Agent Plugins 1.0.0 深度解析：六大巨头如何用一个目录结构统一 AI 代理插件生态

PFinal南丞

Agent Plugins 1.0.0 深度解析：六大巨头如何用一个目录结构统一 AI 代理插件生态

概述

2026 年 8 月 6 日，五家在几乎所有领域都在竞争的公司就一件事情达成了一致：一个文件夹布局。

Agent Plugins 1.0.0 正式发布——一个开放的、厂商中立的规范，用于将 Agent Skills 和 MCP 服务器打包为单一可移植插件，使任何兼容客户端都能发现和加载。核心维护者包括 AWS、Cursor、Microsoft、OpenAI 和 Vercel，Google 在发布当天作为第六位核心维护者加入。

一句话总结：Agent Plugins 不是一个新协议，而是一个"信封"——它打包了已有的 Agent Skills 和 MCP 服务器，让同一个插件跨 ChatGPT、Cursor、GitHub Copilot、VS Code 等客户端运行。

关键数据

维度	数据
发布日期	2026-08-06
核心维护者	6 家（AWS / Cursor / Microsoft / OpenAI / Vercel / Google）
兼容客户端	6+（ChatGPT / Codex / Cursor / GitHub Copilot / Kiro / VS Code）
必填字段	2 个（`$schema` + `name`）
组件类型	2 种（Agent Skills + MCP servers）
MCP Registry 服务器	9,652+
MCP 生产采用率	41% 软件组织

规范核心：一个目录和两个必填字段

2.1 设计哲学：克制即设计

Agent Plugins 规范的精妙之处在于它不做什么。以下内容被明确排除在范围之外：

安装与分发机制
权限和审批流程
沙箱和运行时环境
市场和信任体系
发布者身份和签名
命令、钩子、子代理等扩展类型

Google 工程师直言："Agent Plugins v1 是一个包格式，仅此而已。一个插件就是一个目录。这就是全部想法，克制才是重点。"

2.2 目录结构

my-plugin/
├── plugin.json                    # 最小 manifest（必须）
├── skills/                        # Agent Skills 目录
│   └── summarize/
│       ├── SKILL.md              # 技能指令和知识
│       ├── scripts/              # 可执行代码
│       └── references/           # 参考资料
├── mcp.json                      # MCP 服务器配置（可选）
└── com.example.client/           # 客户端专属命名空间（可选）
    └── client-specific-config.json

2.3 plugin.json：最小 manifest

json

{
  "$schema": "https://agent-plugins.org/schemas/1.0.0/plugin.schema.json",
  "name": "hello-plugin"
}

仅此两个字段是必填的。$schema 指向 JSON Schema 验证文档，name 是插件的唯一标识。所有其他元数据都是可选的——版本、描述、作者等都有标准位置，但不是必须的。

2.4 mcp.json：MCP 服务器声明

json

{
  "servers": {
    "database": {
      "transport": "stdio",
      "command": "node",
      "args": ["./server.js"],
      "env": {
        "DATABASE_URL": "${DATABASE_URL}"
      }
    },
    "api-server": {
      "transport": "streamable-http",
      "url": "https://api.example.com/mcp",
      "headers": {
        "Authorization": "Bearer ${API_TOKEN}"
      }
    }
  }
}

每个 MCP 服务器条目必须显式声明传输类型：stdio、streamable-http 或遗留的 sse。

2.5 SKILL.md：技能定义

markdown

---
name: summarize
description: "Summarize long documents into concise key points"
version: "1.0.0"
---

# Summarize Skill

## Instructions

When asked to summarize a document:
1. Read the full content
2. Identify the 3-5 key themes
3. Extract supporting evidence for each theme
4. Produce a structured summary with:
   - Executive summary (2-3 sentences)
   - Key points (bullet list)
   - Supporting details (optional)

## Context

This skill is designed for technical documents but works with any text.

