Agent Plugins are the future of Agent Skills
本文介绍了Agent Plugins作为打包Agent Skills及其依赖的MCP服务器的开放、厂商中立标准。Google已加入技术指导委员会作为核心维护者。文章详细说明了如何将现有技能迁移为插件，包括添加清单文件、配置mcp.json、处理路径占位符以及扩展命名空间，强调了插件的可移植性和组件独立失败的优势。作者通过实际经验展示了从技能到插件的转变过程，并指出了迁移中的常见陷阱，如发现规则仅深入一层。
相关文档
Google 官方「5天 AI Agents 课程」深度解读：5份白皮书，看懂从 Vibe Coding 到生产级 Agent 的完整范式
文章深度解读了 Google 与 Kaggle 联合推出的免费 5 天 AI Agents 密集课程，以五份白皮书为主线：Day 1 阐述 Vibe Coding 带来的软件开发生命周期范式转变；Day 2 介绍 Agent 工具互操作协议栈（MCP、A2A、A2UI、AP2）；Day 3 讲解 Agent Skills 作为 LLM 第一个程序性记忆原语的知识封装格式；Day 4 直面安全与评估问题，提出 7 支柱的 Effective Trust 架构；Day 5 主张规格驱动开发（SDD），探讨 AI 时代如何实现生产级工程。文章认为该课程是理解 Agent 时代软件工程范式重组的高浓度样本，并给出以白皮书为纲、Day 2 和 Day 4 含金量最高的学习建议。
The Jevons Paradox of AI coding agents: How reducing developer friction scales AI adoption
文章以杰文斯悖论类比：降低 AI 编码代理的使用摩擦反而会大幅提升其使用规模。Google Cloud Developer Plugin（基于开放的 Agent Plugins 规范）通过四层架构消除上下文瓶颈：多层级渐进式披露（约1680 token 的发现路由器）、通过 Developer Knowledge MCP 服务器获取实时有据可查的官方文档、严格的 gcloud CLI 执行护栏（leaf help 验证、非交互标志、输出投影压缩）以及凭据安全引导（ADC 与短期 IAM 模拟）。文章最后演示了端到端场景，引导 AI 代理一次性构建并部署跨 Cloud Run、Firestore 和 BigQuery 的实时事件分类管道，支持 Antigravity、Claude Code 和 Codex。
大模型、AI 产品、Agent、Skill、插件和 MCP 到底是什么？
文章系统梳理了 AI 生态中的核心概念及其关系。首先介绍 AI 模型，按处理信息类型分为语言/多模态、图像生成、视频生成、音频语音和专用任务模型，并列举 GPT、Claude、Gemini、FLUX、Veo、Whisper 等代表产品。其次区分 AI 模型与 AI 产品，涵盖综合助手、AI 搜索、创作和办公开发工具。然后解释 Agent 如何从回答问题走向执行任务，分类介绍了编程 Agent（Codex、Claude Code）、跨应用 Agent（Manus、OpenClaw）和长期个人 Agent。最后厘清 Skill（可复用工作方法）、Tool（具体能力）、Plugin（功能集成）、API（软件接口）和 MCP（标准化连接协议）的区别，以及 Workflow、Memory、知识库和执行环境等支撑能力，帮助读者理解整个 AI 生态的组成与协作方式。
Pi 插件不知道怎么选，看这一篇就够了
文章针对 Pi 编程代理插件市场插件过多、选择困难的问题，给出系统性的选择指南。作者核对了 46 个插件，淘汰 9 个停止维护或无人使用的，提出'常驻 3 个插件'的核心建议：pi-cc-extensions（优化输出排版）、pi-web-access（联网搜索）、pi-context-view（查看上下文占用）。文章先讲清 Skill、Extension、Package 三个概念及安装、试用的基本命令，再按 7 个场景（订阅接入、多线程、上网、浏览器操作、省 Token、安全、写代码）推荐每个场景的最佳选择，最后教读者通过四个指标自行判断插件可靠性和避开同名包的坑。
从零开始学 AI：小白也能看懂的常见 AI 名词讲解（三）
本文是 AI 名词扫盲系列第三期，面向小白讲解如何让 AI 工具变得更强，重点介绍与扩展 AI Agent 能力相关的常见名词。文章逐一解释了工具调用（Tool Calling）、API、MCP、CLI、连接器、插件、API 地址、API Key、模型 ID、Computer Use 等 10 个概念，并配以生活化的例子说明其作用与原理。作者还提醒读者注意保管 API Key、避免将密钥写入前端代码等安全事项，帮助读者理解 AI 如何连接外部工具完成实际任务。
tldraw for ChatGPT and Codex 插件发布
