让 ChatGPT 连接本地 MCP:三种接入方案与完整实践
从本机 DevSpace 到 ChatGPT Chat:比较 Caddy + ChmlFrp、Tailscale Funnel 与 OpenAI Secure MCP Tunnel,按网络、认证和实际调用逐层验收。
本文目录 19 节 · 展开收起
本地的 MCP 服务能读代码、查文件、调用工具,但 ChatGPT Chat 运行在云端,不能直接连接你电脑的 127.0.0.1。真正需要解决的是:让 ChatGPT 找得到 MCP 服务、能通过认证、并实际执行一次工具调用。
以下以 DevSpace 作为 MCP 服务示例,比较三条连接路径。前两条整合自此前的 Caddy + ChmlFrp 实践 与 Tailscale Funnel 实践;第三条参考 OpenAI 官方 Secure MCP Tunnel 文档。两条旧链接保留作为历史入口,新读者以本文为准。
一张图看清三种接入
三条路径不会同时使用。挑选其中一条即可;它们共用同一个本地服务和最终工具调用验收方法。
| 选择依据 | A · Caddy + ChmlFrp | B · Tailscale Funnel | C · Secure MCP Tunnel |
|---|---|---|---|
| 外部连接方式 | 自有域名 + 公网 HTTPS | *.ts.net 公网 HTTPS | OpenAI 托管隧道标识 |
| 本地组成 | DevSpace、Caddy、frpc | DevSpace、Tailscale | DevSpace、tunnel-client |
| 需对公网开放 MCP 入口 | 是 | 是,Funnel 是公网功能 | 否,从本机主动连接 OpenAI |
| 最适合 | 已有域名、反代与 FRP 的环境 | 需要快速建立公网 MCP URL | 希望保留私有网络边界的环境 |
| 主要注意 | 域名/TLS/多级反代/OAuth | Funnel 授权、设备环境、OAuth | 组织与工作区关联、权限、上游认证可达性 |
通用准备:本机的 MCP 必须先正常
环境并不限于 WSL。 Windows、macOS、Linux、WSL 和远程服务器都能作为 MCP 宿主。只要网络中间层或 tunnel-client 能访问 MCP 服务即可;不同系统的 127.0.0.1 不是自动互通的。
- 安装并初始化当前版本的 DevSpace,确认真实 Node 与 DevSpace 路径。
- 确认当前版本支持的启动方式,不能默认所有安装都能执行
devspace serve。 - 限制 DevSpace 允许访问的项目目录;开启认证,不把服务直接无鉴权暴露给公网。
- 根据选择的公网入口配置
publicBaseUrl、允许的 Host 和 OAuth。官方 Tunnel 不应直接复用公网 URL 配置,需按所选认证方式重新确认。
Linux / WSL / macOS 检查:
command -v node
command -v devspace
devspace --help
Windows PowerShell 检查:
Get-Command node
Get-Command devspace
devspace --help
若当前 DevSpace CLI 支持,可先在终端启动:
devspace init # 首次初始化;已有配置先核对,不要覆盖
devspace serve # 仅限当前 --help 确认此命令有效
下面是 A / B 公网 URL 方案的配置形状;把占位符替换成真实域名与项目路径。只使用本地测试时不必照抄公网参数。
{
"host": "127.0.0.1",
"port": 7676,
"allowedRoots": ["/absolute/path/to/project"],
"publicBaseUrl": "https://YOUR_PUBLIC_HOST",
"allowedHosts": ["localhost", "127.0.0.1", "::1", "YOUR_PUBLIC_HOST"]
}
publicBaseUrl 是公网 Origin,不包含 /mcp;allowedRoots 是 DevSpace 可以操作的真实绝对目录。示例里的路径不是所有系统通用路径。DevSpace 初始化产生的认证文件与密钥不应提交到仓库。
先检查本地协议与认证
curl -sS -o /dev/null -w '%{http_code}\n' \
http://127.0.0.1:7676/mcp
curl -sS -o /dev/null -w '%{http_code}\n' \
http://127.0.0.1:7676/.well-known/oauth-protected-resource/mcp
