AI 编程进入插件时代:Skill、MCP 终于能一次打包了

过去我们在不同 AI 编程工具之间迁移能力，常常要重复搬运 Skill、MCP 配置和平台专属文件。Agent Plugins 1.0 想解决的，就是这层重复包装。

先说结论：Plugin 不是一种新模型，也不是 Skill 或 MCP 的替代品。它更像一个标准化工具箱，把任务方法、外部连接和特定客户端扩展放进同一个可安装目录。

真正值得关注的，不是“又多了一个插件市场”，而是 AI Agent 的能力开始像软件包一样被组织、迁移和治理。

一次打包、按能力加载，但权限仍由各客户端负责。

先说结论：插件是包装层，不是第四种 Agent 能力

理解 Agent Plugin，先把三个词分开。

Skill 保存的是做事方法：什么时候触发、先读什么、执行哪些步骤、怎样验证结果。MCP 负责连接外部工具和数据，例如代码仓库、监控平台或业务接口。Plugin 则把这些组件装进约定目录，让兼容客户端能够发现、安装和更新。

因此，插件可以只有一个 Skill，也可以同时携带 MCP 配置。某些客户端还允许加入 Hook、Agent、命令或界面，但这些能力不一定能被其他客户端识别。

Plugin 负责包装，Skill 负责方法，MCP 负责连接。

这次到底发生了什么

GitHub 在8 月 12 日的官方公告^[1]中宣布，Agent Plugins 1.0 已在 VS Code、Copilot CLI、Copilot SDK 和 Copilot app 一般可用。这个开放标准的目标，是让开发者构建一次插件，再交给多个兼容 Agent 客户端加载。

Agent Plugins 官方页面^[2]说明，初始技术指导委员会成员来自 Amazon、Cursor、Microsoft、OpenAI 和 Vercel。这里要注意：参与规范制定，不等于所有产品在同一天拥有相同功能。

OpenAI 的官方 Plugins 文档^[3]也把 Skill、MCP Server 和插件打包分成独立环节，并明确插件可用于扩展 ChatGPT 与 Codex。但 OpenAI 插件还可能包含界面等能力，范围比 Agent Plugins 1.0 的可移植核心更广。

Plugin、Skill、MCP 分别负责什么

可以用一句话记住：Skill 告诉 Agent 怎么做，MCP 让 Agent 有工具可用，Plugin 负责交付和安装。

如果你只有一份部署检查清单，做成 Skill 就够了。如果它还需要读取监控指标，可以增加 MCP Server。如果希望团队在多个客户端中发现和安装整套能力，再把二者封装成 Plugin。

这种分层很重要。说明文档不该偷偷获得生产权限；工具连接也不应该把业务流程硬编码进协议。把两者分开，团队才能分别审核指令、连接、凭据和运行权限。

例如，一套发布插件可以用 Skill 规定“先检查变更、再生成差异、最后等待人工确认”，同时用 MCP 读取流水线状态。前者是可审查的流程契约，后者是受权限约束的执行入口。即使更换模型，团队仍能保留相同的检查步骤和工具边界。

为什么“一次打包”比新增一个模型更重要

过去，一套“代码审查能力”可能需要为不同工具维护多份目录：这里叫 Skill，那里叫 Rule；MCP 文件名不同；Hook、命令和 Agent 定义又各有格式。内容相同，包装却不断复制。

Agent Plugins 1.0 把可移植部分收敛到根目录 plugin.json、skills/ 和可选的 mcp.json。客户端专属能力放进反向域名命名空间，其他客户端可以忽略自己不认识的部分。

可移植核心只维护一份，平台差异留在客户端扩展中。

这不会消灭适配工作，却能让边界清楚很多：哪些内容应该跨工具复用，哪些必须逐客户端验证，一眼就能看出来。

统一包装还带来版本管理价值。过去修改一份散落在用户目录里的 Skill，很难知道谁仍在使用旧版本；插件有明确 manifest 和来源后，团队可以审查升级差异、锁定版本，并在异常时退回上一份可用包。标准解决的是交付一致性，不是自动保证内容正确。

可移植到哪里，哪些东西仍然带不走

截至 8 月 20 日，官方兼容列表^[4]列出了 VS Code、Cursor、GitHub Copilot、ChatGPT & Codex、Kiro、Hermes Agent、OpenClaw、Grok Bot 和 NanoClaw。

但“出现在列表里”不等于完全一致。页面按客户端分别标注 Agent Skills 和 MCP transport 支持；安装入口、受管市场、审批、沙箱、更新机制和客户端扩展仍然不同。

官方最小插件文档^[5]还明确指出，安装、分发、启用、更新和用户界面不属于可移植规范。换句话说，规范统一了包的形状，没有统一所有运行时行为。

实际评估时，可以把兼容性拆成三层。第一层看客户端能否识别 plugin.json；第二层看它是否能加载 Skill 和目标 MCP transport；第三层再看审批、沙箱、日志和组织策略。只验证第一层就宣布“完全兼容”，会把最关键的运行风险藏起来。

