Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Arkitektur: Verktyg, resurser och gränssnitt

Lektion 2 av 14 Uppdaterad 3 november 2026 Utvecklare
På denna sida
  1. Översikt
  2. Vad en MCP-server exponerar
  3. Flödet för en förfrågan
  4. Transport och auktorisering
  5. Gränssnittet: Ett valfritt lager
  6. Skills: Arbetsflödeslagret
  7. Vad händer med handel?
  8. Viktiga punkter

Lektionen omskriven den 3 november 2026 baserat på sidorna MCP server, Plugin architecture och Skills i OpenAIs dokumentation för plugins. Den äldre arkitekturen med “actions, widgets, commerce” beskrev ett SDK som inte längre existerar. Källor: MCP server · Plugin architecture · Skills.

Översikt

En plugin består av oberoende lager. Skills tillhandahåller spelplanen, MCP-servern tillhandahåller funktionerna och gränssnittet erbjuder ett visuellt sätt att interagera när det behövs.

Plugin
├── Skills
└── MCP Server (valfritt)
    ├── Verktyg och strukturerade resultat
    └── Gränssnittsresurser (valfritt)

Varje lager har en distinkt roll. Dokumentationen sammanfattar gränsdragningen så här: MCP-servern tillhandahåller data, autentisering, auktorisering och åtgärder; skillen tillhandahåller återanvändbara instruktioner, exempel och dokumentmallar.

Vad en MCP-server exponerar

En MCP-server kan exponera fyra typer av entiteter:

  • Verktyg: Funktioner som modellen anropar med strukturerade indata.
  • Resurser: Data eller innehåll som klienten kan läsa.
  • Promptar: Återanvändbara prompt-mallar.
  • Instruktioner: Direktiv som gäller för hela servern.

Plugins förlitar sig främst på verktyg. Varje verktyg har ett namn, en beskrivning, ett inmatningsschema och eventuellt ett utmatningsschema. Dessa fält gör det möjligt för modellen att avgöra när verktyget ska anropas och hur resultatet ska användas.

Flödet för en förfrågan

När en användare gör en förfrågan som matchar ett verktyg sker fyra steg i sekvens:

  1. Klienten upptäcker de verktyg som exponeras av MCP-servern.
  2. Modellen väljer ett verktyg och tillhandahåller argument som följer dess inmatningsschema.
  3. Servern validerar förfrågan, utför operationen och returnerar ett resultat.
  4. Modellen använder detta resultat för att fortsätta konversationen.

Ett verktygsresultat kan bestå av tre delar. structuredContent innehåller koncisa data som modellen kan inspektera och återanvända i efterföljande anrop. content innehåller text eller annat MCP-innehåll som hjälper modellen att formulera ett svar. _meta innehåller data avsedd för klienten och dold för modellen – dold, men inte skyddad. Detta fält ersätter inte auktorisering eller säker lagring.

Transport och auktorisering

I produktion bör du distribuera en MCP-server på en stabil HTTPS-adress med protokollets transportmetod streamable HTTP, vanligtvis på sökvägen /mcp. Om verktyg läser privat data eller agerar å en användares vägnar måste du skydda servern med det auktoriseringsflöde som definieras av MCP-specifikationen – OAuth, vilket lektion 8 går igenom i detalj.

Gränssnittet: Ett valfritt lager

Ett verktyg måste fungera utan ett gränssnitt: koncis text och ett strukturerat resultat räcker ofta för att modellen ska kunna svara. Ett gränssnitt är meningsfullt när användaren behöver inspektera, jämföra, modifiera, bekräfta eller bläddra i strukturerad information – till exempel en produktjämförelse, ett redigerbart schema eller en karta. En enkel statuskontroll behöver generellt sett inget gränssnitt.

När det finns är gränssnittet en resurs som servern deklarerar. ChatGPT visar det i en iframe när det associerade verktyget returnerar det. ChatGPT implementerar den öppna standarden MCP Apps: gränssnittet kommunicerar med värden via JSON-RPC med hjälp av postMessage. ChatGPT-specifika tillägg, tillgängliga via window.openai, kompletterar standarden när den inte täcker ett specifikt behov. Lektion 6 behandlar detta.

Skills: Arbetsflödeslagret

En skill är en mapp som innehåller en fil vid namn SKILL.md – med ett namn, en beskrivning som talar om för modellen när den ska beaktas, instruktioner – och vid behov referenser, skript eller mallar. Modellen ser initialt bara namnet och beskrivningen; den läser in de fullständiga instruktionerna när förfrågan matchar skillen eller när användaren anropar den direkt. Därför är OpenAIs råd: skriv beskrivningen kring användarens mål och utlösande villkor, och behåll steg-för-steg-detaljerna i brödtexten.

Vad händer med handel?

Att sälja via en plugin är inte ett separat lager. Det är en resa som det valfria gränssnittet kan stödja, genom att utnyttja Checkout API:t som dokumenterats av OpenAI. Lektion 7 förklarar hur det fungerar och vilka begränsningar som finns.

Viktiga punkter

  • En MCP-server exponerar verktyg, resurser, promptar och instruktioner; plugins förlitar sig främst på verktyg
  • Ett verktygsresultat kombinerar structuredContent, content och _meta (dolt för modellen, men inte säkert)
  • Produktion: stabil HTTPS, transportmetoden streamable HTTP, auktorisering enligt MCP-specifikationen
  • Gränssnittet är en valfri resurs som visas av ChatGPT enligt standarden MCP Apps
  • Skills hanterar arbetsflödet; servern hanterar data, auktorisering och åtgärder