六巨頭定AI插件新標準,撞臉Claude,Anthropic沒上桌

重點摘要
六大科技巨頭(AWS、Anysphere、GitHub、微軟、OpenAI、Vercel)聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0,旨在統一插件打包格式,減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似,但Anthropic並未參與制定,而是繼續經營自己的封閉生態。
六大科技巨頭罕見聯手,於8月6日正式發布了名為「Agent Plugins 1.0.0」的開放規範,目標是為AI智能體的插件建立統一的封裝標準。這項由OpenAI開發者團隊在官方推特上宣布的規範,集結了AWS、Anysphere(Cursor母公司)、GitHub、微軟、OpenAI與Vercel等六家重量級企業,甚至連Google也在發布當天迅速加入成為核心維護者。然而,這份看似凝聚產業共識的標準,卻獨缺了該領域的開創者——Anthropic。
這項規範的核心,在於解決AI開發者長期以來的痛點:同一套AI技能或MCP(Model Context Protocol)伺服器,因為各家客戶端(如Cursor、GitHub Copilot、Codex)的目錄結構、清單檔案與MCP配置寫法各異,開發者必須為每個平台重複打包,一旦更新還得逐一修改。Agent Plugins的目標正是終結這種無效勞動,透過統一的「包裝盒」格式,讓開發者只需打包一次,就能在所有支援該規範的客戶端中通用。具體來說,Agent Plugins 1.0.0定義了插件的標準結構:一個插件就是一個資料夾,根目錄放置一份名為plugin.
json的清單檔案,技能(Skills)統一存放在skills/子目錄中,MCP配置則寫入mcp.json。清單檔案僅需填寫$schema與name兩個必填欄位,其餘資訊皆透過固定路徑自動識別,客戶端無需猜測,甚至連版本號都可省略。至於各家客戶端特有的功能,如鉤子(hooks)、斜槓命令(slash commands)或自訂智能體(custom agents),則可放入以反向域名命名的專屬目錄中,其他客戶端掃到時會自動略過,確保公共層的整潔與相容性。值得注意的是,這份規範目前仍標註為「工作草案(Working Draft)」,顯示其尚未達到產業標準的成熟度。
規範本身也刻意保持精簡,僅統一了skills/與mcp.json兩類可移植組件的封裝方式,而安裝、分發、權限管理、沙箱機制、認證、信任驗證與用戶體驗等環節,則全數保留給各家客戶端自行處理。這意味著,即便打包格式統一了,插件在不同客戶端間的實際運行仍可能因傳輸方式(如stdio、Streamable HTTP、舊版HTTP+SSE)支援度不一而存在差異。微軟在相關文件中特別提醒安全問題,指出插件內的MCP伺服器與鉤子會在用戶本機執行代碼,安裝前務必確認來源與作者,尤其是來自社群市場的插件更需謹慎。此外,OpenAI自家的打包文檔目前仍使用.codex-plugin/plugin.
json的結構,與開放規範根目錄的plugin.json並非同一回事,顯示規範的全面落地仍需時間。熟悉Anthropic旗下Claude Code的開發者,可能會對這套規範的結構感到似曾相識。plugin.json、skills、mcp.json的組合,幾乎就是Claude Code早已實作的插件系統翻版。Anthropic不僅為Claude Code建立了完整的插件目錄結構,還開設了兩個官方市場供用戶分享插件,其「插件等於技能加MCP加一份清單」的打包思路,可說是這套玩法的開創者。新規範雖然只收錄了技能與MCP兩項通用組件,但其骨架與命名邏輯,與Claude Code的設計高度相似。
更明顯的證據來自相容層的設計。微軟VS Code的官方文檔中,預設插件市場已納入anthropics/claude-code這一項,同時支援新的開放格式與Claude原有的.claude-plugin/plugin.json格式。OpenAI的Codex甚至專門保留了Claude原本使用的變數名稱,以相容既有的Claude插件。這一切都指向一個事實:六大巨頭聯手制定的標準,本質上是「很像Claude Code」的格式,但Anthropic本人卻不在談判桌上。Anthropic的缺席,並非偶然。這家公司向來傾向於先將自家產品打磨到極致,再考慮與外部對齊。
從Claude Code的插件系統到官方市場,Anthropic已建立了一套從格式、市場到分發的完整閉環。這種策略的好處是產品體驗高度統一,代價則是每當產業級標準形成時,它往往成為最顯眼的缺席者。儘管如此,Anthropic並未被完全排除在外——Google新推出的兩套工具已將Claude Code列為適配對象,顯示其生態影響力依然存在。業界分析認為,這項規範的出現,標誌著AI插件生態競爭即將進入新階段。底層標準一旦統一,競爭焦點將從「誰的格式更通用」轉向「誰的插件生態更大、誰能讓開發者第一個想到自己」。
六家巨頭這次聯手確立了盒子的規格,但真正決定勝負的,是盒子裡裝的智能體——誰能靠生態系統將開發者牢牢留在身邊,誰才是最終的贏家。
Related
相關文章

曝字節訓10億參數大模型,或超Mythos 5,張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型,規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位,並反對模型蒸餾,認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入,同時在產品端與訓練端採取雙線進攻策略。

AI 需求擠爆雲計算,消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺,亞馬遜AWS要求工程師關閉閒置的EC2實例,以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%,AWS因此升級計算優化器自動標記低使用率虛擬機。此外,AWS過去一年新增3.8吉瓦電力容量,仍難以應對GPU雲端實例的龐大需求。
使用 NVIDIA NeMo Retriever、託管 NIM、LanceDB、重新排序與基於事實生成建立多模態 RAG 管線
在本教學中,我們將使用 NVIDIA NeMo Retriever 建立一個先進的多模態檢索增強生成管線。首先設定 Python 3.12 環境、安裝必要套件,並在無需 GPU 或外部 API 金鑰的情況下進行離線 PDF 文字提取。接著,我們透過託管的 NVIDIA NIM 端點來偵測頁面元素、提取表格、圖表與資訊圖形、產生稠密向量嵌入,並將處理後的內容儲存至 LanceDB。最後,我們實作了稠密檢索、視覺語言重新排序、後設資料過濾搜尋、附行內引用的基於事實回應生成,以及輕量級的 recall-at-k 評估,以驗證跨多模態文件內容的檢索品質。
NVIDIA AI 推出 NOOA:將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA(NVIDIA 物件導向代理),這是一個與模型無關的 Python 框架,用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中,而 NOOA 將所有這些整合到一個 Python 類別中:方法代表模型可採取的動作,欄位代表代理狀態,文件字串作為提示,型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成,而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面,使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%,在 CyberGym L1 上達到 86.8%,平均 RHAE 為 85.1%。

DeepSeek重啟融資,三年市值對齊騰訊?
DeepSeek重啟第二輪融資,以5000億元人民幣估值尋求籌集80億美元,但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑,後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價,可能打破其以低價換規模的估值邏輯,面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商,以及三年內市值能否對齊騰訊等巨頭。

可靈AI核心技術骨幹王鑫濤被曝離職
快手可靈AI核心技術骨幹王鑫濤被曝離職,去向未知,快手官方與本人均未回應。王鑫濤是圖像與視頻生成領域知名開源項目主要作者,被視為可靈從0到1的關鍵推手。其離職發生在可靈完成獨立融資、估值180億美元的關鍵階段,可能影響研發進度與競爭優勢。