通过 MCP 服务器实时查询 OpenAI 官方开发者文档，获取 API、SDK、Realtime 等最新权威信息，避免依赖过时记忆。
说明：
## 核心用法
OpenAI Docs MCP Skill 是一个命令行工具封装，通过 `scripts/openai-docs-mcp.sh` 脚本对接 OpenAI 官方的 MCP 服务器 (`https://developers.openai.com/mcp`)。核心工作流程为三步：
1. **Discover（发现）**：使用 `search` 子命令输入关键词（如 “Responses API”）查找相关文档，或用 `list` 浏览文档索引；
2. **Read（读取）**：使用 `fetch` 子命令获取指定 URL 或锚点章节的完整 Markdown 内容；
3. **Apply（应用）**：引用文档原文并标注来源 URL，确保信息权威可追溯。
额外功能包括 `init` 检测服务器能力、`tools` 列出可用工具、`endpoints` 获取 OpenAPI 端点列表，以及 `openapi` 生成多语言代码示例。
## 显著优点
– **权威性**：直接源自 OpenAI 官方文档，避免模型训练数据 cutoff 导致的信息过时；
– **实时性**：通过 MCP 服务器动态查询，确保获取最新 API 变更、迁移指南和参数限制；
– **精准性**：支持锚点级定位，可精确定位到具体章节；
– **完备性**：覆盖 Responses API、Chat Completions、Realtime API、ChatGPT Apps SDK、Codex、MCP 集成等全平台内容；
– **可审计**：强制要求输出引用 URL，便于验证和溯源。
## 潜在缺点或局限性
– **依赖外部服务**：需网络连接至 `developers.openai.com/mcp`，离线不可用；
– **学习成本**：需熟悉 `search`→`fetch` 的工作流及 jq/JSON 处理；
– **无内置缓存**：重复查询相同内容会产生额外网络开销；
– **权限隐含**：虽文档公开，但 MCP 端点可能存在访问频率限制，高并发场景需注意；
– **输出格式限制**：返回为 Markdown 文本，复杂表格或交互式示例渲染有限。
## 适合人群
– OpenAI API 开发者需确认最新参数、端点或迁移方案；
– 构建 ChatGPT Apps 或 Codex 插件的第三方开发者；
– 需要编写基于 OpenAI Realtime API 或多模态能力应用的工程师；
– 技术写作或客户支持需引用官方原文的从业者。
## 常规风险
– **信息时效边界**：虽为官方源，但文档本身更新可能存在延迟，极端情况下 API 行为先于文档变更；
– **URL 稳定性**：引用的文档 URL 结构若发生变更，历史链接可能失效；
– **脚本环境依赖**：依赖本地 `curl` 和 `jq`，环境缺失会导致执行失败；
– **网络中间人风险**：虽使用 HTTPS，但在不可信网络环境下仍需警惕 DNS 劫持。
