AI Extension 是什么:概念、形态、能力与生态的全景研究

核心摘要

"AI extension"并非某个单一厂商定义的专有产品，而是一类以宿主软件（编辑器、浏览器、办公套件、操作系统、AI 平台本身）为底座，通过扩展机制接入大语言模型（LLM）能力的软件形态的统称。它的本质可以一句话概括：在不离开用户已有工作流的前提下，把 AI 的"理解—生成—行动"能力嵌入到具体场景里。本报告基于多方资料的交叉梳理，得出五点核心判断：

AI extension 与"普通插件"的关键差别在于引入了 LLM 这一智能内核。普通插件（plugin/add-on/extension）通常按预定义规则执行单一功能；AI extension 则在此基础上叠加了自然语言理解、生成与（ increasingly）自主工具调用能力，因而能从"被动触发的功能"演进为"能理解意图、跨步骤执行的协作者"[2][13][16]。

它介于"AI 原生应用"与"AI Agent"之间: 比 AI 原生应用更轻量、依附宿主、即装即用；比 AI Agent 更聚焦单一宿主内的增强，通常不独立承担跨系统自主编排（尽管两者边界正在模糊）[2][14][17]。

按载体可分为六大形态——IDE/代码编辑器、浏览器、AI 平台扩展机制、办公套件、设计工具、操作系统级，每一类都有代表性产品支撑（见下文分类与图 1）[18][23][26][50][63]。

"让 AI 连接外部能力"的扩展机制（function calling、Anthropic tool use、MCP、Gemini Extensions）本身就是 AI extension 概念最重要的技术内涵之一，也是 2024–2025 年行业从"专有插件"走向"开放标准"的主线[3][8][11]。

趋势上，AI extension 正在从"静态功能扩展"向"动态 Agent 化、协议标准化（MCP）、多模态与端侧 AI"演进，同时面临隐私/数据合规、准确性（幻觉）、成本与可靠性等共性挑战[14][62][66][72]。

一、概念定义：什么是 AI Extension

1.1 一个"宿主 + AI 内核"的软件形态

从最宽泛的界定出发，AI extension 是集成了人工智能能力（尤其是 LLM）的软件扩展模块，它依附于一个已有的宿主应用运行，为该宿主增加理解、生成、摘要、问答或自动化操作等智能功能。这一定义包含三个要素：宿主（host）、扩展机制（extension mechanism）、AI 能力（AI capability）。AEANET 对"Extension AI"的解释可作参照：它指"将 AI 能力集成到已有软件应用中，复用现有基础设施和代码库"，与"从零构建以 AI 为核心的新应用"相对——前者更快、成本更低，后者更灵活可控[13]。对浏览器场景，ToolMage 的定义更为具体：AI extension 是"将 AI 能力直接集成进浏览器的软件 add-on，利用 AI 模型实时执行摘要、生成文本、翻译、自动化网页流程等任务"[web_doc 1]。

需要强调的是，"AI extension"一词在当前产业语境中有两层互相叠加的含义，二者共同构成其完整内涵：

狭义（产品形态层）：作为"扩展/插件"形式交付的 AI 功能模块——如 Chrome 的 AI 浏览器助手、VS Code 的 Copilot/Cline/Continue 扩展、Figma 内嵌的 AI 功能、Word/Excel 里的 Copilot。这一层回答"AI extension 是一个什么东西"。

广义（能力协议层）：让 AI 系统（通常是 LLM 驱动的助手或 Agent）连接外部工具、数据和服务的扩展机制本身——如 OpenAI function calling、Anthropic tool use、Model Context Protocol（MCP）、Google Gemini Extensions、ChatGPT Plugins/Custom GPTs/MCP Apps。这一层回答"AI 如何获得扩展能力"[3][8][50]。

这两层并非对立，而是同一硬币的两面：产品形态的 AI extension 通常构建在能力协议层之上；能力协议层则通过标准化的"扩展接口"让 AI 能像插件系统一样按需加载外部能力。本报告同时覆盖这两层。

1.2 "Extension"在此语境下的确切含义

在 AI extension 中，"extension"取的是其软件工程中的经典语义——对宿主能力的增量扩充，而非独立运行的应用。传统上，extension/plugin/add-on/add-in 都表示"为主程序增加功能的模块化组件"（如 Chrome 扩展、VS Code 扩展、WordPress 插件、Excel 加载项）[web_doc 5]。AI extension 继承了这一"模块化、可插拔、依附宿主"的工程属性，但把传统的"规则化功能模块"升级为"由 LLM 驱动的智能模块"。正如 agentmelt 对插件与 Agent 的辨析所言：插件为单个工具增加一项特定能力，且通常需要用户交互触发；而 AI Agent 跨多个工具自主执行多步工作流。插件增强单一工具，Agent 编排整个技术栈[2]。这一定性恰好框定了 AI extension 的位置——它是"被 AI 增强的插件/扩展"，在典型场景下仍以增强单一宿主为主，但正越来越多地具备 Agent 式的自主执行特征。

1.3 与相关概念的边界辨析

为避免术语混淆，下表厘清 AI extension 与几个近邻概念的边界（结论综合多方资料）：

概念	核心特征	与 AI extension 的关系/区别
Plugin / Add-on / Extension	为主程序增加特定功能的模块化组件，运行于宿主上下文与 UI 内，通常用户触发、作用域限定单一工具[2]	AI extension 是其在 AI 时代的"智能化升级版"；工程形态同源，能力内核不同（LLM vs 规则）
Add-in	多指 Office 等传统桌面套件的"加载项"式扩展	可视为 extension 的同义变体；"AI add-in"即办公宿主里的 AI extension
AI Agent	跨多个工具自主执行多步工作流，具备目标、规划、错误处理能力，可按计划/事件触发运行[2][17]	AI extension 通常依附单一宿主、以增强为主；但二者边界正模糊——越来越多 extension 向 Agent 化演进[14]
AI 原生应用	以 AI 为核心从零构建的新应用，架构围绕模型能力设计[13]	AI extension 更轻量、复用宿主、即装即用；AI 原生应用更灵活可控但构建成本更高
AI 平台扩展机制（function calling / MCP / tool use / Gemini Extensions）	让 LLM/AI 助手连接外部工具、数据、API 的协议或能力层[3][11][50]	是 AI extension 的"能力底座"；AI extension 产品常构建于其上

