本地开发
在开发过程中，您可以使用 ngrok 等隧道工具将本地服务器暴露给 ChatGPT。
ngrok http 2091
# https://<subdomain>.ngrok.app/mcp → http://127.0.0.1:2091/mcp在迭代连接器时，请保持隧道运行。当您更改代码时：
- 重新构建组件包（
npm run build）。 - 重启您的 MCP 服务器。
- 在 ChatGPT 设置中刷新连接器以拉取最新的元数据。
部署选项
一旦您有了可用的 MCP 服务器和组件包，请将其托管在稳定的 HTTPS 端点之后。关键要求包括：对 /mcp 的低延迟流式响应、可靠的 TLS，以及在出现问题时能够提供日志和指标的能力。
Manufact
Manufact 维护着 mcp-use，这是一个社区 MCP 框架，用于使用 TypeScript 和 Python 构建 MCP 服务器、客户端、代理和应用小部件。
对于 ChatGPT 应用，mcp-use 可以生成带有 ChatGPT 兼容字段的 MCP 应用元数据。它还包含用于测试工具和组件的本地检查器，并支持通过 Manufact Cloud 进行部署。请使用 OpenAI Apps SDK 文档作为 ChatGPT 行为、元数据和审核要求的权威参考。
请参阅 mcp-use MCP 应用文档 和 create-mcp-use-app 以开始使用。
Vercel
当您需要快速部署、用于审核的预览环境和自动 HTTPS 时，Vercel 是另一个绝佳选择。他们已宣布支持 ChatGPT 应用托管，因此您可以将 MCP 端点与前端一起交付，并使用 Vercel 预览功能在发布到生产环境之前验证连接器的行为。
您可以使用他们的 Next.js 入门模板 开始使用。
Alpic
Alpic 维护着 Skybridge，这是一个用于 ChatGPT 和 MCP 应用的开源 TypeScript 框架。Skybridge 提供了一个完整的开发环境，包含本地模拟器、HMR（热更新）和持久隧道，以便在 ChatGPT 内部轻松测试您的应用。它还提供 React Hooks 和更高级的抽象来处理小部件状态并将其与模型同步，以及一个兼容层，帮助您的应用在所有 MCP 客户端上运行。
Alpic 还提供了一键部署解决方案 Alpic Cloud，以及用于检查您的应用是否达到商店发布标准的审核工具。
如果您正在寻找一个带有小部件 HMR 以及生产部署路径的参考实现，Skybridge 入门工具包 能让您快速上手。
MCPcat
为了了解用户在部署后如何使用您的 MCP 服务器，MCPcat 维护着适用于任何 ChatGPT 应用的开源 SDK，无论其托管方式如何。
除了工具调用和会话指标外，MCPcat 还能推断每个会话的用户目标，让您可以查看您的应用所支持的实际工作流程。
您可以使用他们的 TypeScript、Python 或 Go SDK 开始使用。
其他托管选项
- 托管容器：Fly.io、Render 或 Railway，适用于快速启动和自动 TLS，并提供针对长连接请求的可预测流式传输行为。
- 云无服务器 (Serverless)：如果您需要“缩容至零 (scale-to-zero)”能力，可以使用 Google Cloud Run 或 Azure Container Apps，但请注意，较长的冷启动时间可能会中断流式 HTTP。
- Kubernetes：适用于已经运行集群的团队。在您的 Pod 前端使用支持服务器推送事件 (SSE) 的入口控制器 (Ingress controller)。
无论使用哪个平台，请确保 /mcp 保持响应，支持流式响应，并为错误返回适当的 HTTP 状态码。
环境配置
- 密钥：将 API 密钥或 OAuth 客户端密钥存储在仓库之外。使用平台特定的密钥管理器，并将其作为环境变量注入。
- 日志记录：记录工具调用 ID、请求延迟和错误负载。这有助于在连接器上线后调试用户报告的问题。
- 可观测性：监控 CPU、内存和请求计数，以便您可以对部署进行合理调整。
内部测试与发布
在大范围发布之前：
- 控制访问：在开发者模式下测试您的连接器，直到您确信其稳定性。
- 运行黄金提示词 (Golden Prompts)：演练您在规划阶段草拟的发现提示词，并记录每次版本更新中的精确率/召回率变化。
- 捕获工件：记录在 MCP Inspector 和 ChatGPT 中展示组件的屏幕截图或录屏，以供参考。
当您准备好生产环境时，请更新元数据，确认身份验证和存储配置正确，并通过当前的审核流程提交您的应用。获批的应用将成为 ChatGPT 中的应用或用于 Codex 分发的插件。