curl -sS -o /dev/null -w '%{http_code}\n' \
http://127.0.0.1:7676/.well-known/oauth-authorization-server/mcp
对于此前采用 OAuth 的 DevSpace 配置,常见预期依次为 401 / 200 / 200:无凭据访问 MCP 被拒绝,OAuth 发现文档可以读取。这不是所有 MCP 服务都必须返回的固定状态码;应以当前 MCP 服务的认证设计为准。若授权服务器 metadata 缺失,先检查 DevSpace 版本与实现,再考虑兼容适配,不要为了接入随意关闭认证。
A · Caddy + ChmlFrp:自己管理公网入口
链路:ChatGPT → ChmlFrp 公网节点 → Caddy :7677 HTTPS → DevSpace :7676 HTTP。
适合已经使用 ChmlFrp、自有域名与 DNS 的 WSL / Linux 环境。多了一层 Caddy,但可以独立检查本地 HTTPS 与公网转发。
1. 在 WSL 配置服务与本地 TLS
WSL 需要 systemd 时,在 /etc/wsl.conf 中配置:
[boot]
systemd=true
[interop]
appendWindowsPath=true
从 Windows 执行 wsl --shutdown,再启动 WSL;systemctl is-system-running 检查是否可用。
例如,Caddy 配置 /etc/caddy/Caddyfile:
{
https_port 7677
}
https://your-domain.example.com {
bind 127.0.0.1
reverse_proxy 127.0.0.1:7676
}
需要事先准备这条链路可用的证书与域名解析;Caddy 的具体证书签发/信任取决于网络环境。不要把示例域名当作已经签发的真实域名。
sudo systemctl restart caddy
curl -sk --resolve your-domain.example.com:7677:127.0.0.1 \
-o /dev/null -w '%{http_code}\n' \
https://your-domain.example.com:7677/mcp
此前 OAuth 方案中,目标是无凭据返回 401。本地验证用 -k 仅用于诊断证书,不是让 ChatGPT 忽略公网 TLS 校验。
2. 让 ChmlFrp 转发到 Caddy,而不是 DevSpace
示例 frpc.ini:
[common]
server_addr = YOUR_CHMLFRP_NODE_IP
server_port = YOUR_CHMLFRP_SERVER_PORT
tls_enable = false
login_fail_exit = false
user = YOUR_CHMLFRP_USER
token = YOUR_CHMLFRP_TOKEN
[YOUR_TUNNEL_NAME]
type = https
local_ip = 127.0.0.1
local_port = 7677
custom_domains = your-domain.example.com
节点、端口、隧道名必须按 ChmlFrp 面板的当前配置填写;运行 frpc -c /path/to/frpc.ini 或交给 systemd 管理。local_port 是 7677,因为上游需要 Caddy 的 HTTPS,而不是 DevSpace 的 HTTP。
3. 验收公网
curl -sS -o /dev/null -w '%{http_code}\n' \
https://your-domain.example.com/mcp
curl -sS https://your-domain.example.com/.well-known/oauth-protected-resource/mcp
ChatGPT 添加自定义 MCP 服务时填写 https://your-domain.example.com/mcp,不要加本地端口 :7677。ChmlFrp、Caddy、DevSpace 各自日志与状态独立检查,定位故障时从本地到公网逐层推进。
4. 长期运行时再配置常驻
Linux / WSL 可使用三个 systemd 服务分别管理 DevSpace、Caddy 和 frpc;Windows 登录启动 WSL 时再确保发行版持续运行。先让命令行手动链路成功,再配置服务管理器,不要把某台机器的 Node 绝对路径、Windows 启动脚本或鉴权文件原样迁移到其他环境。
B · Tailscale Funnel:少一层公网代理
链路:ChatGPT → Tailscale Funnel 公网 HTTPS → DevSpace :7676 HTTP。
