Agent Plugins 1.0.0 發布：統一 AI Agent 技能封裝標準

Agent Plugins 1.0.0 發布：統一 AI Agent 技能封裝標準

由 Google、Amazon、Microsoft、OpenAI、Vercel 及 Cursor 等企業組成的技術指導委員會（TSC），於 2026 年 8 月 6 日發布 Agent Plugins 1.0.0。這是一套開放且供應商中立的規範，把 AI Agent 技能與 MCP 伺服器封裝成單一、可移植的插件單元。Google 已加入核心維護者群組，由 Kevin Hou 代表，並開始在自家產品中實作支援。

解決封裝標準碎片化問題

開發者把技能與對應的 MCP 伺服器交付給不同客戶時，常遇到封裝結構不一致的問題。底層的技能與伺服器本身雖然可移植，但包裹它們的目錄結構、清單檔案（manifest）需要的元數據格式，以及 MCP 配置的傳輸推斷方式，常因客戶需求不同而各異。結果是開發者得為同一組核心組件維護多個分支，增加維護負擔，也造成版本分歧。

Agent Plugins 規範要解決的就是統一這個「包裹」。它定義了固定的目錄結構與標準化的 plugin.json 檔案，開發者不用再為不同 AI 編碼工具維護獨立包裝。透過標準化，插件作者可以在核心組件保持一致的前提下，讓各客戶端在非核心部分繼續各自發展，不必為了相容所有客戶而犧牲自身產品的特色。

插件結構與設計原則

Agent Plugin 本質上是一個目錄，結構嚴謹固定。核心清單檔案 plugin.json 只有兩個必要欄位：指向 JSON Schema 的 `$schema` 與插件名稱 `name`。其他組件都放在預設路徑：技能存放於 `skills/` 目錄下，遵循既有的 Agent Skills 規範；MCP 伺服器配置則放在 `mcp.json`，每個條目都明確標示類型，客戶端不用猜測傳輸方式，就能支援 stdio、Streamable HTTP 或舊版 HTTP+SSE。

規範強調組件之間的獨立性。如果 `skills/` 目錄不存在，客戶端會跳過，繼續載入其他部分；如果 `mcp.json` 裡的伺服器啟動失敗，也不會影響技能的載入，客戶端只會記錄錯誤並繼續運作。此外，規範保留了一個反向網域目錄（如 `com.example.client/`），作為擴展命名空間，供單一客戶端存放專屬的鉤子、命令或其他自訂功能。不認得這個命名空間的客戶端會直接忽略，確保可移植的核心保持精簡。

適用情境與規範邊界

不是所有技能都適合封裝成插件。如果只需要向單一客戶端交付單一 MCP 伺服器，直接用 `mcp.json` 更簡便；單一技能也不需要插件包裝。Agent Plugins 的用途是在多個相關組件需要一起移動、一起部署時，提供統一的載體。

版本 1.0.0 明確把範圍限定在封裝格式，不包含安裝機制、分發協議、權限模型、沙盒要求、信任驗證或使用者體驗設計。這些項目留給未來處理，因為不同客戶端（如 IDE、CLI 或企業管理平台）在安裝策略、企業管控與審批流程上差異很大，各個代理應用對其使用者本來就負有不同的義務。

生態系整合與 Google 產品支援

插件只是生態系的一環，發現與執行還要靠其他獨立層級。Agentic Resource Discovery（ARD）協議負責讓客戶端查詢可用資源，並把插件當作一等公民的資源類型；AI Catalog 則提供索引格式，註冊 `application/agent-plugins+json` 類型來指向插件清單。這些層級彼此獨立，採用其中一層不代表必須採用其他層級。

目前 Google 已經在兩款產品中實作這套標準。Agents CLI 用這個格式打包專家級技能，涵蓋代理建構、評估、部署與可觀察性，讓 Antigravity、Gemini CLI、Claude Code 或 Cursor 等 AI 編碼代理具備代理操作的專家能力。Data Agent Kit 則提供一系列插件，把 Google Data Cloud 的能力整合進開發者的 AI 編碼代理或 IDE，支援 BigQuery、Spanner 與 Cloud SQL 等數據資產的管理與查詢，讓這些技能與伺服器能在任何相容客戶端之間移動。Google 預期會把這項支援擴展到更多現有產品。