一句话区分：若"插件/技能"是工具箱里的工具，则 Agent 是工人/智能执行者，会按需选择和组合工具完成整条工作流[17]。AI extension 首先是"被 AI 赋能的工具（扩展）"，当它获得自主规划与跨工具编排能力时，便向 Agent 靠拢。正如行业观察所言："插件是特性（feature），Agent 是架构（architecture）"，且"许多从插件起步的工具正通过增加自主执行、多工具编排和定时工作流进化为 Agent"[2]。

二、典型形态与代表产品：按载体分类

AI extension 的载体极为多样。下图按六大载体类别展示了代表产品/技术的分布概貌。

图 1：AI extension 六大载体类别的代表产品/技术条目分布（示意计数，基于本报告分类整理）。数据来源：本报告 data_ai_extension_landscape.csv。

2.1 IDE / 代码编辑器类：最成熟、竞争最激烈的赛道

这是 AI extension 概念最早跑通、商业化最成熟的载体类别。其共同模式是：以 VS Code / JetBrains / Visual Studio / Neovim 等 IDE 为宿主，通过扩展（插件）接入后端 LLM 服务，在编辑器内提供代码补全、Chat、Agent 式多文件编辑等能力。

GitHub Copilot：最具代表性的 AI 编程 extension，定位为"AI 结对编程助手"，在 IDE 内提供实时代码建议、调试帮助与安全漏洞提示。据 GitHub 官方，Copilot 拥有超过 2000 万用户、覆盖 77,000 家企业；Gartner 连续两年将其评为 2025 AI Code Assistants 魔力象限领导者[18]。2025 年 Copilot 已从被动补全演进为"主动协作者"：新增Agent Mode（处理跨文件任务、运行命令、重构模块）与Coding Agent（分析 GitHub Issue 并起草完整 PR）[29]。这正体现了 IDE extension 向 Agent 化演进的趋势。

Tabnine：定位"企业级 AI 编码助手"，强调隐私与安全——支持 SaaS、私有化部署乃至完全离线/air-gapped，代码经处理后即弃、零保留，并支持 600+ 编程语言与"自带模型"[21][35]。Tabnine 被 Gartner 评为 2025 魔力象限"远见者"（Visionary），其差异化在于"Enterprise Context Engine"——学习企业自身架构、框架与编码规范，使 AI 在企业环境下更可靠[21]。

Cline：开源（Apache 2.0）AI 编码智能体，作为 VS Code 扩展运行，核心特征是Plan（规划）→ Act（执行）双模式、跨项目多文件协调编辑、可执行 bash 命令、支持 Claude/GPT/Gemini/本地 Ollama 等任意模型、并通过MCP 与插件扩展自定义工具[23]。其官方称被 800 万+ 开发者信任、VS Code 市场安装量 800 万+[23]。

Continue：开源 IDE AI 框架/扩展（2025 年 GitHub 星标 20K+），提供 VS Code 与 JetBrains 插件，支持本地与远程模型，定位为"让开发者创建并分享驻留在 IDE 内的自定义 AI 助手"的平台；1.0 引入 Hub 供社区与企业分享自定义助手与构建块（blocks），早期企业用户包括 Siemens、Morningstar[32]。

JetBrains AI Assistant：内置于 JetBrains IDE（2025.1 起所有 JetBrains AI 功能可免费使用），能力涵盖代码补全、支持 GPT-4.1/Claude 3.7 Sonnet/Gemini 2.5 Pro 等多云模型、基于 RAG 的多文件 edit mode、MCP 接入外部数据源/工具、离线本地模型（Ollama/LM Studio）以及 /web 联网搜索[26][33]。

小结：IDE 类 AI extension 已形成一个从"行内补全 → Chat → Agent Mode → 自主 Coding Agent"的能力梯度，且普遍走向多模型可选、支持 MCP/本地模型、企业级合规的方向[18][23][26][35]。

2.2 浏览器类：从"侧边栏助手"到"AI 可操控网页"

浏览器是 AI extension 最贴近普通用户的载体，产品形态差异较大：

Chrome/Edge 侧边栏 AI 助手（如 Sider、Monica、Merlin、MaxAI 等）：以浏览器工具栏/侧边栏为入口，为当前网页提供摘要、翻译、改写、问答、数据提取等能力[web_doc 1][web_doc 6]。这类产品"响应式"地辅助用户正在查看的页面，属个人生产力工具[web_doc 6]。

Google Gemini Extensions（现部分改称 Gemini Apps）：这是"AI 平台扩展机制"与"浏览器/设备载体"交叉的典型——Gemini Extensions 让 Google AI 助手连接到 Gmail、Calendar、Docs、Drive、YouTube、Maps 以及 Spotify、WhatsApp 等第三方服务，用户可通过 @服务名或自然语言触发，跨设备（Web/Android/Chrome 工具栏）一致体验[50][53][61]。它本质是把 AI 助手的能力通过"扩展/应用"机制延伸到 Google 生态与各第三方服务。

OpenTiny AI-Extension：一个代表性的开源实现，把MCP 协议"塞进"浏览器，让任意网页变成可被 AI 智能体操控的应用；内置 Skills 技能系统（通过 SKILL.md 定义领域专家角色），支持基于无障碍树 + 视觉模型的页面感知与操作（点击/填表/跨页工作流），并支持手机远程控制电脑浏览器[web_doc 9]。它是"浏览器 extension + MCP + Agent"三者融合的范例。