把 Tailscale 放在 能通过本地回环访问 DevSpace 的同一运行环境:DevSpace 运行在 WSL 内,就优先让 Tailscale 也运行在该 WSL 中。只装在 Windows 宿主机上的 Tailscale,不会自动访问 WSL 的 127.0.0.1。
1. 安装、登录并确认设备名
Linux / WSL 可按 Tailscale 官方方法安装;在支持 systemd 的环境里:
sudo systemctl enable --now tailscaled
tailscale up --hostname=devspace-device
tailscale status
Windows / macOS 安装与当前系统匹配的客户端并确认 CLI 可用。macOS 不同客户端变体对 Funnel CLI 的支持可能不同,以 Tailscale 官方文档为准。
确认自己的完整域名,例如:
devspace-device.your-tailnet.ts.net
将 DevSpace publicBaseUrl 设为 https://devspace-device.your-tailnet.ts.net,并把完整域名加入 allowedHosts。普通 Tailscale 100.x.x.x 是 Tailnet 内部地址,不能作为 ChatGPT 云端公网 MCP URL。
2. 开启 Funnel,直接指向 7676
tailscale funnel --bg --yes 7676
tailscale funnel status
这条命令应以当前 Tailscale CLI 的 funnel --help 为准。若提示需要在 Tailnet 控制台授权 Funnel,先按提示启用,再重新检查状态。
curl -sS -o /dev/null -w '%{http_code}\n' \
https://devspace-device.your-tailnet.ts.net/mcp
curl -sS -o /dev/null -w '%{http_code}\n' \
https://devspace-device.your-tailnet.ts.net/.well-known/oauth-protected-resource/mcp
在此前 OAuth 配置中,预期分别为 401 / 200;ChatGPT 使用 https://devspace-device.your-tailnet.ts.net/mcp 创建自定义 MCP 连接并完成授权。
3. Windows 上「curl 通,浏览器不通」
这类现象可能是本机代理接管了 *.ts.net 的流量,而非 Funnel 服务故障。按顺序检查:
Resolve-DnsName devspace-device.your-tailnet.ts.net
curl.exe -I https://devspace-device.your-tailnet.ts.net/mcp
如确认是系统代理错误代理了 Tailnet 地址,可只针对自己的 Tailnet 域名配置直连 / bypass;不要全局关闭代理或为排查而修改无关网络配置。NO_PROXY 影响相应进程的出站流量,不能代替浏览器的系统代理设置。
C · OpenAI Secure MCP Tunnel:本机主动出站连接
链路:ChatGPT → OpenAI 托管 Tunnel →(本地主动轮询)tunnel-client → 私有 MCP。
这条线路与前两种结构不同:不用建立向公网开放的 DevSpace HTTPS 地址。tunnel-client 部署在能够访问私有 MCP 的设备上,主动访问 OpenAI,接收待处理的 MCP 请求并在本地转发。它不是通用 TCP VPN,也不是拿到一个随便向公众开放的 /mcp URL。参考 OpenAI 官方配置文档。
1. 检查账号、权限和认证前提
需要在 OpenAI Platform Tunnel 设置 中创建或选取隧道,并关联目标 Platform 组织与 ChatGPT 工作区。创建/管理隧道需要 Tunnels Read + Manage;运行客户端或连接隧道需要 Tunnels Read + Use。ChatGPT 还必须允许该用户创建和使用自定义 MCP 插件,这两套权限互不替代。
还需要单独准备一个用于运行客户端的 API key,以及 tunnel_id。不要把管理用途的 Admin key 放进长期运行的客户端。账号、工作区和工具权限会随政策变化,不能依据隧道存在就推定当前 ChatGPT 计划可读写所有工具。
2. 下载并配置官方 tunnel-client
从 openai/tunnel-client Releases 或 Platform Tunnel 设置页获取适合系统的客户端。先检查实际版本的命令帮助:
