb megállapítások
- Egy MCP szerver eszközöket, erőforrásokat, promptokat és utasításokat tesz közzé; a bővítmények elsősorban az eszközökre támaszkodnak
- Egy eszköz eredménye egyesíti a
structuredContent, acontentés a_metaelemeket (utóbbi rejtve van a modell elől, de nem biztonságos) - Éles környezet: stabil HTTPS, streamable HTTP transzport, engedélyezés az MCP specifikáció szerint
- A felület egy opcionális erőforrás, amelyet a ChatGPT az MCP Apps szabvány szerint jelenít meg
- A készségek kezelik a munkafolyamatot; a szerver kezeli az adatokat, az engedélyezést és a műveleteket