你是否常用 ChatGPT 幫你查今天的新聞、找最新價格? 這些資訊不是模型「想出來」的，而是靠內建工具去抓資料。GPT-5.5 把可用工具從幾個擴充到整整十種，但哪些工具一般人就能用、哪些要寫程式才能開，官方文件說得比較散，這篇把它整理清楚。
GPT-5.5 支援哪些工具？
GPT-5.5 目前支援以下十種工具：
| 工具 | 功能 | 適合誰 |
|---|---|---|
| Web search | 即時搜尋網路 | 一般用戶 / 開發者 |
| File search | 搜尋上傳的文件 | 一般用戶 / 開發者 |
| Image generation | 生成圖片 | 一般用戶 / 開發者 |
| Code interpreter | 執行程式碼、處理資料 | 一般用戶 / 開發者 |
| Computer use | 控制電腦操作介面 | 一般用戶 / 開發者 |
| MCP | 連接外部系統（Notion、資料庫等） | 一般用戶 / 開發者 |
| Apply patch | 套用程式碼修改 | 開發者 |
| Skills | 可重複呼叫的自訂工作流程 | 開發者 |
| Hosted shell | 在雲端伺服器執行指令 | 開發者 |
| Tool search | 動態載入工具定義 | 開發者 |
「一般用戶」指的是直接在 ChatGPT 網頁或 app 使用，「開發者」則需要透過 Responses API 寫程式才能呼叫。前五種在 ChatGPT 的 agent mode 下都可以啟用，後五種目前是純 API 功能。
web search：查最新資料最快的方式
web search 是這十種工具裡對一般人最直接有感的一個。開啟後，模型可以在回答問題時自動上網搜尋，答案會附上來源連結。
在 ChatGPT 介面，agent mode 下這個功能預設就會根據需要啟用。如果你是開發者，Responses API 的啟用方式是把 web_search 加入 tools 清單：
{
"model": "gpt-5.5",
"tools": [{"type": "web_search"}],
"input": "台灣 2026 年 GDP 成長率"
}幾個細節值得注意：
- 可以過濾來源網域：只讓它搜特定網站，或封鎖某些網站，避免引用到不可靠來源
- 有地區設定：可以指定搜尋結果要以哪個地區為準
- 支援即時資料：運動比分、天氣、金融數據都可以查到當下最新狀態
- 搜尋視窗上限 128k：GPT-5.5 本身支援 1M token 的 context，但 web search 抓回來的內容最多只占 128k，這個限制和模型大小無關，固定如此
MCP：讓 AI 連到你自己的系統
MCP 全名 Model Context Protocol，是一個開放標準，設計目的是讓 AI 模型連接到外部系統，比如你自己的 Notion 工作區、公司內部資料庫、或任何提供 MCP 介面的第三方服務。
MCP 的使用路徑依方案不同而有差異：
一般用戶（Plus / Pro）：2026 年 3 月後，ChatGPT 推出 Developer Mode，可以在「設定 → Apps」裡連接自訂 MCP server。讀取和寫入操作都支援，但寫入動作執行前會先跳出確認視窗讓你核准。
Business / Enterprise 用戶：同樣透過 ChatGPT 介面設定，有完整的讀寫功能。
開發者（Responses API）：彈性最高，可以在程式碼裡直接指定 MCP server：
{
"tools": [{
"type": "mcp",
"server_url": "https://your-service.com/sse/",
"allowed_tools": ["search", "fetch"]
}]
}設定裡幾個關鍵參數：
- server_url：你的 MCP server 位址，使用 SSE 傳輸協定
- allowed_tools：指定這個 server 上開放哪些工具給模型用，可以只開其中幾個，不用全部開啟
- require_approval：控制模型每次用工具前要不要人工確認，自動化流程通常設
"never"
MCP 的概念類似「幫 AI 裝插頭」，插頭（MCP server）是標準化的，任何系統只要實作這個介面，就能讓模型直接操作你的資料或服務。
不管是哪條路徑，都需要先有人架好一個 MCP server 才能接上去用。ChatGPT 介面的 Developer Mode 適合不想寫程式但想連接外部系統的 Plus/Pro 用戶；如果需要寫入權限或更複雜的整合，才需要走 Responses API 路線。
tool search：工具太多時的省錢方案
這個功能比較偏技術面，但值得提一下，因為它直接影響到使用 MCP 的成本。
如果你在用 API 建一個有很多工具的 AI agent，會碰到一個問題：每次呼叫都要把所有工具的定義塞進 context，光是說明文字就可能占幾萬個 token，還沒開始做事就先花了一大筆。
tool search 的做法是讓你把部分工具標記為「延遲載入」，模型在真正需要用某個工具時，才把那個工具的完整定義拉進來。平時只帶一份輕量的工具清單，用到哪個再查哪個。
和 MCP 搭配時，這個差異特別明顯。一個 MCP server 可能有幾十個工具，每個都有完整的參數說明；有了 tool search，cache 可以跨請求重複利用，整體 token 消耗低很多。gpt-5.4 以後的模型都支援這個功能，包含 GPT-5.5。
