ChatGPT Developer Guide

Worum geht es?

ChatGPT ist nicht nur ein Chatfenster. Fuer Entwickler ist es ein ganzes Oekosystem aus ChatGPT-Oberflaeche, OpenAI Platform, Apps, Agents, Projects, GPTs, Skills und Codex. Dieser Guide ordnet die Bausteine ein: wofuer sie gedacht sind, wie man sie nutzt, wann man sie erweitert und wie sie zusammenarbeiten.

1. Das mentale Modell

OpenAI hat mehrere Ebenen. Der wichtigste Fehler ist, alles als "ChatGPT" zu bezeichnen. Fuer saubere Entscheidungen lohnt sich diese Trennung:

Ebene	Zweck	Typische Nutzer	Erweiterung
ChatGPT	Produktive Arbeit im Chat: recherchieren, schreiben, analysieren, planen, Agent nutzen	Endnutzer, Teams, Entwickler	GPTs, Projects, Apps, Deep Research
OpenAI Platform	APIs, Modelle, Tools, Tracing, Keys, Abrechnung, Produktion	Entwickler, Produktteams	Responses API, Agents SDK, Tools, Evals
Codex	Coding-Agent fuer Repos, IDE, Terminal, Desktop und Cloud	Entwickler	AGENTS.md, Skills, Plugins, MCP, Hooks, Subagents
Apps SDK	Eigene Apps direkt in ChatGPT bereitstellen	App-Entwickler, SaaS-Teams	MCP-Server plus optionale UI-Komponenten
GPTs	Konfigurierte ChatGPT-Erfahrungen ohne eigene App-Infrastruktur	Power User, Teams	Instructions, Knowledge, Capabilities, Actions

Faustregel: ChatGPT ist die Arbeitsoberflaeche, die Platform ist die API-Schicht, Codex ist der Coding-Agent, Apps sind Produktintegrationen, GPTs sind konfigurierte Assistenten.

2. Apps in ChatGPT

Apps bringen externe Tools und Daten in ChatGPT. Fruehere "Connectors" werden in der aktuellen Produktlinie unter Apps zusammengefasst: Manche Apps liefern nur Such- oder Datenzugriff, andere bieten interaktive UI im Chat, wieder andere koennen Aktionen in einem angebundenen Dienst ausfuehren.

App-Faehigkeit	Wofuer sie da ist	Beispiel
Search	Inhalte aus angebundenen Diensten finden und als Kontext nutzen	Dateien, Tickets, Nachrichten, CRM-Daten
Deep research	Mehrquellen-Recherche mit Zitaten ueber angebundene Apps	Marktanalyse ueber Web, Drive und Slack
Sync	Inhalte vorab indexieren, damit Antworten schneller und besser werden	Workspace-Wissen, Dokumentenbestaende
Write actions	Dinge im externen System veraendern	Kommentar posten, Termin anlegen, Datei aktualisieren
Interactive UI	Rich UI direkt im Chat anzeigen	Karten, Produktlisten, Playlists, Formulare

Apps nutzen

1. Oeffne in ChatGPT Settings > Apps oder die App Directory.
2. Verbinde die App, falls sie OAuth oder Workspace-Freigabe braucht.
3. Nutze die App ueber @AppName, das Plus-Menue oder als Quelle in Projects und Deep Research.
4. Pruefe bei Aktionen die Approval-Karte. Lesen ist oft weniger kritisch als Schreiben, Loeschen, Teilen oder Kaufen.

Permissions ernst nehmen

Apps koennen externe Daten lesen oder Aktionen ausloesen. Setze die App-Berechtigung fuer produktive Workspaces konservativ: Lesen automatisch ist oft okay, Schreibaktionen sollten in Teams meist bestaetigt werden.

Eigene Apps bauen

Eigene ChatGPT-Apps werden mit dem Apps SDK gebaut. Das Grundprinzip:

Baustein	Rolle
MCP-Server	Stellt Tools bereit, die ChatGPT aufrufen darf
Tool-Schemas	Beschreiben Eingaben, Ausgaben und Side Effects
UI-Komponente	Optionale interaktive Ansicht im ChatGPT-iframe
Auth	Verbindet Nutzer sicher mit deinem Dienst
Submission	Macht die App fuer Workspace oder Directory verfuegbar

Konzeptueller Starter-Flow:

# 1. App-Projekt erzeugen
npm create openai-app@latest my-chatgpt-app

# 2. Lokal starten
cd my-chatgpt-app
npm run dev

# 3. In ChatGPT Developer Mode verbinden
# 4. Tools testen, UI pruefen, Auth und Permissions absichern
# 5. Deployen und fuer Workspace oder Directory einreichen

Wann Apps statt GPTs?

