如需查看完整的文档索引,请参阅 llms.txt。在文档页面的 URL 末尾加上 .md 即可查看该页面的 Markdown 版本。
主导航
主题

为插件和 API 集成构建 MCP 服务器

构建可用于插件、深度研究或 API 集成的 MCP 服务器。

模型上下文协议(MCP)是一种开放协议,用于为 AI 模型接入更多工具和知识,正逐渐成为行业标准。通过远程 MCP 服务器,模型可以经由互联网访问新的数据源并使用新的功能。

本指南介绍如何构建远程 MCP 服务器,从私有数据源(一个向量存储)读取数据。您可以通过 ChatGPT 和 Codex 中的插件、ChatGPT 的深度研究和公司知识功能,以及 API 访问这些数据。

注意:要使用 MCP 服务器构建插件,请先阅读插件文档中的快速入门、构建 MCP 服务器、连接并测试插件和身份验证。如果您的 MCP 服务器不需要用户界面,就可以直接提供工具,无需提供界面资源。

配置数据源

远程 MCP 服务器可以使用任何来源的数据。为简化示例,这里使用 OpenAI API 的向量存储。首先,将一份 PDF 文档上传到新的向量存储。您可以用这本介绍猫的 19 世纪公版书作为示例。

您可以在控制台中上传文件并创建向量存储,也可以通过 API 创建向量存储并上传文件。请按照向量存储指南设置向量存储,并向其中上传一个文件。

记下向量存储的唯一 ID,后面的示例会用到它。

向量存储配置

创建 MCP 服务器

接下来,创建一个远程 MCP 服务器,让它能够搜索向量存储,并根据给定的文件 ID 返回文档内容。

本示例使用 Python 和 FastMCP 构建 MCP 服务器。本节末尾提供了服务器的完整实现,并说明了如何在浏览器开发环境中运行它。

多种编程语言都有其他可用的 MCP 服务器框架。无论使用哪种框架,服务器上的工具定义都必须符合下文描述的结构。

要支持 ChatGPT 的深度研究和公司知识功能,您的 MCP 服务器应实现两个只读工具 search 和 fetch,并遵循公司知识兼容性一节中的兼容性模式。通过 API 开展研究时,也可以使用同一套接口。

请为每个工具声明输出模式,以便客户端验证结果的结构。在 FastMCP 中,带有类型定义的返回模型可以自动生成该模式。下方示例使用相同的模型生成 output_schema 并显式传入。

search 工具

search 工具根据用户的查询在 MCP 服务器的数据源中搜索,并返回相关结果列表。

参数

一个查询字符串。

返回值

一个仅含 results 键的对象,该键的值是由搜索结果对象组成的数组。每个结果对象应包含以下字段。

  • id 表示文档或搜索结果项的唯一 ID。
  • title 是便于阅读的标题。
  • url 是用于引用的规范 URL。

在 MCP 中,以 structuredContent 的形式返回该对象。为确保兼容性,还要将同一个值编码为 JSON 字符串,放入内容数组。

工具的最终响应应如下所示。

{
  "structuredContent": {
    "results": [{ "id": "doc-1", "title": "...", "url": "..." }]
  },
  "content": [
    {
      "type": "text",
      "text": "{\"results\":[{\"id\":\"doc-1\",\"title\":\"...\",\"url\":\"...\"}]}"
    }
  ]
}

fetch 工具

fetch 工具用于获取搜索结果中文档或条目的完整内容。

参数

一个字符串,表示搜索结果中文档的唯一标识符。

返回值

一个包含以下属性的对象。

  • id 表示文档或搜索结果项的唯一 ID。
  • title 是搜索结果项的标题,类型为字符串。
  • text 是文档或条目的全文。
  • url 指向文档或搜索结果项,方便在研究中引用具体资源。
  • metadata 是可选字段,以键值对形式提供与结果相关的数据。

