OpenAI 正在告别曾被寄予厚望的 Custom GPTs 产品形态。根据官方发布的退役与迁移安排，Custom GPTs 计划于 2026 年 12 月 11 日正式退役，部分符合条件的企业工作区可延期至 2027 年 2 月 11 日。取而代之的 Plugins 机制，将可复用指令、知识资源与外部工具深度整合进实际工作流程。

与此同时，以 Model Context Protocol（MCP）为代表的开放协议正在推动 AI 系统与外部工具的标准化连接。两条技术路线并不完全等同，却共同揭示了一个重要趋势：AI 产品的竞争正在从创建独立聊天助手，转向构建真正能够参与业务执行的智能工作系统。

一、 产品形态之变：从独立助手到嵌入式工作流

回顾 2023 年底 OpenAI 首次推出 Custom GPTs 时，整个行业曾对“无代码 Agent 应用商店”抱以极高期望。然而，经过近两年的产业实操检验，市场对这一产品形态的认知逐渐回归理性：

  • 商业落地与有效留存的挑战：行业实践表明，不少基于轻量 Prompt 封装的微型助手，由于缺乏深层业务逻辑绑定与动态数据连接，难以在严肃的工作场景中形成持久粘性与商业闭环；
  • 应用商店范式的局限：在企业日常运营中，员工需要的不是在海量微型独立应用中频繁切换，而是将特定的专业能力无缝嵌入到现有的文档、代码及协作流程中；
  • OpenAI 的架构演进：OpenAI 官方在迁移指南中明确，将原先 Custom GPTs 的自定义指令、知识库与 Action 能力逐步迁移至统一的 Plugins 体系。这一转变意味着 AI 能力不再以孤立的“外壳助手”形式存在，而是转为可在不同工作场景下灵活调用的模块化功能插件。

二、 开放协议崛起：MCP 与跨生态工具互联

在 OpenAI 优化自身产品架构的同时，开放生态中的标准化浪潮也在加速推进。由 Anthropic 主导并开源的 Model Context Protocol（MCP），正在开发者社区与开发工具链中获得广泛采纳与深度集成：

  • 解决 N×M 集成瓶颈：以往将大模型对接外部数据源与开发工具时，开发者必须针对不同模型与不同平台开发专有适配器。MCP 通过开放的标准协议，大幅降低了系统间的连接与对接成本；
  • 三层结构化原语：基于 JSON-RPC 2.0 规范，MCP 清晰定义了三大核心交互原语：
    • Resources（资源）：用于向模型安全暴露上下文数据与只读文档；
    • Prompts（提示模板）：预设的受控交互与工作流模板；
    • Tools（工具）：具有严格 Schema 定义的可执行函数与外部操作接口；
  • 层次互补而非简单替代：必须看到，MCP 与厂商层面的 Plugins / Skills 并非相互排斥的对立概念，而是在不同技术层次上相互补充。MCP 聚焦于底层通信与跨平台协议的标准化，而上层的 Plugins 则承载了具体业务逻辑与交互体验的封装。GitHub、Sourcegraph 等主流开发生态对 MCP 的广泛支持，正在加速这一协议层的成熟。

三、 【游仕观察】迈向可连接、可执行、可治理的系统时代

本次产品退役与协议演进，不仅是一次厂商层面的技术调整，更为整个生成式 AI 产业的演进方向提供了明确的参照：

  • 告别概念狂欢，回归系统工程：游仕AI 认为，AI 技术的商业价值不在于制造了多少个形态各异的独立问答助手，而在于能否深入企业的核心数据资产与业务逻辑中。单纯依赖提示词包装的“伪应用”正被市场加速出清；
  • 连接性与执行力成为核心竞争力：未来的智能系统需要具备可解释的调用路径、可控的权限边界与可追溯的审计日志。无论 OpenAI 推动的 Plugins 迁移，还是社区驱动的 MCP 标准，其终极目标都是为了让大模型从“只能对话的顾问”变成“能够稳健调动工具并完成任务的执行者”；
  • 标准化与互操作性重塑生态格局：私有封闭的应用壁垒正在让位于开放互通的协议标准。对于企业和开发者而言，与其投入精力维护脆弱的孤立 Agent，不如立足于开放的连接标准，构建具备弹性、可复用且深度融入真实业务骨骼的智能工作系统。

核心参考来源