说明：浏览器类 AI extension 的隐私风险尤为突出（详见第五节），多篇研究/审计指出部分产品存在过度收集用户浏览数据与个人可识别信息（PII）的问题[68][72]。

2.3 AI 平台/模型能力的扩展机制：AI Extension 的技术内核

这是理解 AI extension 时最容易忽略却最关键的一类——它不是某个终端产品，而是让 AI（LLM/助手）能够连接外部工具、数据与 API 的协议与能力层。它回答的问题是："AI 本身如何被'扩展'？"

ChatGPT Plugins（2023.3–2024.4，已退役）：OpenAI 首次尝试让 ChatGPT 使用外部工具，开发者通过 ai-plugin.json + OpenAPI spec 描述插件，ChatGPT 按用户意图调用对应 API 并返回结果。它因"访问受限、可发现性差、质量参差不齐、manifest 专有/不可移植、UI 仅限文本"等问题未能真正落地，于 2024 年 4 月完全关闭[web_doc 4]。

Custom GPTs + Actions（2023.11–至今）：在插件 beta 仍在运行时推出，定位为"可配置的 ChatGPT 版本"——用户给定名称、指令、知识文件，并可选通过 OpenAPI schema 连接外部 API（Actions）。GPT Store 于 2024 年 1 月上线，前几个月即创建超 300 万个 Custom GPT[web_doc 4]。它降低了创建门槛（无代码），但仍专有、仅限 ChatGPT、UI 以文本为主[web_doc 4]。

OpenAI MCP Apps（2025.10 起）：2025 年 DevDay 上 OpenAI 宣布原生支持Model Context Protocol——即采用 Anthropic 于 2024 年 11 月开源的同一开放标准，而非再建一套专有系统；MCP Apps 成为当前 ChatGPT 工具生态的"主路径"[web_doc 4]。这标志着行业从"专有插件"向"开放标准"的战略转向。

Model Context Protocol（MCP）：由 Anthropic 于 2024 年 11 月开源，定位为"连接 AI 助手与数据所在系统的开放标准"——为 AI 系统对接内容仓库、业务工具、开发环境提供统一协议，替代以往每个数据源各自定制集成的碎片化模式[web_doc 3]。架构上，开发者可以 MCP server 暴露数据，或构建 MCP client（AI 应用）连接这些 server；核心组件包括 Tools（可执行动作）、Resources（可访问数据）、Prompts（预定义交互）[web_doc 11]。截至捐赠时，已有超 10,000 个活跃公共 MCP server，并被 ChatGPT、Cursor、Gemini、Microsoft Copilot、VS Code 等采用；2026 年 Anthropic 将其捐赠给 Linux Foundation 旗下的 Agentic AI Foundation（AAIF）以确保厂商中立与开源治理[web_doc 7]。MCP 的出现，使"AI extension"从各厂商各自为政的插件生态，走向可跨平台复用的标准协议。

Anthropic tool use：Claude 调用外部函数/API 的能力——Claude 根据用户请求与工具描述决定何时调用工具，返回结构化调用交由应用层执行（client tools）或由 Anthropic 执行（server tools）[web_doc 69]。2023 年 11 月随 Claude 2.1 以 beta 引入[web_doc 8]。为应对"工具数量爆炸导致 context 膨胀"的问题，Anthropic 进一步推出Tool Search（按需发现工具，可将 context 占用从约 77K 降至约 8.7K tokens，节省约 85%）与Programmatic Tool Calling（在代码执行环境中调用工具，避免每次自然语言调用都消耗一次推理）[web_doc 73]。

下图梳理了 ChatGPT/OpenAI 工具生态三代演进，折射出整个行业"专有 → 开放标准"的方向。

图 2：AI 平台扩展机制三代演进（ChatGPT 工具生态时间线）。数据来源：getdrio.com ChatGPT 工具生态时间线整理 [web_doc 4]。

2.4 办公套件类：Word / Excel / PowerPoint / Outlook 的 AI 化

Microsoft 365 Copilot：把 AI 深度嵌入 Word、Excel、PowerPoint、Outlook、Teams 等办公应用，提供起草/改写/摘要/数据可视化/会议总结等能力[63][71]。2025 年 Ignite 上，微软将Agent Mode（智能体模式）全面扩展至 Word/Excel/PowerPoint，并引入 Word/Excel/PowerPoint Agents——用户可在 Copilot Chat 中通过多轮对话完成研究、格式化与设计，再无缝切到对应应用深度编辑；同时推出Work IQ作为理解用户/工作/公司的智能层[67][71]。微软称超 90% 的 Fortune 500 企业已使用 Microsoft 365 Copilot[67]。这类产品是"以办公应用为宿主的 AI extension"的企业级代表。

2.5 设计工具类：Figma AI

Figma AI：设计平台 Figma 在 2025 年 Config 大会上"all-in AI"，将 AI 嵌入几乎全部新产品线——Figma Make（文本提示转可点击原型/可部署应用，由 Claude 3.7 驱动）、Figma Buzz（品牌营销素材批量生成）、Figma Sites（设计稿转响应式网站并 AI 生成交互代码）、以及画布/FigJam 内的自动建议、文生图（接入 OpenAI gpt-image-1）、文本改写/翻译/缩短、智能重命名图层、自动生成交互原型等[49][52][web_doc 56]。Figma CEO 称这些更新"把设计与 AI 的能力带到产品开发全生命周期的更多环节"[49]。这是"以设计工具为宿主的 AI 能力扩展"的典型。

2.6 操作系统级：从助手到"Agentic OS"