架构设计：分层与组合

3.1 三层生态架构

┌─────────────────────────────────────────────────────────────────┐
│                    兼容客户端层                                    │
│  ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐        │
│  │ChatGPT │ │ Codex  │ │ Cursor │ │Copilot │ │ VS Code│  ...   │
│  └───┬────┘ └───┬────┘ └───┬────┘ └───┬────┘ └───┬────┘        │
│      │          │          │          │          │               │
├──────┴──────────┴──────────┴──────────┴──────────┴───────────────┤
│                   Agent Plugins 1.0.0                             │
│                                                                  │
│  ┌──────────────────────────────────────────────────────────┐    │
│  │  plugin.json (manifest: $schema + name)                  │    │
│  │  ┌─────────────────┐  ┌─────────────────┐                │    │
│  │  │  skills/         │  │  mcp.json       │                │    │
│  │  │  (Agent Skills)  │  │  (MCP servers)  │                │    │
│  │  └─────────────────┘  └─────────────────┘                │    │
│  │  ┌─────────────────┐                                     │    │
│  │  │  com.client/     │  (命名空间扩展)                     │    │
│  │  └─────────────────┘                                     │    │
│  └──────────────────────────────────────────────────────────┘    │
├──────────────────────────────────────────────────────────────────┤
│                    基础协议层                                      │
│  ┌──────────────────┐          ┌──────────────────┐             │
│  │ Agent Skills     │          │ MCP              │             │
│  │ (Anthropic 创建)  │          │ (Anthropic 创建)  │             │
│  │ 可复用指令和知识   │          │ 工具/数据连接协议  │             │
│  └──────────────────┘          └──────────────────┘             │
└──────────────────────────────────────────────────────────────────┘

3.2 Agent Plugins 不重定义任何东西

Agent Plugins 不重新定义 Skills 或 MCP。它打包两个已有广泛采用的构建块：

MCP 处理到数据库、API、文件存储的连接
Agent Skills 提供指令：做什么、以什么顺序、用什么约定

插件只是说"这些东西属于一起"的信封。

3.3 客户端验证流程

插件加载流程:

1. 客户端发现插件目录
   └── 定位 plugin.json

2. 验证 manifest
   ├── 检查 $schema 字段
   ├── 检查 name 字段
   └── 验证 JSON 结构

3. 独立验证各组件
   ├── skills/
   │   └── 每个子目录的 SKILL.md
   └── mcp.json
       └── 每个服务器的 transport 声明

4. 加载到客户端运行时
   ├── 一个损坏的 skill 不会影响其他 skill
   ├── MCP 服务器按需启动
   └── 客户端专属配置从命名空间目录加载

生态格局：谁参与了，谁没有

4.1 六大核心维护者

公司	角色	发布产品
Vercel	规范发起者	初始草案
OpenAI	核心维护者	ChatGPT + Codex
Microsoft	核心维护者	VS Code + GitHub Copilot
AWS	核心维护者	Kiro
Cursor (Anysphere)	核心维护者	Cursor IDE
Google	核心维护者（Day 1 加入）	Agents CLI + Data Agent Kit

4.2 兼容客户端

客户端	状态	维护方
ChatGPT	发布即支持	OpenAI
Codex	发布即支持	OpenAI
Cursor	发布即支持（co-author）	Anysphere
GitHub Copilot	发布即支持	GitHub/Microsoft
VS Code	发布即支持	Microsoft
Kiro	发布即支持	AWS
Google Agents CLI	发布日宣布支持	Google
Google Data Agent Kit	发布日宣布支持	Google

4.3 Anthropic 的缺席

Agent Plugins 生态中最引人注目的缺席者是 Anthropic——MCP 和 Agent Skills 两个底层协议的创建者。

Anthropic 的情况：

创建了 MCP 并将其捐赠给 Linux Foundation 的 Agentic AI Foundation
创建了 Agent Skills 格式
不在 Agent Plugins 核心维护者名单中
Claude Code 不在兼容客户端列表中
Claude Code 有自己的插件系统（官方 marketplace 收录 561 个插件，2026-07-24 快照）