Nimm Apps, wenn...	Nimm GPTs, wenn...
du ein echtes Produkt oder internes Tool integrierst	du hauptsaechlich Verhalten und Wissen konfigurieren willst
externe APIs, Auth oder Schreibaktionen noetig sind	keine eigene Infrastruktur betrieben werden soll
UI im Chat wichtig ist	Text-Workflows, Analyse oder einfache Actions reichen
Admins Rollout und Berechtigungen steuern sollen	einzelne Nutzer oder Teams schnell starten wollen

Offizielle Quellen: Apps in ChatGPT, Apps SDK.

3. Agents

"Agent" meint bei OpenAI zwei verwandte, aber unterschiedliche Dinge:

Ebene	Was es ist	Wann nutzen
ChatGPT agent mode	ChatGPT arbeitet laenger an einer Aufgabe, nutzt Browser, Apps, Dateien, Code Interpreter und bestaetigt riskante Schritte	Komplexe Online-Aufgaben ohne eigene Implementierung
Agents SDK	Developer-Framework fuer eigene agentische Apps mit Tools, Handoffs, Tracing und Guardrails	Wenn du ein agentisches Produkt baust
Codex Agent	Coding-Agent fuer Softwareentwicklung	Wenn die Aufgabe an einem Repo, einer IDE oder einem Terminal haengt

ChatGPT agent mode

Agent mode ist sinnvoll, wenn ChatGPT nicht nur antworten, sondern einen Ablauf ausfuehren soll: Website pruefen, Informationen sammeln, Dateien auswerten, Formulare vorbereiten, Tabellen bearbeiten oder mehrere Quellen zusammenfuehren. Du startest ihn ueber das Tool-Menue oder mit /agent.

Guter Prompt:

Nutze Agent Mode. Ziel: Erstelle eine Vergleichstabelle fuer drei CRM-Tools.
Quellen: offizielle Pricing-Seiten und unsere hochgeladene Requirements-Datei.
Lieferung: Markdown-Tabelle mit Empfehlung, Annahmen und Links.
Stoppe vor jeder Aktion, die Daten an externe Dienste sendet.

Agent mode ist weniger geeignet fuer schnelle Fragen, einfache Textarbeit oder Aufgaben, bei denen du volle API-Kontrolle, Logs, Evals und eigene Produktlogik brauchst.

Agents SDK

Das Agents SDK ist der Weg, wenn du selbst Agenten baust. Du definierst Agenten, Tools, Handoffs, Guardrails und Observability. Das passt fuer Support-Automation, Research-Pipelines, interne Ops-Agenten, Datenanalyse oder mehrstufige Produktworkflows.

Minimalmodell:

from agents import Agent, Runner, function_tool

@function_tool
def lookup_customer(customer_id: str) -> str:
    return "Customer data from your system"

agent = Agent(
    name="Support Agent",
    instructions="Answer from company policy and use tools when needed.",
    tools=[lookup_customer],
)

result = Runner.run_sync(agent, "Summarize customer 123 and suggest next steps.")
print(result.final_output)

Entscheidung:

Aufgabe	Beste Wahl
Ein Mensch will eine komplexe Web-Aufgabe erledigen lassen	ChatGPT agent mode
Ein Produkt braucht wiederholbare agentische Logik	Agents SDK
Ein Entwickler will Code lesen, aendern, testen, reviewen	Codex
Ein Team will eine ChatGPT-Erfahrung ohne Backend bauen	GPT

Offizielle Quellen: ChatGPT agent, Agents SDK.

4. Projects

Projects sind Arbeitsraeume in ChatGPT. Sie halten Chats, Dateien, Links, gespeicherte Antworten und Project Instructions zusammen. Fuer Entwickler sind Projects besonders gut, wenn Kontext ueber mehrere Threads erhalten bleiben soll.

