Agent Foundry：跨平台AI Agent插件生态的统一管理工具\n\n随着AI编程助手市场的蓬勃发展，开发者们面临着一个甜蜜的烦恼：Codex、Claude Code、Cursor、GitHub Copilot等工具各有千秋，但它们的插件生态却是割裂的。为Claude配置的技能无法直接在Cursor中使用，为Cursor编写的workflow也不能迁移到Copilot CLI。这种碎片化不仅增加了学习成本，也阻碍了最佳实践的共享。\n\nAgent Foundry 正是为解决这一问题而诞生的开源项目，它试图建立一个统一的AI Agent插件注册表和跨平台安装工具，让开发者只需编写一次插件，就能在多个AI助手中使用。\n\n## AI编程助手的生态困境\n\n当前主流的AI编程助手各自构建了独立的扩展机制：\n\nOpenAI Codex：通过 .codex/plugins/ 目录和 marketplace.json 管理插件，支持自定义技能和Agent定义。\n\nClaude Code：使用 .claude/ 目录结构，支持MCP（Model Context Protocol）服务器和自定义命令。\n\nCursor：提供IDE插件和CLI两种形态，分别使用 .cursor/plugins/ 和 ~/.cursor/skills/ 路径。\n\nGitHub Copilot CLI：用户级别的配置存储，不支持项目级插件。\n\n这种分裂带来的问题显而易见：\n\n1. 重复劳动：同一个功能需要为不同平台编写多个版本的插件\n2. 配置分散：项目中的AI配置散落在各处，难以统一管理\n3. 迁移困难：更换AI工具意味着重新配置所有自定义功能\n4. 生态孤岛：优秀的插件只能服务特定平台的用户\n\n## Agent Foundry 的核心设计\n\nAgent Foundry 采用"一次编写，多处安装"的设计理念，通过抽象层屏蔽底层平台的差异。\n\n### 统一插件格式\n\n所有插件存储在项目的 plugins/ 目录下，每个插件包含：\n\n- plugin.yaml：插件元数据（名称、版本、描述、依赖）\n- skills/：可复用的技能定义（prompts、工具调用配置）\n- agents/：完整的Agent定义（角色、能力、工作流）\n- mcp/：MCP服务器配置（Model Context Protocol）\n\n这种结构既保留了各平台的特性，又提供了统一的组织方式。\n\n### 注册表机制\n\nregistry/plugins.yaml 作为中央索引，记录所有可用插件：\n\nyaml\nplugins:\n - id: code-reviewer\n name: Code Review Assistant\n version: 1.0.0\n description: Automated code review with best practices\n author: community\n tags: [review, quality, best-practices]\n \n - id: test-generator\n name: Test Case Generator\n version: 0.5.0\n description: Generate unit tests from function signatures\n author: josemiguelmelo\n tags: [testing, automation]\n\n\n注册表支持版本管理、标签搜索和依赖解析，为插件发现和管理提供便利。\n\n### 跨平台安装适配\n\nAgent Foundry CLI 在安装时自动处理平台差异：\n\n| 平台 | 全局安装路径 | 项目级安装路径 | 特殊处理 |\n|------|-------------|---------------|----------|\n| Codex | ~/.codex/plugins/ | ./.codex/plugins/ | 更新 marketplace.json |\n| Claude | ~/.agent-foundry/claude/ | 不支持 | 软链接管理 |\n| Cursor | ~/.cursor/plugins/ | ./.cursor/plugins/local/ | IDE重启提示 |\n| Cursor CLI | ~/.cursor/ | ./.cursor/ | 状态文件管理 |\n| Copilot | 用户级别 only | 不支持 | 配置合并 |\n\n## CLI 工具使用指南\n\n### 安装 CLI\n\nbash\n# 使用 pipx 安装（推荐）\npipx install git+https://github.com/josemiguelmelo/agent-foundry.git\n\n# 或从源码安装\ngit clone https://github.com/josemiguelmelo/agent-foundry.git\ncd agent-foundry\npip install .