ChatGPT Apps 架构与形态

三段式架构:

1. ChatGPT 对话本身:模型判断用户意图、决定是否需要调用某个 app。
2. App 的"工具"(tools):一个后端服务器 + API,定义 ChatGPT 能调用哪些函数(如 search_restaurants、book_ticket)。每个工具都有名字和描述,ChatGPT 靠描述判断"什么时候该调用它、传什么参数"——描述写得越准,调用越准。
3. 用户可见的 widget:通常用 React 写成,运行在 ChatGPT 内的安全沙箱 iframe 里。

三种展示形态(建 app 前要想清楚匹配哪种):

• Inline(内联):卡片/列表嵌进对话流,默认形态,适合商品列表、搜索结果。
• Fullscreen(全屏):适合地图、仪表盘等需要大空间的复杂工作流。
• Picture-in-picture(画中画):小浮窗常驻,适合音乐播放器、计时器等需要在聊天同时保持运行的场景。

关键约束:每条消息只能显示一个 widget——用户说"帮我订餐厅又叫个 Uber",ChatGPT 一次只能展示一个 app,这逼着开发者把功能设计成"原子化、可独立完成的动作"。

底层协议:MCP(Model Context Protocol,Anthropic 2024 年 11 月创建,OpenAI 2025 年 3 月起在 ChatGPT 和开发者工具中采用)是连接 app 与 AI 助手的通用协议,一个 MCP 服务器对外暴露三样东西:tools(AI 能调用的函数)、resources(AI 能读的数据)、prompts(AI 能用的模板)。widget 可以通过 window.openai.callTool() 绕过模型直接调用工具,让交互更快、体验更可控。

新型 SEO/AEO:工具的名字和描述会决定 ChatGPT 什么时候把你的 app 推荐给用户——描述写得精准、能唯一标识你的 app,直接影响能不能在正确的场景下被发现和调用。