15 分钟做一个最小插件

我在本地隔离目录创建了一个只有 Skill 的最小插件：

hello-plugin/├── plugin.json└── skills/greet/SKILL.md

plugin.json 只声明 v1.0.0 Schema 和插件名，完整文件保存在随附实验目录。为了避免长 Schema URL 让手机代码块横向溢出，正文只保留实际执行的验证命令：

cd experimentpython3 validate_fixture.py

Skill 与 MCP 属于可移植核心，客户端扩展单独存放。

本地校验检查了 manifest、Skill frontmatter、目录边界和符号链接，结果通过。这只是结构验证：没有连接真实 MCP，没有写入凭据，也没有在 Copilot、Codex 或其他客户端中执行安装。

因此，实验可以证明这个目录符合我们检查的最小约定，不能证明所有客户端都会给出相同结果。GitHub 提供了公开参考仓库^[6]，规范发生变化时应以正式 Specification 为准。

插件最大的风险也来自“一次打包”

过去安装一个 Skill，主要风险是指令影响 Agent 行为。现在一个 Plugin 还可能带来 MCP Server、Hook 或客户端扩展，影响面从“模型怎么回答”扩大到“本机能执行什么、能访问什么”。

VS Code 的官方插件文档^[7]特别提醒：插件可能包含会在本机运行代码的 Hook 和 MCP Server，安装前应检查发布者与包内容。

先审来源和权限，再讨论插件能带来多少效率。

至少检查六件事：来源是否可信、版本是否固定、Skill 要求做什么、MCP 使用哪种 transport、凭据如何注入、客户端扩展会执行什么。团队环境还应限制允许的市场和 MCP Server，而不是让所有开发者随意安装。

还要警惕自动更新。插件升级可能同时改变指令、工具地址和 Hook 行为。如果客户端只显示“有新版本”却不给出清晰差异，应该先在隔离环境解包对比，再决定是否更新。插件的能力越完整，越需要像审查普通软件依赖一样审查它。

普通用户现在应该怎么做

第一步，从 Skill-only 插件开始。它没有外部连接，最适合理解目录和触发规则。

第二步，只在临时目录或测试仓库安装，查看插件清单、变更文件、工具请求和网络访问。GitHub 的Copilot CLI 文档^[8]提供了市场浏览、安装、更新和卸载命令，但本机没有 Copilot CLI，所以本文不把这些操作写成本地实测。

第三步，再考虑带 MCP 的插件。凭据必须通过客户端支持的安全方式配置，先给只读权限，记录工具调用，并准备卸载和回滚路径。

团队负责人还应建立最小准入记录：谁批准了插件、允许哪些仓库使用、涉及哪些数据源、发生异常怎样停用。这样插件从个人效率工具进入团队环境时，才不会绕过原有的变更与审计制度。

插件本身可能免费，背后的模型、云服务或第三方 API 仍可能计费。安装前还要问清数据会发送到哪里、保留多久，以及退出插件后能否撤销访问。

结论

Agent Plugins 1.0 的意义，不是让所有 AI 编程工具突然变得一样，而是第一次把可复用能力划出较清楚的公共边界。

Skill 沉淀方法，MCP 提供连接，Plugin 负责打包。真正能否安全迁移，仍取决于客户端实现、权限治理和实际验证。

对普通用户，最稳妥的路径不是立即收藏一堆插件，而是先把一个重复任务做成 Skill，再把确实需要的外部连接加进去，最后才考虑跨工具分发。

收藏这份插件检查清单，下次安装第三方插件前逐项核对。

来源

1. OpenAI：Plugins^[3]
2. GitHub：Agent Plugins 1.0 发布公告^[1]
3. Agent Plugins：兼容客户端^[4]
4. Agent Plugins：构建最小插件^[5]
5. GitHub Docs：查找和安装 Copilot CLI 插件^[8]
6. Agent Plugins Example^[6]

引用链接

[1] 8 月 12 日的官方公告: https://github.blog/changelog/2026-08-12-agent-plugins-1-0-in-vs-code-copilot-cli-and-the-copilot-app/[2] Agent Plugins 官方页面: https://agent-plugins.org/[3] 官方 Plugins 文档: https://developers.openai.com/plugins[4] 官方兼容列表: https://agent-plugins.org/compatible-clients[5] 官方最小插件文档: https://agent-plugins.org/plugin-authors/build-an-agent-plugin[6] 公开参考仓库: https://github.com/agentplugins/agent-plugins-example[7] 官方插件文档: https://code.visualstudio.com/docs/agent-customization/agent-plugins[8] Copilot CLI 文档: https://docs.github.com/en/copilot/how-tos/copilot-cli/customize-copilot/plugins-finding-installing