Windows Copilot（Windows 11）：微软 2025 年将 Copilot 深度集成进 Windows 11，分三层——对话界面、Copilot Vision（"看到"屏幕内容以指导操作）、Agentic 能力（代表用户执行动作）；新增"Hey Copilot"语音唤醒、任务栏"询问 Copilot"一键入口、Copilot Actions（跨设备 Agent，可处理本地/OneDrive/Google Drive 文件、从 PDF 提取信息等）[51][54][58]。微软称将把每台 Windows 11 PC 变为"agentic OS"，并推出 MCP 预览版以实现 AI 智能体与企业应用无缝连接[54][58]。

Apple Intelligence / macOS Spotlight：Apple 在 iOS 26/macOS Tahoe 26 中将 Apple Intelligence 扩展到全系软件——Spotlight 从单纯搜索栏升级为"可执行任务的智能控制面板"，支持自然语言、跨应用 Action（发邮件/加日历事件/编辑图片/创建自动化）、快捷指令接入 ChatGPT，并开放Foundation Models Framework供第三方应用接入 Apple Intelligence[48][55][59]。

小结：OS 级 AI extension 标志着"扩展"从应用内走向"系统级智能体"——AI 不再只增强某个 App，而是增强整个操作系统的人机交互入口（任务栏、Spotlight），这既是 extension 形态的高阶化，也是其与 Agent 概念深度融合的体现[14][58]。

三、核心能力与"主要做些什么"

综合六大载体类别，AI extension 普遍具备以下能力维度（下表），并围绕这些能力承担典型任务。

能力维度	典型任务	主要载体举例	价值
代码生成与补全	上下文补全、生成函数/单元测试、重构	IDE 类（Copilot/Tabnine/Cline）	减少样板代码、提升编码效率[18][29]
智能问答/对话	解释代码/文档、回答业务问题、写作辅助	IDE chat、浏览器助手、Office Copilot	降低信息获取门槛[29][63]
内容摘要与改写	长文/网页/文档摘要、语气改写、翻译	Gemini Extensions、浏览器助手、Word Copilot	快速消化信息、跨语言[50][71]
自动化操作/工具调用	填表/点按钮、发邮件/排日程、跨应用工作流	MCP、tool use、Windows Copilot Actions	把 AI 从"回答"推向"执行"[3][58]
知识检索/RAG	检索代码库/文档/企业知识库增强生成	JetBrains AI（RAG）、Continue、M365 Work IQ	用私有知识弥补模型训练数据盲区[26][67]
多模态处理	截图/图像理解、文生图、语音、设计稿转代码	Figma AI、Copilot Vision、Apple Intelligence	打通文本/图像/语音多通道[49][58][48]

表：AI extension 核心能力维度。数据来源：本报告分类整理 data_capability_dimensions.csv。

"主要做些什么"——从用户视角看，AI extension 承担的任务可归为三类价值：

提效：把重复性、模板化的工作（写样板代码、填表、排版、批量生成营销素材、摘要长文）交给 AI，让用户聚焦创造性决策[13][49]。IDE 类 extension 把"打字"升级为"AI 结对编程"，办公类把"起草/排版"变成对话式任务[18][71]。

降低门槛：让不熟悉编程的人也能通过自然语言完成操作——如 Figma Make 用文字生成可点击原型/应用（"要一个带两个按钮的登录页"即可生成）[49]；浏览器助手让普通用户随时摘要/翻译/改写网页内容[web_doc 1]。

连接信息与操作：通过 RAG/工具调用/扩展机制，把"隔离的模型"连接到用户的真实数据与服务（代码库、邮件、日历、文件、网页、企业系统），使 AI 的输出能落地为实际动作（发邮件、提 PR、改文件、操作网页）[3][16][58]。正如对 AI 插件的形象比喻："就像手机出厂只能打电话发短信，装了微信就能聊天、装了高德就能导航"——AI 装了插件/extension，就能做越来越多原本做不到的事[web_doc 16]。

四、技术架构与实现机制（概览）

AI extension 的具体实现因载体而异，但典型架构模式可抽象为以下几层，且各层在主流产品中均有对应：

宿主扩展 API + 后端 LLM 服务。这是最基础的范式：extension 通过宿主提供的扩展 API（如 Chrome Extension API、VS Code Extension API、JetBrains Plugin SDK）注入 UI（侧边栏/WebView/工具栏入口），前端收集上下文（当前文件/选中文本/当前网页 DOM）并发送到后端 LLM 服务（OpenAI/Anthropic/Google API 或自托管/本地模型），后端返回生成结果，前端渲染呈现[web_doc 1][23][26]。Tabnine 的"双模型"做法颇具代表性——IDE 内运行轻量模型做即时补全，复杂任务交由云端/自托管 LLM[35]。

Prompt / Context 工程。extension 的核心"粘合剂"是把宿主上下文（代码、文档、网页内容、用户指令）组织成有效的 prompt/context 传给模型。JetBrains AI 通过高级 RAG定位最相关文件、把项目上下文注入对话；Continue/Cline 允许用 .clinerules/配置声明项目规范与架构[26][23]。这一层决定了 AI 输出是否与用户场景"贴合"。

工具调用（Function Calling / Tool Use / MCP）。当 AI 需要"不仅生成文本，还要执行动作或查外部数据"时，extension 通过工具调用机制实现：开发者以 JSON Schema 描述工具接口，模型按需返回结构化调用（如 OpenAI tool_calls、Anthropic tool_use block），由应用层执行并把结果回传模型[web_doc 12][web_doc 69]。OpenAI 于 2023 年 6 月推出 function calling，从根本上把工具调用从"正则提取文本"时代带入"结构化 API 协议"时代[web_doc 12][web_doc 15]。MCP 则在此基础上进一步标准化——以统一协议连接任意 MCP server（工具/数据），被 Claude、Cursor、VS Code Copilot、ChatGPT 等广泛采用[web_doc 3][web_doc 7]。OpenTiny AI-Extension 是这一模式的生动实例：把 MCP 塞进浏览器，让 AI 通过工具（点击/输入/选择）操作任意网页[web_doc 9]。