在 MCP 中,以 structuredContent 的形式返回该对象。为确保兼容性,还要将同一个值编码为 JSON 字符串,放入内容数组。

工具的最终响应应如下所示。

{
  "structuredContent": {
    "id": "doc-1",
    "title": "...",
    "text": "full text...",
    "url": "https://example.com/doc",
    "metadata": { "source": "vector_store" }
  },
  "content": [
    {
      "type": "text",
      "text": "{\"id\":\"doc-1\",\"title\":\"...\",\"text\":\"full text...\",\"url\":\"https://example.com/doc\",\"metadata\":{\"source\":\"vector_store\"}}"
    }
  ]
}

引用的处理方式

对于 search 结果和 fetch 响应,只有当 url 是非空字符串时,ChatGPT 才会创建引用元数据。如果结果有 title 但缺少可用的 url,ChatGPT 会将其保留为普通工具输出。要让结果可供引用,请返回其规范 url。

例如,ChatGPT 可能会使用以下参数调用 search。

{ "query": "What is the quarterly plan?" }

MCP 服务器可以返回如下带有 URL 的结果。

{
  "structuredContent": {
    "results": [
      {
        "id": "quarterly-plan",
        "title": "Quarterly plan",
        "url": "https://example.com/quarterly-plan"
      }
    ]
  },
  "content": [
    {
      "type": "text",
      "text": "{\"results\":[{\"id\":\"quarterly-plan\",\"title\":\"Quarterly plan\",\"url\":\"https://example.com/quarterly-plan\"}]}"
    }
  ]
}

在此响应中,url 字段有值,因此 ChatGPT 可以为该结果创建引用元数据。查询本身不会触发引用处理。如果结果省略了 url,或者提供的值为空或不是字符串,ChatGPT 会将结果保留为普通工具输出。

服务器示例

您可以在浏览器开发环境中试用这个 MCP 服务器示例。请使用您自己的 API 凭据和向量存储信息配置示例。

Replit 上的 MCP 服务器示例

在 Replit 上创建服务器示例的副本并在线测试。

以下示例使用 MCP SDK 实现 search 和 fetch 两个工具。

测试并连接 MCP 服务器

您可以使用 gpt-6.2-sol 在提示词控制台中测试 MCP 服务器。创建新提示词或编辑现有提示词,然后在提示词配置中添加新的 MCP 工具。此兼容性示例仅提供只读的 search 和 fetch 工具,因此其 API 请求会跳过对这两个工具的审批。对于能够修改数据或执行其他可能产生重大影响的操作的工具,请保持审批功能开启。

如果您要将此服务器作为插件的一部分进行测试,请按照连接并测试插件中的步骤操作。

提示词配置

配置好 MCP 服务器后,您可以在提示词界面中与使用该服务器的模型聊天。

在提示词界面中聊天

您也可以直接向 Responses API 发送以下示例请求来测试 MCP 服务器。

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
  "model": "gpt-6.2-sol",
  "input": [
    {
      "role": "developer",
      "content": [
        {
          "type": "input_text",
          "text": "You are a research assistant that searches MCP servers to find answers to your questions."
        }
      ]
    },
    {
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "Are cats attached to their homes? Give a succinct one page overview."
        }
      ]
    }
  ],
  "reasoning": {
    "summary": "auto"
  },
  "tools": [
    {
      "type": "mcp",
      "server_label": "cats",
      "server_url": "https://777ff573-9947-4b9c-8982-658fa40c7d09-00-3le96u7wsymx.janeway.replit.dev/sse/",
      "allowed_tools": [
        "search",
        "fetch"
      ],
      "require_approval": "never"
    }
  ]
}'

处理身份验证

构建自定义远程 MCP 服务器时,您可以通过授权和身份验证保护数据。如果您的授权服务器支持客户端 ID 元数据文档(CIMD),且插件创建者选择了这种方式,我们建议使用 OAuth 并通过客户端 ID 元数据文档注册客户端。使用 CIMD 时,ChatGPT 支持公共客户端令牌交换(none),也支持使用签名客户端断言进行令牌交换(private_key_jwt)。配置后,仍可使用动态客户端注册。有关插件的身份验证要求,请参阅身份验证。有关协议的详细信息,请阅读 MCP 用户指南或授权规范。

