Agent Plugins busca hacer portátiles las habilidades de IA

Vercel ha publicado el borrador inicial de Agent Plugins 1.0, un estándar de empaquetado respaldado por Amazon, Cursor, Microsoft y OpenAI que busca hacer portátiles las habilidades y herramientas de agente entre plataformas. La propuesta se publicó el jueves y fue adoptada rápidamente por la Agentic AI Foundation (AAIF) de la Linux Foundation, aunque seguirá siendo un proyecto independiente.

El objetivo es sencillo: los desarrolladores deberían poder escribir una capacidad de agente una vez y moverla entre clientes compatibles en lugar de volver a construirla para cada producto. VS Code, Cursor, GitHub Copilot, ChatGPT, Codex y Kiro ya son compatibles con el estándar, según The Register.

El esfuerzo también amplía el estándar Agent Plugins de OpenAI, que nuestra cobertura anterior identificó como un formato abierto para habilidades portátiles y servidores MCP en productos de IA compatibles.

Recomendado

OpenAI promete salvaguardias para Astra tras advertencia de riesgo cibernético

Cómo Agent Plugins empaqueta habilidades y herramientas

Agent Plugins combina dos piezas existentes de la infraestructura de agentes:

• Agent Skills, creadas originalmente por Anthropic en 2025, proporcionan las instrucciones para completar una tarea.
• Model Context Protocol (MCP) proporciona conexiones a recursos externos como bases de datos, APIs, scripts de shell y otros servicios.

La versión 1.0 reúne ambos en un único paquete basado en directorios. Cada plugin obtiene un directorio de nivel superior que contiene un manifiesto JSON con su nombre, versión y esquema. Las instrucciones de la tarea van en un subdirectorio skills, mientras que la configuración del servidor MCP reside en un archivo mcp.json. Los autores pueden usar un directorio de espacio de nombres (namespace) para extensiones adicionales.

La estructura sigue el enfoque de sistema de archivos como configuración asociado a Next.js. Agrupar las instrucciones y la configuración MCP pretende facilitar que un plugin pueda copiarse fácilmente en cualquier cliente de agente compatible.

“Esto mantiene el formato compartido predecible sin exigirle que absorba cada experimento específico de cliente que ocurra en los productos de agentes.”

El formato se mantiene deliberadamente reducido. Los hooks experimentales, reglas y extensiones pueden colocarse en el directorio de espacio de nombres (namespace), pero su portabilidad no está garantizada. La AAIF puede considerar extensiones exitosas para versiones posteriores, sin prometer que serán añadidas.

La portabilidad aún depende del cliente

Agent Plugins estandariza el paquete, no la experiencia de usuario completa ni el entorno de ejecución. Cada plataforma de agente aún tiene que proporcionar su propia interfaz, límites de seguridad y mercado de plugins. Por tanto, soportar un formato de directorio común no garantiza por sí solo que un plugin se comporte de forma idéntica en ChatGPT, Cursor o VS Code.

El proyecto utilizará gobernanza abierta, con un comité de supervisión técnica independiente que considerará las aportaciones públicas. Ingenieros de Amazon, Cursor, Microsoft, OpenAI y Vercel forman actualmente el equipo central de desarrollo, y la especificación está licenciada bajo CC-BY-4.0.

Agent Plugins también entra en un esfuerzo de estándares muy concurrido. El trabajo de comunicaciones Agent2Agent (A2A) de Google se ha trasladado a la AAIF, mientras que Google está desarrollando Agentic Resource Discovery para encontrar herramientas en la web. La fundación está promoviendo por separado Skills Over MCP, que incrusta las skills dentro de un servidor MCP en lugar de adjuntar una configuración MCP a cada paquete de skills.

La información no establece si los clientes compatibles aplican las mismas políticas de seguridad o ofrecen un comportamiento consistente para el mismo plugin. Esa es la limitación clave sin resolver: Agent Plugins hace que la distribución sea materialmente más limpia, pero su promesa de “escribe una vez, ejecuta en todas partes” sigue dependiendo de la implementación a nivel de plataforma fuera de la especificación.