Bestandteil	Nutzen
Project Instructions	Projektweite Rolle, Stil, Constraints und Regeln
Files	Spezifikationen, PDFs, Tabellen, Architekturdocs
Project Memory	Kontext aus dem Projekt bleibt im Projekt nutzbar
Shared Projects	Team arbeitet an einem gemeinsamen Kontext-Hub
Apps in Projects	Externe Quellen wie Drive oder Slack als Kontext nutzen

Gute Project Instructions:

Du bist unser technischer Produktpartner fuer das Billing-Projekt.
Antworte knapp, aber mit klaren Trade-offs.
Nutze die hochgeladenen Architekturdocs als primaere Quelle.
Wenn Informationen fehlen, markiere Annahmen explizit.
Keine personenbezogenen Daten in externe App-Aktionen uebernehmen.

Wann Projects Sinn machen:

• Langlaufende Themen: Produktlaunch, Migration, Research, Kurs, Doku, Recruiting.
• Mehrere parallele Chats, die denselben Kontext brauchen.
• Teamarbeit, bei der Dateien und Entscheidungen nachvollziehbar bleiben sollen.
• Wiederkehrende Reports oder Analysen.

Wann nicht:

• Einmalige Fragen.
• Aufgaben, bei denen du bewusst keinen Verlauf oder keine Memory willst.
• Geheimhaltungs- oder Compliance-Faelle, in denen der Workspace keine Freigabe fuer Files, Apps oder Sharing hat.

Offizielle Quelle: Projects in ChatGPT.

5. GPTs

GPTs sind benutzerdefinierte ChatGPT-Erfahrungen. Du konfigurierst Name, Beschreibung, Instructions, Knowledge, Capabilities, Apps und Actions. Sie sind ideal, wenn du eine wiederverwendbare Assistenz-Erfahrung brauchst, aber keine vollwertige App bauen willst.

GPT-Baustein	Wofuer er da ist
Instructions	Verhalten, Rolle, Ton, Grenzen, Entscheidungsregeln
Knowledge	Hochgeladene Referenzen, die der GPT nutzen soll
Capabilities	Tools wie Web, Bilder, Datei-Analyse oder Code Interpreter, planabhaengig
Apps	Angebundene App-Kontexte oder Tools
Actions	Eigene API-Aufrufe ueber OpenAPI-Schema
Version history	Aenderungen testen und nachvollziehen

GPTs baust du im Web in der GPTs-Area. Mobile Apps koennen GPTs nutzen, aber der Builder ist auf die Web-Erfahrung ausgerichtet.

GPT Actions

Actions verbinden einen GPT mit einer API. Dafuer beschreibst du die API mit einem OpenAPI-Schema und definierst Auth, Parameter und erlaubte Operationen.

Konzeptuelles Schema:

openapi: 3.1.0
info:
  title: Tickets API
  version: 1.0.0
paths:
  /tickets/search:
    get:
      operationId: searchTickets
      summary: Search support tickets
      parameters:
        - name: query
          in: query
          required: true
          schema:
            type: string
      responses:
        "200":
          description: Matching tickets

Nimm GPTs fuer:

• Team-Assistenten: "Support Policy Helper", "Brand Reviewer", "SQL Mentor".
• Wissen plus klarer Arbeitsstil.
• Prototypen, bevor du eine App oder API-Integration baust.
• Einfache API-Actions, wenn keine interaktive UI noetig ist.

Nimm keine GPTs fuer:

• Komplexe Produkt-UX im Chat.
• Feingranulare Admin-Rollouts mit App Directory.
• Agentische Produktionssysteme mit Tracing, Evals und Deployment-Pipeline.

Offizielle Quellen: Creating and editing GPTs, GPT Actions.

6. Skills

Skills sind wiederverwendbare Faehigkeiten fuer Agenten. Der Begriff taucht in zwei wichtigen Kontexten auf:

Kontext	Bedeutung	Typische Form
OpenAI Platform Tools Skills	Tool-Faehigkeiten fuer API-Agenten	Skill- oder Tool-Konfiguration in einem agentischen Workflow
Codex Skills	Wiederverwendbare Arbeitsanweisungen fuer Codex	Ordner mit SKILL.md, optional Scripts, Referenzen, Assets

Codex Skills sind besonders greifbar: Eine Skill beschreibt, wann sie gilt, welche Schritte Codex befolgen soll und welche Ressourcen oder Scripts es nutzen darf.

---
name: release-notes
description: Create release notes from git commits and issue context.
---

1. Read the merged commits since the last tag.
2. Group changes by user-facing impact.
3. Mention breaking changes explicitly.
4. Produce Markdown suitable for the changelog.

