Chatgpt Apps

核心用法

chatgpt-apps 是一套完整的 ChatGPT 应用（MCP App）开发框架，通过 10 个结构化阶段指导开发者完成全生命周期管理：

1. 概念设计 — 分析对话式 leverage、原生适配性与可组合性，识别反模式（如静态网页、复杂外链跳转）
2. 工具拓扑设计 — 分类为 Query/Mutation/Destructive/Widget/External 五类工具，配置 readOnlyHint/destructiveHint/openWorldHint 等 MCP 注解
3. 组件实现 — 生成 TypeScript 服务端代码，使用 @modelcontextprotocol/sdk 的 Server 类与 StreamableHTTPServerTransport，Widget 采用 text/html+skybridge MIME 类型
4. 认证集成 — 支持 Auth0（企业级 OAuth 2.1/PKCE）与 Supabase Auth（简化邮件密码流），实现 user_subject 隔离
5. 数据库配置 — 基于 Supabase PostgreSQL，强制包含 user_subject 索引与 RLS 行级安全策略
6. Golden Prompts — 生成 Direct/Indirect/Negative 三类测试用例，量化工具召回精度
7. 验证套件 — 10 项检查：文件结构、协议合规、Widget URI 格式、structuredContent 响应、注解正确性等
8. 自动化测试 — MCP Inspector 协议测试 + Schema 校验 + Widget 预览渲染 + Golden Prompt 精度测试
9. 生产部署 — 生成 Dockerfile 与 render.yaml，一键部署至 Render，含健康检查端点
10. 状态恢复 — 通过 .chatgpt-app/state.json 追踪进度，支持任意阶段续接

显著优点

• 端到端闭环：唯一覆盖「概念→代码→测试→部署」的 MCP 应用构建方案
• 平台深度适配：针对 ChatGPT Apps 的 ui://widget/ 协议、openai/outputTemplate 元数据、text/html+skybridge MIME 等专有规范完整实现
• 安全设计内建：强制 user_subject 隔离、RLS 策略、非对称权限注解（destructiveHint），降低多租户数据泄露风险
• 可测试性优先：Golden Prompts 方法论提供可量化的工具调用精度基准，支持迭代优化
• 开发者体验：状态持久化、交互式向导、agent 代码生成（chatgpt-mcp-generator 等）降低心智负担

潜在局限

• 平台锁定风险：深度绑定 OpenAI MCP 协议与 Render 部署，迁移至其他 LLM 平台或云厂商需改造
• 技术栈单一：服务端限定 Node.js/TypeScript，数据库限定 Supabase PostgreSQL，技术选型灵活性受限
• 社区生态早期：依赖 @modelcontextprotocol/sdk 等较新库，API 稳定性与社区资源尚在积累
• 认证复杂度：Auth0 企业级配置流程对新手仍有门槛，Supabase 方案虽简化但功能集较窄
• Golden Prompts 维护成本：需持续维护测试用例以覆盖模型迭代带来的行为漂移

适合人群

• 希望快速将 AI 原型转化为生产级 ChatGPT 应用的独立开发者与小团队
• 需构建多租户、数据持久化对话应用的产品团队
• 已熟悉 TypeScript/Node.js 生态，寻求标准化 MCP 开发流程的工程师

常规风险

• 数据隔离漏洞：若遗漏 user_subject 过滤或 RLS 配置错误，将导致跨用户数据泄露（严重性：高）
• 破坏性操作误触发：destructiveHint 仅作语义标记，实际权限控制依赖服务端实现，需配合输入校验
• Widget XSS：Widget HTML 若未正确转义用户输入，可能在 ChatGPT 渲染上下文执行脚本
• 部署配置泄露：.env 文件误提交或 Render 环境变量管理不当，可能暴露 Supabase service role key