RAG（检索增强生成）。针对"模型训练数据有截止日、不了解用户私有数据"的局限，AI extension 普遍引入 RAG——检索用户代码库/文档/企业知识库，把相关片段作为 context 注入模型，使生成结果基于真实、最新、私有的信息[26][67]。JetBrains AI 的 edit mode 用 RAG 定位相关文件以支持多文件编辑；M365 的 Work IQ 把邮件/文件/会议/聊天等知识编码为智能层[26][67]。

典型实现链路（以 IDE AI extension 为例）：用户在 IDE 中输入/选中代码 → 扩展前端捕获上下文并构造 prompt（含规则/指令）→ 调用后端 LLM（或经 MCP client 调用外部工具/数据）→ 模型返回补全/Chat 回复/工具调用指令 → 前端在编辑器内渲染（行内建议、Chat 面板、diff/apply 按钮）或执行工具动作（运行命令、编辑文件）[23][26][29]。整个链路的关键设计取舍在于：上下文给多少（质量 vs 成本/延迟）、模型用云端还是本地（能力 vs 隐私）、工具调用是否开放（功能 vs 安全）。

五、应用场景、价值与局限

5.1 主要应用场景

开发场景：代码补全/生成、代码审查、单元测试生成、重构、Issue→PR 的自主开发（IDE 类 extension 的主场）[18][29][23]。

办公场景：文档起草/改写/摘要、数据可视化、邮件/日程处理、会议总结（Microsoft 365 Copilot）[63][71][67]。

浏览/信息消费场景：网页/文章摘要、实时翻译、内容改写、快速问答、数据提取（浏览器 AI 助手/Gemini Extensions）[web_doc 1][50][53]。

设计场景：文生原型/代码、批量品牌素材、设计稿转网站、文生图（Figma AI）[49][52]。

客服/协作与系统操作场景：跨应用自动化（发消息/排日程/文件处理/系统设置自然语言控制），正由 OS 级 Agent（Windows Copilot Actions）与协作平台 Agent 承接[51][58][67]。

5.2 带来的价值

一是显著降低重复劳动与信息消化成本——自动化补全、摘要、批量生成让个人与团队聚焦高价值创造[13][49]。二是降低使用门槛——自然语言交互使非专业用户也能完成编程、设计、数据分析等任务[49][web_doc 16]。三是连接"信息—操作"闭环——通过工具调用与扩展机制，AI 从"给建议"进化为"替你执行"（发邮件、提 PR、操作网页、改文件）[3][58]。四是复用现有工作流与基础设施——作为 extension 嵌入用户已熟悉的宿主，无需切换应用、学习全新工具[web_doc 1][13]。

5.3 当前局限

准确性与幻觉：生成式模型"倾向于给出看似合理实则错误的答案而非承认不知道"，尤其在 Gemini Maps/Flights/Hotels 等依赖外部实时数据的场景，需用户二次核对[web_doc 53]。设计/办公场景的 AI 输出也需人工校验。

隐私与数据合规：这是 AI extension（尤其浏览器类）最突出的风险。UC Davis/UCL 等四校联合发表于 USENIX Security 2025 的研究系统审计了 9 款最流行 GenAI 浏览器助手（总安装量超 1200 万），发现部分插件会抓取用户在 IRS/大学健康门户/Canvas 等敏感页面上的社保号、病历、成绩单并发送至自身服务器，还将原始查询共享给 Google Analytics；有的能从浏览行为推断年龄/性别/收入/兴趣并跨标签页个性化[72][64]。Incogni 对 442 款 Chrome AI 插件的抽样分析亦显示，超半数存在收集用户数据行为，近 1/3 瞄准个人可识别信息（PII）[68]。对敏感数据，应优先选用企业级、合规（SOC 2/GDPR）、支持私有化/离线的 extension（如 Tabnine 的 on-prem/air-gapped）[21][35]。

成本：云端 LLM 调用带来按量计费成本，尤其在 Agent 式高频工具调用场景下；本地/端侧模型可缓解但受设备算力制约[62][70]。

上下文长度与可靠性：工具/上下文过多会挤占模型 context window，导致"选错工具/参数错误"——Anthropic 实测 50+ MCP 工具的传统加载方式可消耗 77K tokens，错误率上升；其 Tool Search 将 context 降至约 8.7K（节省 85%）并显著提升准确率（Opus 4 从 49%→74%）[web_doc 73]。

生态碎片化与可移植性：早期专有插件（如 ChatGPT Plugins）不可移植、锁定厂商，正被开放标准 MCP 逐步替代[web_doc 4][web_doc 7]。

六、趋势与挑战

6.1 技术演进方向

MCP 等标准化协议成为"AI extension 的 USB 接口"。从 ChatGPT Plugins（专有）→ Custom GPTs（专有/无代码）→ MCP Apps（开放标准）的三代演进清晰表明，行业正从"各建各的插件生态"走向"统一协议、跨平台可移植"[web_doc 4]。MCP 已被 ChatGPT、Cursor、Gemini、Microsoft Copilot、VS Code 等采用，并于 2026 年捐赠给 Linux Foundation 旗下 AAIF 以确保厂商中立；其官方 Registry、异步操作/无状态/server identity 等新特性持续推进[web_doc 7]。这意味着未来的 AI extension 将越来越以"符合 MCP 规范的 server/工具"形式存在，一次构建、多处复用。

Agent 化：从"静态扩展"到"动态智能体"。行业观察指出，到 2026 年"extension"与"agent"的界限将趋于消失——浏览器扩展正从"用户点击→执行预定动作"演进为"理解上下文、自主行动、跨工具协调"的 Agent[web_doc 14]。IDE 类已从补全走向 Agent Mode/Coding Agent；OS 级 Copilot Actions 已能跨设备代表用户执行多步任务[29][58]。这一方向的挑战在于：Agent 的自主性越强，对可靠性、可控性、权限与安全的要求越高。

