Agent Plugins 1.0 如何组织和复用 AI 能力

一、 为什么需要 Agent Plugins 1.0

一套 AI 能力已经跑通，交给同事或换个客户端使用时，却常常还要重新配置：整理 Skills、连接 MCP、补充使用说明。能力本身可以复用，交付过程却在重复劳动。

Agent Plugins 1.0 为此提供了一套可移植的打包格式，将插件清单、Skills 和可选的 MCP 配置组织在一起，让兼容客户端按约定发现和加载。开发者可以围绕同一份能力包维护和分发，使用者也能减少手动拼装的工作。

二、 Plugin 与 Skill 和 MCP 的关系

理解 Plugin 1.0，可以先分清 Plugin、Skill 和 MCP 各自负责什么。

目前发布的 Agent Plugins 规范版本为，核心组件类型是 Skills 和 MCP servers。它沿用 Agent Skills 与 MCP 各自的规范，规定这些组件如何被组织在一个插件包中。完整规范

三、 一个插件如何组织

一个同时包含 Skills 和 MCP 配置的插件，可以采用下面的结构：

my-plugin/
├── plugin.json
├── skills/
│   └── my-skill/
│       ├── SKILL.md
│       ├── references/
│       └── scripts/
└── mcp.json

plugin.json 标识插件名称、目标规范及其他元数据； 存放各项 Skill；声明 MCP 服务连接。插件必须有根清单，Skills 和 MCP 配置则按需要提供。只封装一项 Skill，也可以构成一个插件。插件构建指南

Skill 中的 负责描述任务与执行指引，参考资料和脚本可以随它一起打包。这让插件作者能够把完成任务需要的材料组织在一起，使用者也能查看这项能力的适用范围。Skills 说明

MCP 配置则告诉客户端如何连接服务，既可以声明本地进程，也可以声明远程连接。服务认证仍由客户端管理，连接配置与用户获得的访问权限需要分别确认。MCP 配置说明

四、 Plugin 1.0 的使用场景与支持范围

Agent Plugins 1.0 适合将可复用的任务指引、领域知识和工具连接组织成插件，具体用途由插件提供的组件决定。

下图以代码审查、文档整理和数据分析为例，说明 Skill 与可选 MCP 连接如何配合。这三类是使用示例，实际应用可以围绕各自的业务任务继续扩展。

这三个示例的共同点，是先用 Skill 把做事的方法讲清楚：应该参考哪些资料、按什么顺序处理、最终交付什么结果。例如，代码审查可以约定检查重点，文档整理可以规定摘要结构，数据分析可以明确指标口径。

MCP 则在任务需要外部工具和服务时提供连接。如果客户端已有处理用户提供的代码、文档或本地文件的工具，可以先从 Skill 开始组织流程；需要查询代码平台、知识库或业务系统时，再按需配置相应的 MCP 服务。

对团队而言，这也提供了一个持续维护和分享能力的载体。围绕一个明确任务，集中整理使用说明、输入示例和参考资料，后来使用的人就更容易判断它适合解决什么问题，以及该如何开始。

格式统一为组件复用提供了基础，但各客户端的安装、启用和更新方式仍可能不同。

具体可用能力取决于插件内容、客户端支持和访问权限。查看规范

五、 Antom AI Tools 的落地实践

以支付领域为例，Antom AI Tools 已提供 Agent Plugins 1.0 兼容包。下图展示根目录的组成，并选取其中两项 Skill 说明用途。

图中的 antom-integration 对应支付接入任务。开发者可以从业务需求出发，借助其中的产品选择、接入指引和代码生成能力推进实现。antom-reconciliation-expert 则以本地 Settlement Detail 报告为输入，支持结算金额校验、费用分析和对账知识问答。两项 Skill 面向不同的工作阶段，各自有清晰的任务入口。Skill 说明

这个案例展示了如何把领域知识组织成开发者可以选择和使用的任务。介绍一项能力时，说明它适合什么场景、需要什么输入、能给出什么结果，会比只列出组件名称更有帮助。

仓库根目录通过、skills/ 和 mcp.json 组织可移植包，同时保留面向不同客户端的专用包。这样的组织方式可以围绕共享的 Skill 内容维护能力，再按客户端的加载方式提供适配。插件组织方式

对账示例支持本地 CSV 或 XLSX 格式的 Settlement Detail 报告；Antom MCP 目前按白名单开放，认证由客户端管理。能力与使用说明

六、如何开始使用和构建插件

使用现有插件： 先选具体任务，再确定安装入口。以 Antom AI Tools 为例，使用 Agent Plugins 1.0 可移植包时，按兼容客户端列表中所用工具的说明加载仓库根目录；使用 Cursor、Claude Code 或 Codex 专用包时，按仓库说明安装对应包。

安装后确认 Skill 是否加载；如需 MCP，再检查客户端支持和访问权限，最后用实际输入验证结果。

第一次使用时，可以先选一个范围清楚的小任务，并准备一份容易核对的输入。加载完成后，检查结果是否符合 Skill 的说明；如果涉及 MCP 服务，还需要确认连接与访问条件是否满足。这样更容易区分是能力尚未加载，还是任务本身需要补充信息。

构建自己的插件： 可以先创建下面两个文件，再按兼容客户端的说明加载。

plugin.json

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

skills/summarize-note/SKILL.md

---
name: summarize-note
description: Summarize user-provided notes and list open questions.
---

将用户提供的资料整理为摘要、关键结论和待确认问题。
保留事实与观点的区别，缺失的信息标为待确认。

这个最小示例中，plugin.json 提供插件的基本标识，SKILL.md 描述资料整理任务及输出要求。可以先把这一项能力跑通，再逐步补充参考资料、输入输出示例或配套脚本。官方构建指南

验证时，先确认客户端已发现并加载这项 Skill，再提供一段同时包含事实、个人判断和缺失信息的资料，尝试“请使用 summarize-note 整理这段内容”。检查输出是否包含约定的三部分，是否区分事实与观点，以及是否把缺失信息如实标为待确认。

当任务确实需要访问外部工具时，再增加 MCP 配置。后续维护也可以从真实使用反馈出发，持续完善任务边界、示例和参考资料，让同一套能力更容易被理解和复用。

参考资料

• Agent Plugins 官方介绍
• Antom AI Tools - GitHub
• Antom 文档中心 · Antom AI能力
• Antom 体验