\n\n\n### 安装插件\n\nbash\n# 全局安装（默认）\nagent-foundry install codex code-reviewer\nagent-foundry install cursor test-generator\n\n# 项目级安装\nagent-foundry install codex code-reviewer --in-project\n\n# 从本地仓库安装（开发调试）\nagent-foundry install claude my-plugin --repo /path/to/local/registry\n\n\n### 管理插件\n\nbash\n# 卸载插件\nagent-foundry uninstall codex code-reviewer\nagent-foundry uninstall cursor test-generator --in-project\n\n# 验证注册表完整性\nagent-foundry validate-plugins\n\n# 查看帮助\nagent-foundry --help\n\n\n### 开发新插件\n\nbash\n# 创建插件骨架\nagent-foundry create-plugin my-awesome-plugin --version 0.1.0 --summary \"Does something cool\"\n\n# 删除插件（从注册表和文件系统）\nagent-foundry remove-plugin my-awesome-plugin\n\n\n创建命令会自动生成标准目录结构和基础配置文件，开发者只需填充业务逻辑。\n\n## 插件开发最佳实践\n\n### 技能设计原则\n\n一个好的AI技能应该具备：\n\n明确的触发条件：定义清晰的上下文模式，避免过度触发或遗漏场景。\n\n聚焦的职责范围：每个技能解决特定问题，保持单一职责原则。\n\n可配置的参数：允许用户根据项目需求调整行为，如代码风格、审查严格度等。\n\n完善的示例：提供输入输出示例，帮助AI理解预期行为。\n\n### Agent 编排模式\n\n复杂工作流可以通过组合多个Agent实现：\n\n流水线模式：文档生成Agent → 代码实现Agent → 测试生成Agent → 审查Agent\n\n决策树模式：需求分析Agent根据复杂度决定调用简单实现Agent还是架构设计Agent\n\n多专家会诊：多个专业Agent（安全专家、性能专家、可维护性专家）并行审查代码\n\n### MCP 集成策略\n\nModel Context Protocol 是Anthropic提出的开放标准，用于AI与外部工具通信：\n\n- 工具发现：MCP服务器动态暴露可用工具，AI按需调用\n- 状态管理：支持有状态会话，维护跨调用的上下文\n- 安全边界：明确的权限模型，防止越权操作\n\nAgent Foundry 将MCP配置作为一等公民，方便开发者构建与数据库、API、文件系统交互的Agent。\n\n## 应用场景与案例\n\n### 团队标准化\n\n在大型团队中，Agent Foundry 可以作为AI配置的中心化仓库：\n\n- 定义统一的代码审查标准\n- 共享项目特定的知识库（架构决策、API约定）\n- 确保所有成员使用一致的AI辅助流程\n\n### 开源项目贡献\n\n开源项目可以通过Agent Foundry 降低贡献门槛：\n\n- 提供项目特定的贡献指南Agent\n- 自动检查PR是否符合项目规范\n- 为新贡献者提供交互式入门向导\n\n### 个人工作流定制\n\n个人开发者可以构建自己的AI工具箱：\n\n- 收集整理日常使用的prompts和skills\n- 在不同项目间复用配置\n- 快速实验新的AI工作流\n\n## 局限性与未来方向\n\n### 当前限制\n\n平台能力差异：不同AI助手的能力集不同，某些高级功能可能无法在特定平台实现。\n\nClaude Code 的限制：目前仅支持全局安装，项目级隔离仍在探索中。\n\nCopilot CLI 的限制：微软的封闭生态限制了深度集成，仅支持用户级别配置。\n\n版本兼容性：AI助手更新可能破坏插件兼容性，需要持续维护。\n\n### 路线图展望\n\n更广泛的工具支持：计划集成 Continue.dev、Aider、Supermaven 等新兴AI编程工具。\n\n插件市场：建立社区驱动的插件评分、评论和发现机制。\n\n可视化编辑器：提供GUI工具降低插件开发门槛，非程序员也能创建简单技能。\n\n自动化测试：为插件提供单元测试框架，确保AI行为符合预期。\n\n云同步：支持跨设备同步个人插件配置，实现无缝切换工作环境。\n\n## 与相关项目的对比\n\n| 特性 | Agent Foundry | Promptfoo | LangChain CLI |\n|------|--------------|-----------|---------------|\n| 目标 | 多平台插件管理 | Prompt测试评估 | 应用开发框架 |\n| 支持平台 | Codex/Claude/Cursor/Copilot | 通用 | 自建应用 |\n| 插件格式 | 标准化YAML | 任意文本 | Python代码 |\n| 社区生态 | 新兴 | 成熟 | 成熟 |\n| 易用性 | 高（CLI驱动） | 中 | 低（需编程） |\n\nAgent Foundry 的独特价值在于专注解决"最后一公里"问题——让已有的AI助手更好地协同工作，而不是试图替代它们。\n\n## 结语\n\nAI编程助手正在重塑软件开发的工作方式，但工具碎片化带来的摩擦不容忽视。Agent Foundry 提供了一个务实的解决方案：不是创建新的封闭生态，而是在现有工具之上建立互操作层。\n\n这种"桥梁"式的定位让 Agent Foundry 具有独特的战略价值。随着AI助手市场的进一步分化，跨平台兼容能力将变得越来越重要。对于希望在不同AI工具间自由切换、或者需要为团队统一AI配置的开发者来说，Agent Foundry 是一个值得关注的项目。\n\n未来，我们或许会看到更多类似的互操作项目出现，推动AI工具生态从割裂走向融合。而 Agent Foundry 已经迈出了重要的第一步。