Agent Plugins是什麼？OpenAI聯合五巨頭發布的AI外掛「統一包裝」標準，解決了什麼、又留下了什麼坑

5W 速覽：2026 年 8 月 6 日，OpenAI 聯合 Vercel、微軟、亞馬遜、Cursor 母公司 Anysphere 五方組成技術指導委員會，正式公開發布 Agent Plugins 1.0 版規範——一種讓 AI Agent 的「技能」（Skills）和「工具」（MCP 伺服器）可以打包成同一種目錄格式、在 ChatGPT、Cursor、GitHub Copilot、VS Code、Kiro 等不同產品間通用的開放標準。谷歌當天宣布以核心維護者身分加入。這一發布恰好卡在 GPT-5 發布一週年（8 月 7 日）前一天，被外界解讀為 OpenAI「從拼模型轉向拼生態」的訊號。本文按時間線、核心資料、深度拆解、橫向對比、爭議點與 FAQ 梳理公開口徑。

SECTION 01 Agent Plugins 發布前，開發者最該警惕的四個訊號

• 它統一的是「包裝」，不是「安全」：規範明確不定義安裝機制、分發／市場、權限模型、沙箱隔離、信任與來源校驗、使用者體驗——安全責任完全留給各客戶端。
• 元件類型只有兩種：目前僅涵蓋 Agent Skills 與 MCP 伺服器；不認識的元件類型應跳過，而不是拒絕整個外掛。
• 惡意 Skill 已有實戰案例：發布前約一個月，安全公司 AIR 演示假技能 brand-landingpage 繞過多家掃描器；Snyk 對近 4000 個技能審計稱 36.8% 存在缺陷、13.4% 含致命級問題。
• 治理名單清一色美國公司：TSC 與谷歌均為美企；國內已普遍支援 MCP 的阿里、百度、字節、騰訊等暫未出現在制定名單。

從 MCP 到 Agent Plugins 的時間線：

• 2023 年 3 月：OpenAI 推出 ChatGPT Plugins，早期較開放的擴展生態。
• 2024 年 1 月：推出 GPTs 商店後逐步關閉 Plugins，轉向更封閉的平台模式。
• 2024 年 11 月：Anthropic 發布 MCP，後捐贈給 Linux 基金會。
• 2025 年 3 月：OpenAI、Google 相繼宣布支援 MCP。
• 2025 年 10 月 16 日：Anthropic 在 Claude Code 中推出 Agent Skills（SKILL.md）。
• 2025 年 12 月 18 日：Agent Skills 獨立為開放標準（agentskills.io），微軟、OpenAI 在 48 小時內跟進。
• 2026 年 3 月：Agent Skills 採用範圍擴大到 32 款以上工具。
• 2026 年 7 月 24 日：Agent Plugins 1.0.0 以工作草案形式發布。
• 2026 年 8 月 6 日：Vercel 牽頭聯合五方正式公開發布；谷歌同日加入核心維護者行列。

Agent Skills 解決「怎麼教 Agent 一套可複用技能」，MCP 解決「怎麼連上外部工具和資料」；Agent Plugins 要把兩者裝進同一個「包裝盒」，減少為每家客戶端各寫一份的重複勞動。

SECTION 02 Agent Plugins 1.0 核心資料一覽

下表彙總官方與規範文件口徑，便於橫向掃讀。

資料來源：Vercel 官方部落格、agent-plugins.org 規範文件、Google Developers Blog（均為 2026 年 8 月 6 日發布）。

SECTION 03 它到底標準化了什麼，又為什麼不多做

1. 一個清單檔案，兩種元件。一個外掛就是一個目錄，根目錄放 plugin.json 清單，聲明遵循哪個版本的規範。技能放在固定的 skills/ 目錄，且必須符合 Agent Skills 的 SKILL.md 格式；MCP 伺服器設定寫進 mcp.json，支援 stdio、Streamable HTTP 等多種連線方式。客戶端認得這套目錄結構即可自動發現和載入——不認識的元件類型或格式錯誤，只需跳過該元件而不是拒絕整個外掛。還留了「反向網域擴展命名空間」（如 com.cursor.xxx/），允許各家附加私有能力。

{
  "$schema": "https://agent-plugins.org/schemas/1.0.0/plugin.schema.json",
  "name": "example-agent-plugin"
}
skills/     ← Agent Skills（SKILL.md）
mcp.json    ← MCP 伺服器設定（可選）

2. 故意留白的部分，才是真正的博弈焦點。v1「不定義安裝機制、不定義分發協定、不定義權限模型、不要求沙箱隔離、不做信任與來源校驗、不涉及使用者體驗」。Agent Plugins 解決的是「包裝長什麼樣」，不解決「這個包能不能信、裝的時候有沒有風險、去哪兒下載」。範圍越窄，各方越容易達成一致；代價是安全問題被明確甩給每一個客戶端。

3. 為什麼這件事現在做，而不是更早。MCP 和 Agent Skills 各自走過「廠商自造→開放捐贈→產業跟進」路徑；Agent Plugins 從第一天就是多家公司共同制定。Skills 採用規模已超 32 款工具——「不統一包裝方式，大家都要重複勞動」已到臨界點。