Skills vs GPTs vs Apps

Du brauchst...	Nimm
Wiederverwendbare Arbeitsweise fuer Codex	Codex Skill
Benutzerfreundlichen Chat-Assistenten in ChatGPT	GPT
Zugriff auf externe Tools, Daten oder UI in ChatGPT	App
Produktionsfaehige Agent-Logik in deinem Produkt	Agents SDK
Projektweite Regeln fuer ein Repo	AGENTS.md

Skills sind gut fuer wiederkehrende Prozeduren: Release, Review, Migration, Doku, Security Check, Frontend-Audit, Datenimport. Wenn eine Skill externe Systeme braucht, kombiniere sie mit MCP.

Offizielle Quellen: Skills in OpenAI API docs, Codex Skills.

7. Codex

Codex ist OpenAIs Coding-Agent. Er liest Repos, plant Aenderungen, editiert Dateien, fuehrt Commands aus, reviewed Diffs, nutzt Tools und kann Aufgaben lokal oder in der Cloud bearbeiten.

Fuer ein konkretes Windows/WSL/VS-Code-Setup siehe den Codex Setup Guide.

Codex-Oberflaechen

Surface	Staerke	Wann nutzen
CLI	Terminal-first, schnell, scriptbar, nah am Repo	Lokale Repo-Arbeit, Reviews, Automation
IDE Extension	Open files, selection, editor context, lokale Changes	Wenn du im Editor arbeitest
Codex Desktop App	Projekte, parallele Threads, Worktrees, Browser, Skills, Plugins	Groessere Arbeit, Review, Planung, App-Workflow
Codex Cloud/Web	Offloaded Tasks in Remote-Umgebung	Lange Tasks, parallele Implementierungen, PR-Fixes
Windows App	Native Windows, PowerShell, optional WSL2	Windows-Workflows mit Sandbox

CLI-Grundlagen

# Interaktive Session im aktuellen Repo
codex

# Einmalige Frage mit Repo-Kontext
codex "Explain this codebase"

# Nicht-interaktiv fuer Skripte
codex exec "Fix the failing tests and summarize what changed"

# Desktop-App aus dem Terminal starten
codex app

# Fruehere Session fortsetzen
codex resume --last

In der CLI ist Kontext oft expliziter: Nenne Pfade, fuege Dateien an oder beschreibe die relevante Stelle. In der IDE bekommt Codex automatisch mehr Editor-Kontext.

IDE Context und Auto Context

In VS Code-kompatiblen Editoren kann Codex offene Dateien, ausgewaehlte Codebereiche und explizit hinzugefuegte Dateien als Kontext verwenden. Das ist der Kern von "include IDE context": Du musst nicht alles in den Prompt kopieren, sondern kannst mit Auswahl, @file-Referenzen und Auto Context arbeiten.

Praktisch:

• Markiere eine Funktion und nutze Add to Codex Thread.
• Erwaehne Dateien mit @example.tsx oder @resources.ts.
• Nutze /auto-context, wenn Codex aktuelle Editor-Signale automatisch einbeziehen soll.
• Schalte Auto Context aus, wenn ein Task isoliert bleiben soll.

Guter IDE-Prompt:

Nutze die ausgewaehlte Komponente und @src/lib/api.ts als Kontext.
Fuege Loading-, Empty- und Error-State hinzu.
Halte dich an die bestehenden UI-Patterns und fuehre danach die passenden Tests aus.

Codex-Schichten, die zusammenspielen

Schicht	Zweck	Beispiel
Prompt	Einmalige Aufgabe und Constraints	"Nur planen, nicht editieren"
IDE context	Aktuelle Editor-Dateien und Auswahl	Offene React-Komponente
AGENTS.md	Dauerhafte Repo-Regeln	Testbefehle, Architekturregeln, Review-Fokus
config.toml	Persoenliche oder Projekt-Konfiguration	Modell, Sandbox, MCP, Feature Flags
Skills	Wiederverwendbare Workflows	Release Notes, Security Review
Plugins	Installierbare Bundles aus Skills, Apps, MCP, Assets	Team-Plugin fuer Linear plus Review-Skill
MCP	Externe Tools und Daten	GitHub, Figma, Sentry, Docs
Subagents	Spezialisten fuer parallele Arbeit	Tester, Reviewer, Implementer
Hooks/Rules	Mechanische Grenzen und Lifecycle-Checks	Vor Shell-Command pruefen, sensitive Pfade sperren

AGENTS.md

AGENTS.md ist die wichtigste dauerhafte Repo-Anleitung. Lege dort ab, was Codex immer wissen soll:

• Setup- und Testbefehle.
• Code-Style, Architekturgrenzen, Naming.
• Review-Erwartungen.
• Verzeichnisspezifische Regeln.
• Dinge, die Codex wiederholt falsch angenommen hat.