多模态与端侧 AI。一方面，AI extension 正从纯文本走向多模态——Figma AI（文生图/设计稿转代码）、Copilot Vision（屏幕视觉理解）、Apple Intelligence（图像/语音/Foundation Models）均体现了文本/图像/语音的融合[49][58][48]。另一方面，端侧 AI（on-device AI）成为确定性趋势：IDC 预测 2025 年全球端侧 AI 设备出货将突破 12 亿台，中国市场 AI 手机渗透率超 40%[62]；2025 年旗舰手机 NPU 算力有望达约 100 TOPS，百亿参数级大模型有望端侧落地，"端云协同/混合 AI"成为主流架构[66][70]。端侧 AI 对 extension 的意义在于：更低延迟、更高隐私（数据不出设备）、离线可用——JetBrains AI、Tabnine、Windows Copilot 均已支持本地/离线模型[26][35][54]。

6.2 生态与商业格局

AI extension 正形成"宿主厂商 + 模型厂商 + 独立 extension 开发者"多层生态：宿主（Microsoft/Google/Apple/JetBrains/Figma）把 AI 能力内嵌进自家产品；模型厂商（OpenAI/Anthropic/Google）通过 API、function calling、tool use、MCP 提供能力底座；独立开发者通过扩展市场（Chrome Web Store、VS Code Marketplace、GPT Store、MCP Registry）分发 extension[web_doc 4][web_doc 7][web_doc 5]。商业上，API 调用+订阅之外，端侧硬件（AI 手机/AI PC/AI 眼镜）成为新入口，巨头正从"云端练兵"转向"端侧抢滩"，一场围绕下一代人机交互入口的生态卡位战正在展开[74][62]。

6.3 安全/隐私/合规挑战

随着 AI extension 从"看得到网页"走向"能操作文件/发邮件/执行命令"，权限边界与数据最小化成为核心挑战。建议性实践包括：仅从可信来源安装、授予最小必要权限、对敏感数据使用企业级/合规 extension、优先支持私有化或本地处理的方案[web_doc 1][21][35]。协议层也在响应——MCP 的安全模型强调"用户逐个认证 connector、权限镜像用户对外部服务的访问、可随时断开"，并要求工具声明 readOnlyHint/destructiveHint 等 hint 以表明能力边界[web_doc 11]。未来，AI extension 的可信度将越来越取决于"透明的数据处理 + 可控的工具权限 + 可审计的执行轨迹"三位一体的治理机制。

引用来源

[2] https://agentmelt.com/compare/ai-agent-vs-plugin

A plugin or extension adds a specific capability to an existing application... An AI agent operates across multiple tools autonomously, executing multi-step workflows... Plugins enhance a single tool; agents orchestrate your entire stack.

[3] https://www.anthropic.com/news/model-context-protocol

Today, we're open-sourcing the Model Context Protocol (MCP), a new standard for connecting AI assistants to the systems where data lives... It provides a universal, open standard for connecting AI systems with data sources, replacing fragmented integrations with a single protocol.

[7] https://www.anthropic.com/news/donating-mcp-to-linux-foundation

we're donating the Model Context Protocol (MCP) to the Agentic AI Foundation (AAIF)... There are now more than 10,000 active public MCP servers... MCP has been adopted by ChatGPT, Cursor, Gemini, Microsoft Copilot, Visual Studio Code.

[8] https://hidekazu-konishi.com/entry/tool_use_and_agent_protocol_history_and_timeline.html

2023-03-23 OpenAI announces ChatGPT plugins... 2023-06-13 OpenAI introduces function calling in the API... 2023-11-21 Anthropic adds tool use as a beta with Claude 2.1.

[11] https://docs.anthropic.com/en/docs/agents-and-tools/mcp

The Model Context Protocol (MCP) is an open standard created by Anthropic for AI applications to connect with tools and data sources... Key components: Tools, Resources, Prompts.

[13] https://www.aeanet.org/what-is-extension-ai

Extension AI involves integrating AI capabilities into existing software applications, leveraging the existing infrastructure and codebase... Extension AI is generally faster and more cost-effective, while building from scratch offers more flexibility and control.

[14] https://www.nullzen.dev/blog/2026-year-of-browser-agents

By the end of 2026, the distinction between "extension" and "agent" will disappear—every meaningful browser tool will be AI-powered... Extensions are becoming agents.

[16] http://mp.weixin.qq.com/s?src=11×tamp=1787279604&ver=6917&signature=yQP-nd2ecbmJdad5lIkiliH2jXyVF2Pv8LzUhZTfZlk8iM2（和包哥一起学AI｜AI插件：给AI装APP）

AI插件是什么？给AI额外安装的小功能模块，让AI能做更多原本做不到的事情... 插件的底层就是一组函数。AI通过函数调用的方式来使用插件。

[17] http://mp.weixin.qq.com/s?src=11×tamp=1787279603&ver=6917&signature=SXC1zM-KdmYg3qBNTlfCKmqMLZI4aXpwss9D1apKtRqV12xvHv06ULXnekmM（硅基畅想｜Agent、插件/技能与复杂智能体的区别解析）

Agent是一个可以执行完整任务的智能体，具备逻辑判断、上下文管理和任务流转能力... 插件/技能是单一功能模块，无法独立决策或拆解任务... 可以将插件/技能类比为工具箱里的工具，而Agent是工人或智能执行者。

[18] https://github.blog/news-insights/research/gartner-positions-github-as-a-leader-in-the-2025-magic-quadrant-for-ai-code-assistants/

With 20M+ users across 77,000 enterprises, GitHub Copilot's scale sets us apart... GitHub Copilot Coding Agent: An asynchronous teammate that lives in the cloud, takes on issues, and sends you fully tested pull requests.