tldraw 宣布为 ChatGPT 和 Codex 推出插件，基于 OpenAI 新的 MCP 扩展规范构建，为对话提供实时多人协作画布。用户可在侧边栏与 AI Agent 和团队成员共同在画布上创作，通过评论标记 Agent 提供上下文。插件支持创建和管理画板、读取截图和图形、绘制图表（含 Mermaid），所有画板与 tldraw.com 账户同步。典型用例包括：可视化解释概念、将线框图变为应用、截图标注修改代码、绘制代码库架构图等，实现人与 Agent 在画布上的双向协作。
分享一个大幅节省Codex额度的邪修方法，不要浪费了你的ChatGPT Pro会员
作者因AIHOT产品优化导致Codex额度消耗巨大，发现ChatGPT Pro会员附带的GPT-6 Pro网页版额度与Codex额度分开，可被充分利用。他将服务器真实业务数据封装成只读MCP Server并接入飞书鉴权，作为插件供GPT-6 Pro调用，使其能基于真实生产数据做深度分析与规划，再通过'添加到Codex'功能将方案交给GPT-6 Astra执行。这套工作流大幅节省了Codex周额度，一次规划加执行仅消耗约14%额度，且完全合规无风控风险。
Addy Osmani 在 MSBuild 实战分享 Agent Skills：Define → Plan → Build → Verify → Review → Ship
Microsoft Build 2026 现场访谈中，Addy Osmani 介绍了 Agent Skills 的概念：将专业判断打包成 AI Agent 可执行工作流的标准化方式，类比新时代的 dotfiles。他展示了围绕软件研发生命周期（Define→Plan→Build→Verify→Review→Ship）组织的 Skill 仓库，统一遵循 Overview/Rationale/Red flags/Verification 设计模式，并现场演示 45 分钟从模糊想法到完整应用的全流程。访谈还探讨了人在回路中的代价、尽责程度与风险成正比、安全审查的非确定性困境、MCP 与 Skill 的对比及多模型分工等观点。
A2A Progress Report: Do We Still Need an Agent-to-Agent Protocol?
Google 一年前推出的 A2A 协议已发展到 1.0 版本，获得 150 多个组织支持并进入 Agentic AI 基金会。但同期 MCP 能力日益强大、Agent 运行时的编排能力提升、长时任务转向持久化工作流、共享状态协调等方式，都在减少 agent 之间需要独立寻址通信的场景。文章分析了四种架构趋势：agent 藏身于 MCP 能力之后、子代理成为运行时内部原语、单一协调代理面向多个 agent、软件工厂按工作任务组织 agent、以及传统工作流编排器从顶层协调 agent，认为显式 agent-to-agent 协议的需求可能并不常见。
Design.md 到底是什么？拆解硅谷大厂的 Casestudy 带你搞清楚
文章探讨 AI 做设计时“形似神不似”的问题，指出症结在于设计背后的“为什么”没有被写进 AI 可读的上下文。作者拆解了多家硅谷大厂的实践：Vercel 通过 200 多轮评估循环筛选规则，用 design.md 使视觉错误减少 57%；Google 开源了 Stitch 的 DESIGN.md 规范；Atlassian 实测发现 DESIGN.md 适合原型和定制场景，生产环境用 MCP 更省更准；Anthropic 的 Claude Design 则反向从代码库自动提取设计系统。社区还把 60+ 大厂风格反向工程成 design.md。文章认为设计系统正被 AI 重写，并给出五条落地建议。
腾讯云正式开门！AI可直接接管小程序CloudBase项目
文章介绍腾讯云 CloudBase 官方插件接入 Codex，通过 MCP、Skills 和 Commands 让 AI 获得云端视野，直接查看和操作小程序的云环境、云函数、数据库、日志、存储、认证与权限等资源。作者对比沙箱、Computer Use、CLI 与 MCP 四种方式各自分工，说明 MCP 补上了 AI 一直缺失的云端控制层，减少人肉搬运控制台信息的低效环节，并通过真实排障场景演示其价值。文章还给出安装方法、只读验收流程，以及默认只读、写操作确认、生产最小权限三条使用边界。
WebMCP Clearly Explained
Google 和 Microsoft 正在共同推动 WebMCP——一个由 Chrome 与 Edge 团队开发的浏览器 API，让网站能够向 AI Agent 声明自己可执行的操作。文章对比了 Agent 访问应用的六种方式（原始 API、后端 MCP 服务器、computer use、浏览器自动化、WebMCP、内置助手），指出 WebMCP 是唯一同时满足'使用自己的 Agent、零配置、获得真实具名操作'三个条件的方案。声明式描述优于让 Agent 从像素猜测：无需 API key、登录随浏览器会话免费获得、可用操作随页面状态动态变化、支持 JSON Schema 兼容主流模型。文章还展示了注册工具的 JavaScript 代码与纯 HTML 表单的极简接入方式，认为这可能是多年来 Web 最大的变革。