Beispiel:

# AGENTS.md

## Repository expectations

- Use `yarn build` before finishing MDX documentation changes.
- Keep docs in German unless the surrounding page is English.
- Do not edit generated i18n files unless explicitly requested.
- For frontend changes, verify mobile and desktop layouts.

Windows, WSL und Desktop-App

Auf Windows kann Codex nativ mit PowerShell und Windows-Sandbox laufen oder in WSL2. Waehle:

Setup	Empfehlung
Repo und Tools sind Windows-nativ	Native Windows Agent
Repo liegt in Linux-Toolchain, Node/Python laufen in Linux	WSL2 Agent
Du nutzt VS Code Remote WSL	Codex in der WSL-Umgebung starten
Du willst Dateien zwischen Windows und WSL teilen	CODEX_HOME bewusst setzen, sonst getrennte Config/Sessions

WSL2 ist sinnvoll, wenn dein Projekt ohnehin unter Linux lebt. Fuer Windows-native Apps ist der native Agent oft direkter. WSL1 ist fuer moderne Codex-Linux-Sandboxing-Setups keine gute Basis.

Permissions und Sandboxing

Codex arbeitet mit Approval- und Sandbox-Modi. Der sichere Default ist: im Workspace lesen, editieren und lokale Commands ausfuehren; fuer Netzwerk, externe Pfade oder riskante Aktionen nachfragen. Full Access ist praktisch, aber sollte nur fuer vertraute Repos und klare Aufgaben genutzt werden.

Review und Cloud

Nutze /review, wenn Codex Diffs priorisiert pruefen soll. Nutze Cloud, wenn eine Aufgabe laenger laeuft, parallelisiert werden soll oder du deine lokale IDE frei halten willst. Gute Cloud-Aufgaben enthalten Definition of Done, Branch-Kontext, Testbefehl und klare Nicht-Ziele.

Offizielle Quellen: Codex Manual, Codex CLI, Codex IDE, Codex Windows.

8. Search und Deep Research

ChatGPT hat mehrere Recherche-Modi. Sie sind nicht austauschbar.

Modus	Wofuer	Ergebnis
Standard Chat	Allgemeines Wissen, schnelle Erklaerung	Schnelle Antwort, nicht zwingend aktuell
Web search	Aktuelle Fakten, Preise, Termine, News, Quellencheck	Kurze Antwort mit Webquellen
Deep Research	Mehrstufige Recherche mit Synthese und Quellenkontrolle	Strukturierter Report mit Zitaten
Agent mode	Recherche plus Aktionen	Ergebnis plus ausgefuehrte Schritte

Nutze Deep Research, wenn:

• mehrere Quellen verglichen werden muessen,
• du Zitate oder nachvollziehbare Quellen brauchst,
• Dateien, Web und Apps zusammen ausgewertet werden sollen,
• die Frage Analyse statt Lookup ist,
• du eine laengere Entscheidungsgrundlage brauchst.

Nutze normale Web search, wenn:

• du nur wissen willst, was gerade aktuell ist,
• eine einzelne offizielle Quelle reicht,
• die Antwort kurz sein soll,
• keine tiefe Synthese noetig ist.

Guter Deep-Research-Prompt:

Erstelle einen Deep-Research-Report zu den besten Optionen fuer EU-konformes CRM.
Quellen: offizielle Anbieter-Websites, aktuelle Datenschutzdokumente und unsere hochgeladene Requirements-Datei.
Vergleiche: Datenresidenz, API, Rollenmodell, Integrationen, Preisstruktur nur qualitativ.
Lieferung: Executive Summary, Vergleichstabelle, Risiken, Empfehlung, Quellenlinks.

Failure Modes:

• Zu breite Frage fuehrt zu oberflaechlichem Report.
• Quellenmix ist unklar, wenn du nicht sagst, welche Quellen erlaubt sind.
• Aktuelle Preise und Limits koennen sich aendern, daher immer Quellen pruefen.
• App-Daten koennen nur genutzt werden, wenn die App verbunden und freigegeben ist.

Offizielle Quellen: Deep research in ChatGPT, Deep research API guide.