[21] https://www.tabnine.com/

Tabnine named a Visionary 2026 Gartner Magic Quadrant... Tabnine provides the context layer that makes AI reliable in the enterprise... Deploy anywhere — SaaS, on-prem, or fully air-gapped — and keep everything inside.

[23] https://cline.bot/

The Open Coding Agent... 8M+ developers... One open source agent runtime. Use it in your editor, your terminal, or embed it in your own products... Plan, then Act... Extend with MCP and plugins... Every model, your choice.

[26] https://blog.jetbrains.com/ai/2025/04/jetbrains-ai-assistant-2025-1-2/

Updates include smarter code completion, support for new cloud models like OpenAI GPT-4.1, Claude 3.7 Sonnet, and Gemini 2.5 Pro, advanced RAG-based context awareness, and a new edit mode for multi-file edits... AI Assistant can now securely access external data sources and tools via the Model Context Protocol (MCP).

[29] https://artificial-intelligence-wiki.com/ai-tools/ai-developer-tools/github-copilot

GitHub Copilot is an AI-powered coding assistant that provides real-time code suggestions, debugging help, and security vulnerability alerts directly in your IDE... In 2025, GitHub Copilot has expanded beyond simple autocomplete functionality to include agent mode... Agent Mode and Coding Agent.

[33] https://blog.jetbrains.com/ai/2025/08/jetbrains-ai-assistant-2025-2/

AI Assistant now supports connecting your preferred local models for code completion... using code-optimized models such as Qwen2.5-Coder, DeepSeek-Coder 1.3B... AI Assistant now supports image attachments in the chat.

[35] https://max-productive.ai/ai-tools/tabnine/

Tabnine is an enterprise-grade AI coding assistant... unwavering commitment to privacy and security... offers on-premises and even air-gapped deployment options... Supporting over 600 programming languages and frameworks.

[48] https://mashable.com/article/wwdc-2025-apple-intelligence-features

Apple's WWDC this year focused on design changes... Spotlight with Apple Intelligence can automate certain workflows like sending an email or uses intelligent suggestions... Foundation Models Framework: a way for third-party apps to tap into Apple Intelligence.

[49] https://www.zdnet.com/article/4-ways-figma-is-using-ai-to-help-you-design-and-build-your-next-project/

at Config 2025, Figma went all-in on AI, embedding it into nearly every new product... Figma Make: an AI-powered tool that turns simple text prompts into working prototypes or even functional apps... CEO Dylan Field said these updates "bring the power of design and AI to more parts of the product development lifecycle."

[50] https://gemini.google.com/ (Google Gemini Extensions 说明)

Google Gemini Extensions connect Google's AI to your favorite apps, including Gmail, Calendar, Docs, Drive, YouTube, and Maps, as well as third-party platforms such as Spotify and WhatsApp... all of this can be triggered through a single prompt.

[51] https://www.thepaper.cn/newsDetail_forward_31798216

微软公司今天宣布对其Windows 11内置的Copilot人工智能助手进行一系列重要升级... Copilot Vision... Copilot Actions... 该工具可以代表用户自动执行多步骤任务... 还能与主机计算机上的文件交互。

[52] https://yourstory.com/ai-story/figma-ai-tools-config-2025

Figma Sites enables designers to transform prototypes into fully functional websites... Figma Make is a prompt-to-code tool... Powered by Anthropic's Claude 3.7 model... Figma has incorporated OpenAI's "gpt-image-1" model.

[53] https://www.zapier.com/blog/gemini-apps

Unlike most other types of apps, Gemini apps don't come from a marketplace... Gemini apps are more like optional packages of features that you can enable in the Gemini settings... you can invoke it in any conversation with the Gemini chatbot... manually call an app by starting your command with @[App].

[54] https://www.ithome.com/0/898/419.htm

微软宣布为Windows 11系统推出一系列AI新功能，核心是将Copilot及AI智能体深度集成至任务栏... 微软还利用AI提升了Windows 11的无障碍功能... 面向开发者，微软推出了模型上下文协议(MCP)的预览版。

[55] https://www.zdnet.com/article/your-apple-macbook-is-getting-a-free-upgrade-here-are-the-best-macos-26-features/

Apple MacOS 26 adds a handful of smart integrations for the Spotlight feature. Instead of just being a simple search bar... works with Shortcuts, understands natural language, and can take app-specific actions.

[58] https://www.gadgets360.com/ai/news/microsoft-windows-11-copilot-integration-ai-pc-update-new-features-9472133

Microsoft is rolling out Copilot in Windows 11 in all markets globally... Copilot Vision will now support text prompts and responses... Copilot Actions will become the first device-wide agentic capability... removing the requirement of purchasing an AI PC.

[62] https://finance.people.com.cn/BIG5/n1/2025/0930/c1004-40575426.html

據IDC預測，2025年全球端側AI設備出貨量將突破12億台，中國市場AI手機滲透率將超過40%... AI走向終端，讓硬件擁有"本地大腦"。

[63] https://www.microsoft.com/en-us/microsoft-365/business/microsoft-365-copilot

AI built into Microsoft 365 helps you create, collaborate, and work across documents, presentations, and data... Word with Copilot / Excel with Copilot / PowerPoint with Copilot.

[64] https://discovery.ucl.ac.uk/id/eprint/10214829/1/Mandalari_2503.16586v1.pdf

GenAI browser extensions integrated with modern LLMs introduce new risks... the potential exposure of user inputs, interactions, and browsing behavior to LLMs... our research... performing a systematic audit of GenAI browser assistants.