生态分裂示意:

  Agent Plugins 联盟                     Anthropic 阵营
  ┌────────────────────┐               ┌────────────────────┐
  │  OpenAI            │               │  Anthropic          │
  │  Microsoft         │               │  Claude Code        │
  │  AWS               │               │  Cowork Desktop     │
  │  Cursor            │               │  自有插件系统        │
  │  Vercel            │               │  (官方市场 561+ 插件) │
  │  Google            │               │                     │
  │                    │               │                     │
  │  plugin.json 格式   │    vs        │  自有目录格式         │
  │  标准化打包          │               │  渐进式披露模型       │
  └────────────────────┘               └────────────────────┘

开发者实践：构建第一个 Agent Plugin

5.1 项目结构

bash

# 创建插件项目
mkdir my-data-agent && cd my-data-agent

# 目录结构
my-data-agent/
├── plugin.json
├── skills/
│   └── query-database/
│       ├── SKILL.md
│       └── scripts/
│           └── validate_sql.py
├── mcp.json
└── com.cursor/
    └── cursor-settings.json

5.2 完整 plugin.json

json

{
  "$schema": "https://agent-plugins.org/schemas/1.0.0/plugin.schema.json",
  "name": "data-agent",
  "version": "1.0.0",
  "description": "Query and analyze databases using natural language",
  "author": {
    "name": "Data Team",
    "email": "data@example.com"
  },
  "license": "MIT",
  "homepage": "https://github.com/example/data-agent"
}

5.3 MCP 服务器实现

python

# server.py — MCP 服务器实现
from mcp.server import Server
from mcp.types import Tool, TextContent
import asyncpg
import json

server = Server("database-tools")

@server.list_tools()
async def list_tools() -> list[Tool]:
    return [
        Tool(
            name="execute_query",
            description="Execute a read-only SQL query",
            inputSchema={
                "type": "object",
                "properties": {
                    "sql": {
                        "type": "string",
                        "description": "SQL query (SELECT only)"
                    }
                },
                "required": ["sql"]
            }
        ),
        Tool(
            name="list_tables",
            description="List all tables in the database",
            inputSchema={"type": "object", "properties": {}}
        )
    ]

@server.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "execute_query":
        sql = arguments["sql"]
        # 安全检查：只允许 SELECT
        if not sql.strip().upper().startswith("SELECT"):
            return [TextContent(
                type="text",
                text="Error: Only SELECT queries are allowed"
            )]
        
        conn = await asyncpg.connect("postgresql://localhost/mydb")
        try:
            rows = await conn.fetch(sql)
            result = [dict(row) for row in rows]
            return [TextContent(
                type="text",
                text=json.dumps(result, default=str, indent=2)
            )]
        finally:
            await conn.close()
    
    elif name == "list_tables":
        conn = await asyncpg.connect("postgresql://localhost/mydb")
        try:
            rows = await conn.fetch("""
                SELECT tablename FROM pg_tables 
                WHERE schemaname = 'public'
            """)
            tables = [row["tablename"] for row in rows]
            return [TextContent(
                type="text",
                text=json.dumps(tables, indent=2)
            )]
        finally:
            await conn.close()

if __name__ == "__main__":
    import asyncio
    from mcp.server.stdio import stdio_server
    
    async def main():
        async with stdio_server() as (read, write):
            await server.run(read, write, server.create_initialization_options())
    
    asyncio.run(main())

5.4 mcp.json 配置

json

{
  "servers": {
    "database": {
      "transport": "stdio",
      "command": "python",
      "args": ["./server.py"],
      "env": {
        "DATABASE_URL": "postgresql://localhost/mydb",
        "PYTHONPATH": "./src"
      }
    }
  }
}

5.5 SKILL.md 技能定义

markdown

---
name: query-database
description: "Query and analyze data using natural language to SQL conversion"
version: "1.0.0"
---