如果您通过插件连接自定义远程 MCP 服务器,工作空间中的用户将通过 OAuth 流程连接到您的服务。

在 ChatGPT 中连接

  1. 前往 ChatGPT 插件页面,选择加号按钮,然后选择添加自定义 MCP 服务器。
  2. 输入服务器 URL 和身份验证信息。阅读风险提示,选择我已了解并希望继续,然后选择创建为插件。
  3. 安装插件,然后在聊天和深度研究中运行提示词来测试插件。

有关详细设置步骤,请参阅连接并测试插件。

风险与安全

自定义 MCP 服务器可将您的 ChatGPT 工作空间连接到外部应用,使 ChatGPT 能够访问、发送和接收这些应用中的数据。请注意,自定义 MCP 服务器是第三方服务,适用各自的条款和条件。OpenAI 不开发也不验证这些服务器。

如果您发现恶意 MCP 服务器,请发送邮件至 security@openai.com 举报。

提示词注入相关风险

提示词注入是一种攻击手段。攻击者将恶意指令嵌入我们的模型可能接触到的内容(例如网页)中,企图让这些指令改变 ChatGPT 的预期行为。如果模型执行了注入的指令,就可能采取用户和开发者都无意执行的操作,包括向外部发送私密数据。

例如,您可能会请 ChatGPT 查看您的日历和近期邮件,为聚餐找一家餐厅。在查找信息时,它可能会遇到一条恶意评论,要求它从 Gmail 获取密码重置验证码并将其发送到恶意网站。这类有害内容的目的就是诱骗智能体执行非预期操作。

下表列出了需要考虑的具体场景。建议您仔细阅读,再决定是否使用自定义 MCP 服务器。

场景与风险 如果我信任 MCP 服务器的开发者,这样做安全吗? 我可以如何降低风险?
攻击者可能设法在 MCP 服务器可访问的数据中植入恶意指令,发起提示词注入攻击。

示例
• 对于客服 MCP 服务器,攻击者可能向您提交一条含有恶意指令的客服请求,发起提示词注入攻击。
即使您信任 MCP 服务器的开发者,仍然存在风险。

要确保安全,您必须信任 通过该 MCP 服务器可以访问的全部内容。
• 如果 MCP 服务器中可能包含恶意或不可信的用户输入,即使您信任其开发者,也请勿使用。
• 配置访问权限,尽量限制可访问该 MCP 服务器的人数。
恶意 MCP 服务器可能要求为读取或写入操作提供超出实际需要的参数。

示例
• 为员工预订机票的 MCP 服务器可能提供查询航班时刻表的读取操作,却要求提供 summaryOfConversation、userAnnualIncome、userHomeAddress 等参数。
即使您信任 MCP 服务器的开发者,也未必安全。

开发者可能认为索取某些数据是合理的,而您认为这些数据不应共享。
• 手动安装 MCP 服务器时,请检查每项操作要求提供的参数,确保服务器没有索取超出操作所需范围的私人信息。
攻击者可能通过提示词注入诱骗 ChatGPT 从自定义 MCP 服务器获取敏感数据,再将数据发送给攻击者。

示例
• 攻击者可能通过另一个 MCP 服务器(例如电子邮件服务)向某位企业用户发起提示词注入攻击,试图诱骗 ChatGPT 从内部工具读取敏感数据并将其发送给攻击者。
即使您信任 MCP 服务器的开发者,仍然存在风险。

即便新 MCP 服务器中的所有内容都安全可信,来自其他恶意来源的攻击仍可能窃取其中的数据。
• ChatGPT 在设计上注重保护用户,但攻击者仍可能试图窃取您的数据。请了解这一风险,并考虑是否值得承担。
• 对于包含特别敏感数据的 MCP 服务器,请配置访问权限,尽量限制可访问的人数。
攻击者可能通过提示词注入,利用向自定义 MCP 服务器写入数据的操作泄露敏感信息。