SECTION 04 Agent Plugins 和它的「前輩們」橫向對比

Agent Plugins 並不是要取代 MCP 或 Agent Skills，而是在這兩層協定之上加了一層「打包契約」——解決「最後一哩」的工程摩擦。多模型 API 選型可對照OpenRouter 接入指南。

SECTION 05 開放標準≠沒有風險：安全、單薄標準與話語權爭議

1. 安全問題被明確甩鍋給客戶端：AIR 公開演示假技能 brand-landingpage，借用約 3.6 萬星標倉庫信譽，繞過 Cisco、Nvidia、skills.sh 等掃描，據稱觸達約 2.6 萬個 Agent。核心是 TOCTOU 時間差：掃描時連結正常，審核後再替換惡意位址。Snyk 同期審計近 4000 個技能：36.8% 有缺陷，13.4% 含致命級問題。Agent Plugins 標準本身完全沒有信任與來源校驗機制。
2. 「這是不是一個太單薄的標準」：SST 作者 Dax Raad 公開表示「非常反對」，認為真正有用的部分最終會被各家做成私有擴展；開發者布道師 Angie Jones 則歡迎終於能把技能包在不同工具間搬來搬去。
3. 統一「包裝規格」到底利好誰：支持者強調中小開發者一次開發、多端觸達；反過來看，使用者仍要先打開具體 Agent 產品，頭部客戶端的使用者基數可能被這層統一外掛進一步固化。
4. 中國大廠集體缺席：TSC 五方及谷歌清一色美國公司；阿里、百度、字節、騰訊等國內已支援 MCP、甚至搭建 MCP 廣場的廠商均未出現——既可能是時間差，也可能預示中美 Agent 生態在底層協定層面的「平行發展」。

SECTION 06 從「拼模型」到「拼基礎設施」：為什麼卡在 GPT-5 週年前夕

• 時間點耐人尋味：8 月 7 日是 GPT-5 發布一週年；OpenAI 選在前一天官宣 Agent Plugins，同週還更新面向免費使用者的 GPT-5.6 Luna（解除文字對話次數限制）和付費使用者的 GPT-5.6 Sol（新增「思考強度」滑桿）。
• 產業敘事三層閉環：MCP 解決「連接」，Agent Skills 解決「教學」，Agent Plugins 解決「分發」——三層疊在一起，才勉強拼出「Agent 真正能被規模化複用」的技術閉環。
• Google 的表述：「打包是不體面但必要的基礎設施，這種東西應該被共享，而不是被重新發明五次。」

SECTION 07 評估是否跟進 Agent Plugins 的六步清單

1. 先盤點你已有的 Skills 與 MCP：若已在 Claude Code、Cursor、ChatGPT 等多端維護擴展，統一包裝收益最大；若只是單客戶端使用者，短期感知有限。
2. 核對目錄契約是否可落地：根目錄 plugin.json、skills/（符合 SKILL.md）、可選 mcp.json；私有能力走反向網域命名空間，勿污染通用部分。
3. 列出目標客戶端與首日支援矩陣：ChatGPT／Codex、Cursor、GitHub Copilot、Kiro、VS Code；谷歌稱將在 Antigravity、Gemini CLI、Data Agent Kit 等產品推進支援。
4. 把安全責任寫進安裝流程：標準不提供掃描與來源校驗；優先官方市場、核實倉庫與變更歷史，不盲目信任 star 數。
5. 用「包裝 vs 行為」分層看標準：MCP／Skills 仍定義執行時行為；Agent Plugins 只標準化怎麼裝進同一個目錄被發現。
6. 追蹤治理與國內跟進動態：關注 agent-plugins.org 與各客戶端 changelog；國內廠商是否適配尚無公開計畫，決策時預留平行維護成本。

SECTION 08 可引用資料與權威來源

• 規範版本：Agent Plugins 1.0.0，工作草案；公開倉庫 agentplugins/agent-plugins-spec
• 元件涵蓋：僅 Agent Skills 與 MCP 伺服器兩種
• 首日客戶端：ChatGPT 與 Codex、Cursor、GitHub Copilot、Kiro、VS Code
• Skills 採用規模：開放後約半年內採用工具超過 32 款
• 安全審計參考：AIR 假技能案例約觸達 2.6 萬 Agent；Snyk 近 4000 技能樣本中 36.8% 有缺陷、13.4% 致命級

以下為可核驗的官方與第三方入口，發版後請再次開啟核對最新進展：

Vercel Blog — Introducing Agent Plugins

agent-plugins.org — Specification 1.0.0

Google Developers Blog — Agent Plugins package your skills, tools, and more

The Next Web — OpenAI and four rivals agreed on one standard for AI agents

標準層統一了「包裝」，生產側仍要面對多客戶端聯調成本、MCP 工具鏈穩定性、以及本機算力是否可控這三道關。純雲端 Agent 會話會隨高峰與配額抖動；虛擬化雲 Mac 又常帶來相容性與效能損耗。對於需要零損耗原生算力、穩定 iOS CI/CD 與 AI Agent 7×24 自動化的生產環境，VPSNIX 的雲端物理節點通常是更優解——100% 蘋果原裝物理機、完整 Root 權限、無 Hypervisor 損耗、按天／週／月彈性下單。可結合Mac mini M4 租賃全解析與定價頁評估雙棧方案。

SECTION 09 常見問題 FAQ