# Database Query Skill

## Instructions

When the user asks to query or analyze data:

1. **Understand the request**: Identify what data the user wants
2. **List available tables**: Use the `list_tables` MCP tool to see schema
3. **Generate SQL**: Convert the natural language request to a SELECT query
4. **Validate safety**: Ensure the query is read-only (SELECT only)
5. **Execute**: Use the `execute_query` MCP tool
6. **Format results**: Present results in a readable format (table, chart, summary)

## Safety Rules

- NEVER generate INSERT, UPDATE, DELETE, DROP, or ALTER queries
- Always use LIMIT clause for exploratory queries (default: 100 rows)
- If the query involves JOINs, verify table relationships first
- Warn the user before executing queries that might return large result sets

## Example Interactions

**User**: "Show me the top 10 customers by order count"
**Action**: 
1. Call list_tables to confirm schema
2. Generate: SELECT customer_name, COUNT(*) as order_count 
   FROM orders JOIN customers ON ... 
   GROUP BY customer_name 
   ORDER BY order_count DESC 
   LIMIT 10
3. Execute and present as a formatted table

5.6 客户端专属配置

json

// com.cursor/cursor-settings.json
{
  "autoActivate": true,
  "keyboardShortcut": "cmd+shift+d",
  "contextMenu": {
    "enableInEditor": true,
    "enableInTerminal": false
  }
}

命名空间目录（com.cursor/）让每个客户端存放自己的钩子、命令或代理配置，而其他客户端会直接忽略这些文件。

与现有方案对比

机制	打包内容	分发/运行位置
Agent Plugins 1.0.0	Agent Skills + MCP server config	任意兼容客户端（分发不在范围内）
MCP（单独）	一个 MCP 服务器的连接和工具定义	任意支持 MCP 的客户端
Agent Skills（单独）	一组 SKILL.md 指令文件	Anthropic 客户端
Claude Code 插件	Skills + Agents + MCP + Hooks	仅 Claude Code
VS Code 扩展	完整 IDE 扩展（命令、视图、语言服务）	仅 VS Code

关键区别：Agent Plugins 标准化了打包和发现层，而非运行时行为。

生态影响分析

7.1 对开发者的影响

之前：为 5 个客户端构建同一个能力需要维护 5 套目录结构、5 种 manifest 格式、5 个 MCP 配置变体。

之后：构建一次，在任何兼容客户端中加载。能力从一个客户端复制到另一个客户端，而非重写。

python

# 旧方式：为每个客户端维护独立配置
client_configs = {
    "chatgpt": {"skills_dir": ".chatgpt/skills", "manifest": "config.json"},
    "cursor": {"skills_dir": ".cursor/rules", "manifest": ".cursorrules"},
    "copilot": {"skills_dir": ".github/copilot", "manifest": "copilot.json"},
    "vscode": {"skills_dir": ".vscode/agent", "manifest": "package.json"},
    "claude": {"skills_dir": ".claude/skills", "manifest": "CLAUDE.md"},
}

# 新方式：一个目录结构适配所有
plugin_config = {
    "manifest": "plugin.json",      # 2 fields required
    "skills": "skills/",            # standard location
    "mcp": "mcp.json",              # standard location
    "extensions": "com.client/",    # optional per-client
}

7.2 MCP 生态数据

指标	数据	来源
MCP Registry 服务器	9,652+	MCP Registry API (2026-05)
组织生产采用 MCP	41%	Stacklok 2026 报告
MCP 月下载量	9,700 万+	npm/PyPI 统计
Agent Plugins 核心维护者	6	官方 TSC

7.3 治理与未来方向

Agent Plugins 治理结构：

六大核心维护者组成 Technical Steering Committee
贡献流程和技术决策完全公开
规范在 GitHub 上开发：agentplugins/agent-plugins-spec
与 Linux Foundation 的 Agentic AI Foundation 并行