tunnel-client help quickstart
tunnel-client help samples
下面演示本机有 HTTP MCP 服务时的配置方向;选项与示例 Profile 名称应以当前客户端 init --help 为准:
# 在安全的本地环境里提供 CONTROL_PLANE_API_KEY,不将密钥写进正文或仓库
tunnel-client init \
--profile devspace-http \
--tunnel-id tunnel_YOUR_TUNNEL_ID \
--mcp-server-url http://127.0.0.1:7676/mcp
tunnel-client doctor --profile devspace-http --explain
tunnel-client run --profile devspace-http
本地服务不在同一个系统网络空间时,--mcp-server-url 必须换成客户端实际可以访问的内网地址,不能假设跨 WSL/宿主机的 127.0.0.1 可共用。doctor 成功只说明客户端配置和连通检查通过;客户端仍需保持运行才能接收请求。
3. ChatGPT 添加 Tunnel 连接
在 ChatGPT 网页端打开 Plugins → + → Add custom MCP server;在 Connection 下选择 Tunnel,选择有权限的隧道或输入 tunnel_id,按你的 MCP 服务配置认证并确认风险提示。然后检查被发现的工具,再做安全的只读调用。
不要在此步骤填此前 A / B 的公网 URL:Tunnel 模式选择的是隧道身份,不是公网 URL 输入框。
对于 HTTP 服务,上游 OAuth 若尚未打通,应明确记录为认证未完成,而不是认为 Secure MCP Tunnel 整体已通过。官方排障起点是 tunnel-client doctor --profile devspace-http --explain、运行中的健康 / 就绪状态与实际插件调用结果。
共用验收:从网络通,到真的能用
服务进程存在;协议与鉴权行为符合当前实现。
A/B 测公网 HTTPS;C 测客户端 ready 与 Tunnel 关联。
OAuth 或其他支持的认证在 ChatGPT 插件中实际通过。
能从限定的项目目录读取预设测试文件,才是端到端成功。
准备一个只含测试内容的文件(按自己系统的可访问路径创建),例如:
printf 'devspace-ok\n' > /absolute/path/to/project/DEVSPACE_VERIFY.txt
随后在 ChatGPT 中选择已连接的自定义 MCP 插件,请它通过 DevSpace 只读打开 DEVSPACE_VERIFY.txt。返回 devspace-ok,并能确认调用来自实际 MCP 工具而不是模型猜测,才算完成端到端验证。
最常见的混淆
| 症状 | 优先定位 |
|---|---|
| 公网地址不能访问 | A 查 Caddy、frpc、域名与 TLS;B 查 Funnel 状态、DNS 与代理 |
/mcp 返回 401 | 对 OAuth 保护的 DevSpace 可能是预期,不等于 ChatGPT 已授权 |
| 授权页面不出现 / 登录失败 | OAuth metadata、公开的授权服务器地址、工作区政策 |
| Tunnel 在 ChatGPT 中找不到 | tunnel_id 所属组织与 ChatGPT 工作区关联、Tunnels Read + Use |
| Tunnel 已连接,但无法调用工具 | 客户端是否运行、MCP 上游认证、允许的工具与项目根目录 |
| WSL 重启后失联 | 是否启用 systemd 常驻、Windows 是否仍运行该发行版 |
安全边界与延伸阅读
只有对当前任务必要的目录才应加入 allowedRoots;默认先用只读工具验证,再考虑写入和命令执行。不要公开 DevSpace 密钥、Token、私有域名、账号信息和机器绝对路径;配置文件中的示例占位符必须替换。第三方公网转发与 OpenAI 私有隧道都不是「授予 ChatGPT 无限系统权限」的理由,工具能做什么仍由本机 MCP 权限决定。
官方依据:OpenAI Secure MCP Tunnel · Add custom MCP server · tunnel-client Onboarding · Tailscale Funnel。
本文的网络地图、分层流程与安全边界还可以用其他视觉语言表达。查看 《网页信息设计实验:架构图、流程图与交互图解的六种表达》,对比工程图、泳道图、决策树与渐进式说明的适用场景。
这三条路解决的是同一个问题,但公网连接成功、认证成功、工具调用成功,是三个不同的验收结果。先建立边界,再选择链路,最后用真实工具调用验证。