OpenAI Codex 支持插件,三巨头 AI 编程助手功能趋同

深度The New Stack2026年3月27日3 分钟阅读
OpenAI Codex 支持插件,三巨头 AI 编程助手功能趋同
OpenAI 本周宣布为 Codex 添加插件功能,将第三方服务的工作流、MCP 服务器和应用集成打包成可安装包。此举让 Codex 与 Anthropic 的 Claude Code、Google 的 Gemini CLI 在插件架构上趋于一致。

OpenAI 本周宣布为 Codex 添加插件功能。这些插件将 Box、Figma、Linear、Notion、Sentry、Slack、Gmail 和 Hugging Face 等第三方服务的可复用工作流、MCP 服务器和应用集成打包成可安装包,供 Codex 应用使用。

这一举措让人联想到 Anthropic 在 Claude Code 及其桌面应用中的做法,以及 Google 的 Gemini CLI——两者都已提供类似的系统。但更重要的是,这也是 OpenAI 为 Codex 引入更多非直接编码相关工具的一步,可能会让那些考虑转向 Anthropic 桌面应用 Claude 和 Claude Cowork 的用户更倾向于选择 Codex。

如果 Codex 要成为 OpenAI 的“超级应用”的核心,它就必须超越编码功能。这次插件更新感觉是朝这个方向迈出的第一步。

图片来源:OpenAI。

当然,许多新插件仍与编码相关,但值得注意的是,这第一批插件将 Codex 推向了代码编写前后的规划、研究和协调阶段。

插件可以将所有组件打包成一个安装包,团队可以在开发者之间标准化使用,而不需要每个人手动组装单独的 MCP 服务器和自定义指令。

插件架构

Codex 插件的核心是将技能(现在几乎所有 AI 公司都支持的基于 Markdown 的工作流)与可选的应用连接器和外部工具的 MCP 服务器打包在一起。首发时有 20 多个插件可用,用户可以在 Codex 应用、CLI 和 OpenAI 的 VS Code 扩展中使用它们。

有趣的是,OpenAI 将这些插件放在了 Codex 用户界面的显眼位置,在“新会话”按钮下方有一个专用标签页。点击它会进入应用内的精选目录。自助发布功能尚未开放,但对更多插件的支持即将推出。

在 Codex CLI 中,可以使用 /plugins 命令从终端安装插件。

图片来源:OpenAI。

目前目录中一个较复杂的插件示例是“构建 Web 应用”插件。它打包了 Stripe、Supabase 和 Vercel 的 MCP 服务器,并附带专用技能,用于部署到 Vercel、构建前端以及使用这些第三方服务的最佳实践。

其他厂商的情况

Anthropic 的 Claude Code 今年早些时候就已提供插件,同样将 MCP 服务器、技能、斜杠命令和钩子打包成一键安装包。Anthropic 也在其应用中内置了市场,开发者还可以发布到仓库级或个人市场(这一功能即将登陆 Codex)。

Google 的 Gemini CLI 和 Antigravity(该公司以 AI 为中心的 IDE)将这些插件称为“扩展”,但其实现与 Anthropic 和 OpenAI 非常相似:MCP 服务器、自定义命令、智能体技能、钩子和主题,通过 GitHub 或内置注册表分发。Google 最近还添加了扩展设置,在安装时提示用户配置如 API 密钥等信息,并将其存储在系统密钥链中。

总的来说,现在三大厂商的插件/扩展都采用了相同的架构。在它们和 Codex 之间切换也相当容易。OpenAI 明确提到:“如果你已经有来自其他生态系统的插件或自己构建的插件,可以使用 @plugin-creator 将其添加到本地市场。”

这个插件创建工具(也模仿了 Claude Code 和 Cowork 中的类似功能)让你只需描述所需功能,就能构建新插件——或者至少为其创建脚手架。

本文编译自 OpenAI’s Codex gets plugins,版权归原作者所有。

觉得有用?分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察,每周更新。

相关文章

Simon Willison 正在重构 LLM Python 库的抽象层,以支持服务器端工具执行等新功能。他利用 Claude Code 分析了四大 LLM 提供商的客户端库,生成了用于测试的 curl 命令和 JSON 输出。这些调研材料已开源,旨在帮助设计更通用的 API 抽象。

深度Simon Willison·4月5日·1 分钟

智能体技能——包含程序性知识和可执行资源的结构化包,供智能体在推理时动态加载——已成为增强 LLM 智能体的可靠机制。然而,推理时技能增强存在根本性限制:检索噪声引入无关指导,注入的技能内容带来大量 token 开销,而模型从未真正习得它所遵循的知识。我们提出一个问题:技能是否可以被内化到模型参数中,使其在无需任何运行时技能检索的情况下实现零样本自主行为?我们提出 Skill0,一个专为技能内化设计的上下文强化学习框架。Skill0 引入了一种训练时课程,从提供完整技能上下文开始,逐步撤除。技能按类别离线分组,并与交互历史一起渲染为紧凑的视觉上下文,教授模型工具调用和多轮任务完成。动态课程机制…

深度·4月5日·17 分钟

评论