Ton premier plugin
Šiame puslapyje
Leçon réécrite le 3 novembre 2026 sur la base des pages Quickstart, MCP server and UI quickstart et Connect and test your plugin de la documentation des plugins OpenAI. L’exemple précédent « application météo en 30 minutes » reposait sur un SDK inexistant. Nous avons vérifié les versions des paquets npm le 3 novembre 2026 :
@modelcontextprotocol/ext-apps2.x s’appuie sur le SDK MCP v2, tandis que les exemples d’OpenAI utilisent la v1. Sources : Quickstart · MCP server and UI quickstart · Connect and test.
Deux étapes
D’abord, tu vas connecter un serveur MCP existant pour observer le flux de travail complet de ChatGPT sans écrire une seule ligne de code. Ensuite, tu écriras ton propre serveur, le testeras en local et le connecteras de la même manière.
Étape 1 : Un plugin personnel en cinq minutes
OpenAI fournit un exemple de serveur MCP public, non authentifié, qui expose un seul outil en lecture seule : roll_dice.
- Rends-toi sur ChatGPT Plugins, clique sur le bouton +, puis choisis Add custom MCP server.
- Saisis un nom et définis l’Server URL sur
https://tinymcp.dev/api/moldy-aloof-zettabyte/mcp. Sélectionne No authentication. - Lis l’avertissement sur les risques, coche I understand and want to continue, puis clique sur Create as a plugin.
- Le plugin apparaît dans ta liste de plugins personnels : ouvre-le et installe-le en cliquant sur le bouton +.
- Retourne à l’écran d’accueil de ChatGPT, passe de l’onglet Chat à Work, démarre une nouvelle conversation, tape
@et sélectionne ton plugin. - Demande-lui de lancer un dé à vingt faces : il doit appeler
roll_diceexactement une fois avecsidesdéfini à 20 et retourner une valeur comprise entre 1 et 20.
Ne t’arrête pas au scénario idéal. Essaie différentes tailles de dés, des valeurs invalides et des requêtes qui ne devraient déclencher aucun outil. Ce réflexe guide le reste du cours : lorsque le modèle choisit le mauvais outil ou varie ses arguments, tu dois affiner la description et le schéma de l’outil. Note également que les politiques de ton compte ou de ton espace de travail régissent l’ajout de serveurs MCP personnalisés : dans une organisation, cette option peut être restreinte.
Étape 2 : Ton propre serveur
Installer les SDK officiels
Des SDK officiels pour le protocole existent pour TypeScript (@modelcontextprotocol/sdk) et Python (mcp). Ce cours suit les exemples d’OpenAI, écrits en TypeScript avec le SDK v1. Épingle tes versions : en septembre 2026, @modelcontextprotocol/ext-apps 2.x — le paquet d’interface que tu ajouteras à la leçon 6 — repose sur les nouveaux paquets SDK v2 (@modelcontextprotocol/server…), incompatibles avec les imports v1.
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 ajoute "type": "module" au fichier package.json, requis pour les instructions import du serveur.
Écrire le serveur
Ce serveur tient en un seul fichier, server.js. Il conserve les notes en mémoire et expose deux outils : un pour la lecture et un pour l’écriture, séparés comme recommandé à la leçon 3.
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 = []; // exemple de données en mémoire : remplace par ton propre stockage
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://${req.headers.host ?? "localhost"}`);
if (url.pathname !== "/mcp") {
res.writeHead(404).end("Not Found");
return;
}
// Mode sans état : nouveau serveur et nouveau transport par requête
const server = creerServeur();
const transport = new StreamableHTTPServerTransport({
sessionIdGenerator: undefined,
enableJsonResponse: true,
});
res.on("close", () => {
transport.close();
server.close();
});
try {
await server.connect(transport);
await transport.handleRequest(req, res);
} catch (error) {
console.error("MCP Error:", error);
if (!res.headersSent) res.writeHead(500).end("Internal server error");
}
}).listen(PORT, () => console.log(`MCP server ready on http://localhost:${PORT}/mcp`));
Trois détails comptent. Chaque outil déclare un titre, une description d’intention, des schémas et des annotations exactes : c’est son « profil » pour le modèle. Chaque résultat combine structuredContent, réutilisable par le modèle, et content, un court message texte. Enfin, toute adresse autre que /mcp renvoie une erreur 404 : l’exemple d’OpenAI fait cela pour les routes de découverte OAuth que tu n’utilises pas encore, empêchant ChatGPT d’afficher des erreurs 502 lors de tes tests non authentifiés. Ce même exemple ajoute une réponse pour la requête CORS préliminaire (OPTIONS) et un GET / pour les sondes de santé ; inclus-les si ton hébergement les attend.
Tester en local avec MCP Inspector
node server.js
npx @modelcontextprotocol/inspector@latest
Dans l’Inspector, choisis Streamable HTTP, saisis http://localhost:8787/mcp et connecte-toi. Vérifie que l’initialisation réussit, que les deux outils apparaissent avec leurs schémas et annotations, puis appelle-les avec des entrées valides et invalides — une chaîne de texte vide doit être rejetée par le schéma.
Exposer le serveur et le connecter
ChatGPT doit pouvoir atteindre ton serveur depuis Internet. Durant le développement, un tunnel suffit — la documentation cite ngrok :
ngrok http 8787
Tu obtiens une adresse HTTPS publique. Connecte-la comme à l’étape 1, en incluant le chemin /mcp (par exemple https://<subdomain>.ngrok.app/mcp), installe le plugin résultant, puis invoque-le avec @ : « Enregistre une note : appelle le fournisseur lundi. » ChatGPT affiche les données échangées avec l’outil, te permettant de vérifier les entrées et sorties.
Un tunnel de développement ne fonctionne que pour des essais : la publication nécessite un point de terminaison HTTPS public et stable (leçon 5).
Recharger après chaque modification
ChatGPT met en cache les métadonnées de ton serveur. Après toute modification du nom, de la description, du schéma, de l’annotation, de l’authentification ou de la ressource d’interface : redéploie ou redémarre le serveur, ouvre la connexion sur chatgpt.com/plugins, sélectionne Refresh, vérifie que les métadonnées annoncées ont changé, puis ouvre une nouvelle conversation pour relancer tes tests. Sauter cette étape signifie tester l’ancienne version sans t’en rendre compte.
Svarbiausi punktai
- Crée un plugin personnel via Add custom MCP server, puis invoque-le avec
@dans ChatGPT - SDK officiels :
@modelcontextprotocol/sdk(TypeScript) etmcp(Python) ; épingle la v1 avecext-apps1.x pour suivre les exemples d’OpenAI - Serveur minimal :
McpServer,registerTool, transport streamable HTTP sur/mcp - Utilise MCP Inspector pour les tests locaux, un tunnel pour les essais ChatGPT
- Après toute modification de métadonnées : Refresh, puis démarre une nouvelle conversation