明确不在 1.0 范围内但可能在未来版本中出现的：

安装和分发标准
权限和审批流程
发布者身份和签名验证
命令、钩子、子代理的标准化

总结

Agent Plugins 1.0.0 的成就在于它足够小。五个直接竞争对手就一个文件夹布局达成一致，这本身就是一个信号：行业标准化的时机已经成熟。

规范的成功不在于它定义了什么，而在于它拒绝定义什么。所有被排除的部分——分发、权限、市场、信任——都是参与方仍需竞争的领域。标准化的只是"无聊的部分"：文件放在哪里。而正是这个层级，让可移植性得以实现，因为没有人的竞争优势被威胁。

对开发者而言，Agent Plugins 意味着一个新时代：为一个 AI 客户端构建的技能，可以在另一个客户端中直接使用。投资于 Agent 能力的组织不再被锁定在单一供应商的格式中。

唯一的悬而未决的问题是 Anthropic 的缺席。作为 MCP 和 Agent Skills 的创建者，Anthropic 选择不参与这一标准化努力，而是发展自己的并行插件系统。这种分裂是否会收敛，将决定未来几年 AI 代理生态的走向。

参考资料

Agent Plugins 1.0.0 Specification — 官方规范站点
GitHub: agentplugins/agent-plugins-spec — 规范源码仓库
Vercel Blog: Agent Plugins 1.0 Announcement — Vercel 发布公告
Google Developers Blog: Agent Plugins Support — Google 加入声明
GitHub Changelog: Agent Plugins Support — GitHub 实现
InfoQ: Agent Plugins 1.0 Analysis — 技术分析
The Decoder: Open Standard for Agent Extensions — 生态分析

Agent Plugins 1.0.0 深度解析：六大巨头如何用一个目录结构统一 AI 代理插件生态 ​

概述 ​

关键数据 ​

规范核心：一个目录和两个必填字段 ​

2.1 设计哲学：克制即设计 ​

2.2 目录结构 ​

2.3 plugin.json：最小 manifest ​

2.4 mcp.json：MCP 服务器声明 ​

2.5 SKILL.md：技能定义 ​

架构设计：分层与组合 ​

3.1 三层生态架构 ​

3.2 Agent Plugins 不重定义任何东西 ​

3.3 客户端验证流程 ​

生态格局：谁参与了，谁没有 ​

4.1 六大核心维护者 ​

4.2 兼容客户端 ​

4.3 Anthropic 的缺席 ​

开发者实践：构建第一个 Agent Plugin ​

5.1 项目结构 ​

5.2 完整 plugin.json ​

5.3 MCP 服务器实现 ​

5.4 mcp.json 配置 ​

5.5 SKILL.md 技能定义 ​

5.6 客户端专属配置 ​

与现有方案对比 ​

生态影响分析 ​

7.1 对开发者的影响 ​

7.2 MCP 生态数据 ​

7.3 治理与未来方向 ​

总结 ​

参考资料 ​

Agent Plugins 1.0.0 深度解析：六大巨头如何用一个目录结构统一 AI 代理插件生态

概述

关键数据

规范核心：一个目录和两个必填字段

2.1 设计哲学：克制即设计

2.2 目录结构

2.3 plugin.json：最小 manifest

2.4 mcp.json：MCP 服务器声明

2.5 SKILL.md：技能定义

架构设计：分层与组合

3.1 三层生态架构

3.2 Agent Plugins 不重定义任何东西

3.3 客户端验证流程

生态格局：谁参与了，谁没有

4.1 六大核心维护者

4.2 兼容客户端

4.3 Anthropic 的缺席

开发者实践：构建第一个 Agent Plugin

5.1 项目结构

5.2 完整 plugin.json

5.3 MCP 服务器实现

5.4 mcp.json 配置

5.5 SKILL.md 技能定义

5.6 客户端专属配置

与现有方案对比

生态影响分析

7.1 对开发者的影响

7.2 MCP 生态数据

7.3 治理与未来方向

总结

参考资料