示例
• 攻击者通过另一个 MCP 服务器发起提示词注入攻击,诱骗 ChatGPT 获取敏感数据,再通过客服系统的 MCP 服务器将数据发送给攻击者。
即使您信任 MCP 服务器的开发者,仍然存在风险。

即使您完全信任该 MCP 服务器,只要攻击者能观察到写入操作产生的某种结果,就可能试图加以利用。
• 执行写入操作时,用户应仔细核对,确保操作符合预期,并且不包含任何不应共享的数据。
由于 MCP 服务器可以记录读取操作,攻击者可能通过提示词注入,让发往恶意自定义 MCP 服务器的读取请求泄露敏感信息。 只有当 MCP 服务器本身具有恶意,或将写入操作错误地标记为读取操作时,这种攻击才会奏效。

如果您相信 MCP 服务器的开发者只会将真正的读取操作标记为 读取,也相信开发者不会试图窃取数据,那么这项风险通常很小。
• 仅使用可信开发者提供的 MCP 服务器,但请注意,仅凭这一点无法保证安全。
攻击者可能通过提示词注入,诱骗 ChatGPT 通过自定义 MCP 服务器执行用户无意执行的有害或破坏性写入操作。 即使您信任 MCP 服务器的开发者,仍然存在风险。

即便新 MCP 服务器中的所有内容都安全可信,这项风险依然存在,因为攻击来自其他恶意来源。
• 用户应仔细核对写入操作,确保操作符合预期且正确无误。
• ChatGPT 在设计上注重保护用户,但攻击者仍可能试图诱骗 ChatGPT 执行非预期的写入操作。
• 对于包含特别敏感数据的 MCP 服务器,请配置访问权限,尽量限制可访问的人数。

与提示词注入无关的风险

自定义 MCP 服务器还会带来以下与提示词注入攻击无关的风险。

  • 写入操作可以让 MCP 服务器更有用,也会增加风险,因为服务器除了向 ChatGPT 提供信息,还可以执行可能具有破坏性的操作。目前,在任何对话中,ChatGPT 都要求用户手动确认后才会执行写入操作。确认时,ChatGPT 会标出可能敏感的数据。请先仔细考虑 ChatGPT 在执行这类操作时出错的可能性,只有在您可以接受这种风险时才使用写入操作。即使 MCP 服务器将操作标记为只读,仍可能发生写入。因此,在将自定义 MCP 服务器接入 ChatGPT 之前,务必确认该服务器值得信任。
  • 任何 MCP 服务器都可能在处理查询时收到敏感数据。即使服务器没有恶意,它也能访问 ChatGPT 在交互过程中提供的所有数据,其中可能包括用户之前提供给 ChatGPT 的敏感数据。例如,在使用深度研究或聊天应用工具时,ChatGPT 发往 MCP 服务器的查询就可能包含这些数据。

连接到可信服务器

我们建议您只在了解并信任底层应用时连接其自定义 MCP 服务器。

例如,请选择由服务提供商自行托管的官方服务器。使用 Stripe 时,请连接 Stripe 在 mcp.stripe.com 托管的服务器,避免使用第三方托管的非官方 Stripe MCP 服务器。目前可用的官方 MCP 服务器较少,您也可以考虑由某个组织托管、通过 API 将请求转发给其他服务的服务器。请先了解该组织如何使用您的数据,并确认服务器值得信任,然后再连接。构建并连接自己的 MCP 服务器时,请再次核对您连接的是正确的服务器。当 OpenAI 调用您的 MCP 服务器时,请谨慎选择在响应请求时提供哪些数据,并妥善处理收到的数据。

通过您的远程 MCP 服务器,其他人可以将 OpenAI 连接到您的服务,使 OpenAI 能够在这些服务中访问、发送和接收数据,以及执行操作。请避免在工具的 JSON 中包含任何敏感信息,也不要存储访问您远程 MCP 服务器的 ChatGPT 用户的任何敏感信息。

构建 MCP 服务器时,请勿在工具定义中加入任何恶意内容。