[66] https://www.cww.net.cn/article?id=596925

2025年，端侧AI算力将持续泛化普及... 预计2025年旗舰手机算力有望达到100TOPS左右... 端云协同/混合AI是主流架构... 2025年支持百亿参数级的大模型有望在手机端落地。

[67] https://www.microsoft.com/en-us/microsoft-365/blog/2025/11/18/microsoft-ignite-2025-copilot-and-agents-built-to-power-the-frontier-firm/

Already, more than 90% of the Fortune 500 use Microsoft 365 Copilot... Work IQ—the intelligence layer... Word, Excel, and PowerPoint agents in chat—alongside Agent Mode in the Office apps... Agent 365—the control plane for agents.

[68] https://so.html5.qq.com/page/real/search_news?docid=70000021_345698856cf48152

Incogni的研究人员通过对442款冠以"AI"之名的插件进行深度分析后发现... 有超过一半存在收集用户数据的行为，其中近1/3瞄准了直接定位用户本人的个人可识别信息(PII)。

[69] https://docs.anthropic.com/en/docs/agents-and-tools/tool-use

Tool use lets Claude call functions that you define or that Anthropic provides. Claude determines when to call a tool based on the user's request and the tool's description... client tools... run in your application; server tools... run on Anthropic's infrastructure.

[70] https://www.21jingji.com/article/20251211/herald/e19b82f422a1f2792738af6b8798b70f.html

2025年，人工智能正经历一场结构性迁移——大模型能力不再局限于云端数据中心，而是加速向终端设备下沉... 端侧AI要产生实际价值，必须嵌入具体业务流程，形成"数据—模型—行动"的闭环。

[71] https://finance.sina.com.cn/stock/t/2025-11-19/doc-infxweks3688486.shtml

微软发布了Microsoft 365 Copilot的多项关键更新... 将"智能体模式"(Agent Mode)全面扩展至PowerPoint、Excel和Word... Excel智能体专注于数据处理与分析... Word智能体扮演智能阅读与写作助手。

[72] http://mp.weixin.qq.com/s?src=11×tamp=1787279611&ver=6917&signature=B-58SVvVQvf1BTPXO3XRlXtc5EWHblOXviPT9yVPNCJj2rl1YpE（非攻code｜AI浏览器助手是当下隐私泄露重灾区）

这篇论文首次系统审计了9款最流行的GenAI浏览器助手插件(总安装量超1200万)... Merlin插件会把你在IRS网站上填写的社保号、在大学健康门户的病历、在Canvas上的成绩单全部抓取并发送给自己的服务器。

[73] https://www.anthropic.com/news/advanced-tool-use

Tool Search Tool preserves 191,300 tokens of context compared to 122,800 with Claude's traditional approach... Total context consumption: ~8.7K tokens, preserving 95% of context window... Opus 4 improved from 49% to 74%... with Tool Search Tool enabled.

[74] https://new.qq.com/rain/a/20251218A02YQ400

2025年末，科技圈掀起一场端侧AI大战... 巨头们正密集落子，将AI大模型从云端"装入"终端设备... AI发展的焦点正从云端训练转向终端应用。

[web_doc 1] https://www.toolmage.com/en/category/browsing-extensions

AI Extensions are software add-ons that integrate artificial intelligence capabilities directly into your web browser. They leverage AI models to perform tasks like summarizing content, generating text, translating languages, or automating web processes in real-time.

[web_doc 4] https://www.getdrio.com/blog/chatgpt-plugins-vs-custom-gpts

A plugin beta was announced in March 2023 but never really worked — it was quietly shut down by April 2024. Custom GPTs with Actions launched in November 2023 and are still around. MCP apps launched in October 2025 and are now the primary path forward.

[web_doc 5] https://blog.tooljunction.io/?p=2379

What are AI extensions: AI extensions are smart browser add-ons that use artificial intelligence to simplify online tasks. They can write, summarize, translate, generate ideas, or even answer questions directly while you browse.

[web_doc 6] https://agentmelt.com/compare/ai-agent-vs-browser-extension

AI-powered browser extensions (Sider, Monica, Merlin, MaxAI) add AI capabilities to your browsing experience—summarizing pages, drafting emails, extracting data from websites... Extensions augment what you're actively viewing.

[web_doc 9] http://mp.weixin.qq.com/s?__biz=MzU5ODA3OTY5Ng==&mid=2247500093（OpenTiny｜AI-Extension：让AI真的「看得到、动得了」你的浏览器）

AI-Extension 是一个基于 WXT 框架构建的智能浏览器扩展插件。它把 MCP(Model Context Protocol)协议"塞进"了浏览器，让任意网页都能变成可被 AI 智能体操控的应用... 不需要改现有应用的代码，不需要对接任何 SDK。

[web_doc 12] http://mp.weixin.qq.com/s?src=11×tamp=1787279604&ver=6917（吴博士讲AI｜LLM Agent 工具调用技术深度解析）

2023年6月，OpenAI在GPT-4和GPT-3.5中推出了原生Function Calling，宣告了"正则提取"时代的结束... 引入了全新的Message结构tool_calls。

[web_doc 15] https://www.meta-intelligence.tech/insight-function-calling

2023年6月，OpenAI正式推出Function Calling API... 模型的工具调用行为从"非结构化的文字猜测"提升为"结构化的API协议"... JSON Schema的设计品质直接决定工具调用的准确率。

[web_doc 32] https://cdn.prod.website-files.com/625447c67b621ab49bb7e3e5/67f53830546f38af34f034d7_A%20Comprehensive%20Guide%20to%20Code%20Agents_compressed.pdf

Continue is an open-source platform and IDE extension that has gained a lot of attention (20K+ GitHub stars by 2025)... early enterprise users of Continue include companies like Siemens and Morningstar.

[web_doc 56] https://ima.qq.com/wiki/（Figma AI 功能汇总）

AI生成交互原型... 自动重命名图层... 智能内容替换... 生成图片... 去除背景... 文本自动改写和翻译——Figma AI 新功能。