9. OpenAI Platform fuer Entwickler

Die OpenAI Platform ist der Ort fuer alles, was in Produktion geht: API Keys, Projects, Models, Usage, Logs, Evals, Tools und SDKs.

Bereich	Wofuer
Dashboard	Projekte, Usage, Billing, Limits, Keys
Projects	API-Arbeitsbereiche, Key-Isolation, Teamstruktur
Models	Modellwahl, Faehigkeiten, Kontext, Kostenprofil
Responses API	Standard-API fuer multimodale, tool-nutzende Interaktionen
Agents SDK	Agentische Workflows mit Tools, Handoffs und Tracing
Tools	Web search, file search, computer use, code interpreter, MCP, Skills
Evals	Qualitaet messen, Regressionen erkennen
Tracing/Observability	Agentenlaeufe nachvollziehen und debuggen

Developer-Setup

# API-Key lokal setzen
export OPENAI_API_KEY="sk-..."

# SDK installieren
npm install openai

# Minimaler Responses-Call
node -e "import OpenAI from 'openai'; const client = new OpenAI(); const r = await client.responses.create({ model: 'gpt-5.5', input: 'Sag kurz hallo.' }); console.log(r.output_text);"

Fuer echte Projekte:

1. Lege pro Produkt, Umgebung oder Team ein Platform Project an.
2. Nutze getrennte Keys fuer Dev, CI und Production.
3. Pinne Modelle bewusst und beobachte Release Notes.
4. Logge Inputs/Outputs datenschutzkonform.
5. Baue Evals fuer Kernfaelle, bevor du Agenten automatisierst.
6. Setze Rate Limits, Kostenalarme und Fallbacks.
7. Nutze Tracing fuer Tool Calls und Agent-Handoffs.

Welche API fuer was?

Ziel	Empfehlung
Chat, Text, Bildinput, Tools, Struktur	Responses API
Klassisches Legacy-Chat-Schema	Chat Completions nur wenn bestehender Code es braucht
Agentische App mit mehreren Tools	Agents SDK
Suche ueber eigene Dateien	File Search/Retrieval
Aktuelle Webdaten	Web Search Tool
Interaktive Browser-/Desktop-Aktionen	Computer Use, mit strengen Guardrails
ChatGPT-Erweiterung fuer Nutzer	Apps SDK oder GPT Actions

Offizielle Quelle: OpenAI Platform docs.

10. Entscheidungshilfe

Ich will...
|
+-- ChatGPT fuer ein Thema organisieren
|   +-- Project
|
+-- Einen wiederverwendbaren Chat-Assistenten bauen
|   +-- GPT
|
+-- ChatGPT mit meinem Produkt oder interner API verbinden
|   +-- App SDK oder GPT Action
|
+-- Einen Agenten in meiner eigenen Software bauen
|   +-- Agents SDK
|
+-- Code im Repo planen, aendern, testen oder reviewen
|   +-- Codex
|
+-- Einen Codex-Workflow wiederverwendbar machen
|   +-- Skill, spaeter Plugin
|
+-- Aktuelle Informationen kurz pruefen
|   +-- Web search
|
+-- Einen belegten Report aus mehreren Quellen erstellen
    +-- Deep Research

11. Praktische Startreihenfolge

1. Als Nutzer: Lege fuer wiederkehrende Arbeit ein Project an und schreibe gute Project Instructions.
2. Als Power User: Baue einen GPT fuer wiederkehrende ChatGPT-Aufgaben.
3. Als Entwickler: Nutze die OpenAI Platform mit Responses API und klar getrennten Projects.
4. Als App-Builder: Starte mit Apps SDK, wenn ChatGPT dein Produkt direkt nutzen soll.
5. Als Agent-Builder: Nutze Agents SDK, Evals und Tracing, bevor du Agenten produktiv autonom laufen laesst.
6. Als Softwareentwickler: Richte Codex mit AGENTS.md, passenden Permissions, Skills und MCP ein.
7. Als Team: Verpacke stabile Workflows als Skills oder Plugins und dokumentiere Approval-Regeln.

Weiterfuehrend

• Apps in ChatGPT
• Apps SDK
• ChatGPT agent
• Agents SDK
• Projects in ChatGPT
• Creating and editing GPTs
• Deep research in ChatGPT
• OpenAI Platform docs
• Codex Manual

---

Alle KI-generierten Inhalte sind Entwuerfe und erfordern eine menschliche Pruefung vor der externen Verwendung.