一、架构分层

架构分层说明
用户/触发源层

用户实时请求 → 直接调用 Command

定时器 / 外部事件 → 触发 Automation

插件层

Plugin 是分发与封装单元，内部可以包含 Command、Skill、Automation、Connector 任意组合。

例如：GitHub 插件可能同时提供 create_issue（Command）、auto_sync_issues（Automation）、connect_github_api（Connector）。

能力层（逻辑定义）

Command：单次、即时、无状态。

Skill：多步骤、可复用流程。

Automation：带触发规则的后台执行单元。

Connector：与外部系统通信的适配器。

执行与编排层（运行时支撑）

Runner：执行单一 Command。

Engine：管理 Skill 的工作流状态、重试、补偿。

Scheduler：维护触发规则，按时间/事件调用动作。

MCP Server：暴露标准化的工具接口，供 Agent 调用连接器。

外部系统

实际被连接器访问的资源（数据库、API、文件、消息队列等）。

关键关系箭头解释
实线箭头 → 调用/执行/协议转换

虚线箭头 → 包含/组合/复用

Skill 可包含 Command（虚线）—— 表示 Skill 内部可以把 Command 作为一个步骤。

Automation 的动作体可以是 Skill 或 Command（虚线）。

Plugin 通过虚线包含下层能力——表示“打包分发”关系，而非运行时调用。

二、详细说明

一、Command（命令）

核心定义 立即执行、一次性、无状态的操作单元。通常对应一个函数、一个 API 调用或一个 CLI 命令，执行后不保留任何上下文。

关键特征 同步或异步但立即返回：用户发出后，当前线程等待或快速拿到结果。

无记忆：不依赖之前的命令，也不为后续命令保存状态。

原子性：通常只做一件事，例如计算、查询、发送一个通知。

低开销：无需加载复杂流程定义或外部资源。

典型示例

• 对话系统中的 get_weather(city)
• 智能家居中的 turn_off_light(living_room)
• 代码库中的 git status、ls -la
• AI Agent 中的 search_web(query)（单次搜索）

技术实现

• 函数注册表 + 参数解析器
• 在 Agent 框架中常表现为 @tool 或 @function 装饰器
• 执行环境：当前进程或轻量级 subprocess

何时用

• 用户请求明确且独立，不需要多步编排
• 需要极低延迟（<100ms）
• 不需要重试、补偿、审计日志等复杂特性

与 Skill 的区别

• Skill 是多步骤、有流程；Command 是单步、无流程。
• Skill 可被多次调用并保持参数模板；Command 每次都是全新调用。

二、Skill（技能）

核心定义 封装了一个固定 SOP（标准操作流程）的可复用单元。包含步骤顺序、分支逻辑、错误处理、输入输出规范。

关键特征 有状态机或流程定义：内部可包含多个 Command 或子 Skill

参数模板：允许调用时传入变量，但流程骨架不变

可组合：一个 Skill 可以调用另一个 Skill

可观测：通常自带日志、重试、超时控制

典型示例

• send_weekly_report：查询数据库 → 生成 Excel → 发邮件 → 归档
• onboard_new_employee：创建账号 → 分配权限 → 发送欢迎信 → 创建日历
• deploy_service：拉代码 → 构建镜像 → 滚动更新 → 健康检查

技术实现

• 工作流引擎（如 Temporal、Camunda、Durable Functions）
• 声明式 DSL（YAML/JSON 定义 steps）
• 代码式（Python 类，每个步骤是一个方法）

何时用

• 操作流程标准化，不会频繁变动
• 需要多人/多 Agent 共享同一套业务逻辑
• 要求完整执行记录和失败恢复能力

与 Automation 的区别

• Automation 强调触发方式（时间/事件），Skill 强调内容本身。
• 一个 Skill 可以被 Automation 作为“动作体”来调用。

三、Automation（自动化）

核心定义 由时间计划或外部事件触发、在后台自动执行的动作或流程。通常包含 Trigger（触发器） + Action（动作体，可以是 Command、Skill 或另一个 Automation）。

关键特征 无人值守：不需要用户实时交互

触发驱动：cron、webhook、消息队列、文件变化、DB trigger

可配置并发与限流：避免资源耗尽

可暂停/禁用：运行时控制

典型示例

• 每天 02:00 清理临时目录（cron）
• 当 S3 bucket 有新文件时自动转码（event trigger）
• 连续 5 次登录失败 → 锁定账号（alert-based trigger）
• 每周一 10:00 拉取所有人的 Jira 任务并汇总发邮件

技术实现

• 调度器：Airflow、Celery Beat、cron、Quartz
• 事件总线：Kafka、RabbitMQ、AWS EventBridge
• 低代码平台：Zapier、n8n、IFTTT

何时用

• 需要周期性维护、监控、报表生成
• 响应外部事件（IoT 传感器、Webhook）
• 减少人工重复操作

与 Command/Skill 的关系

• Automation 是执行策略，Command/Skill 是被执行的内容。
• 一个 Automation 可以触发一个 Skill，该 Skill 内部包含多个 Command。

四、MCP / Connector（连接器）

核心定义 用来连接外部系统、数据源、协议或工具的适配层。MCP（Model Context Protocol）是一个具体协议，目的是让 AI模型能安全、标准化地访问外部资源；Connector 是更广义的同类概念。

关键特征 协议桥接：将外部 API（REST/gRPC/SQL/WebSocket）封装成内部统一调用接口

认证管理：OAuth、API Key、证书等由连接器负责

数据格式转换：JSON ↔ Protobuf、SQL 结果 ↔ 对象

连接池 & 重试：处理网络不稳定

典型示例

• 数据库连接器：执行 SQL 并返回表格
• Slack 连接器：发送消息、读取频道历史
• 文件系统连接器：读写本地或 S3 文件
• MCP 服务器：暴露 read_file、execute_shell 等工具给 LLM

技术实现

• 实现了标准接口（如 list_tools(), call_tool(name, params)）
• 运行在独立进程或容器中，与 Agent 进程分离（MCP 典型架构）
• 使用 JSON-RPC 或 gRPC 通信

何时用

• 需要访问非本地能力（数据库、第三方 API、硬件设备）
• 需要统一治理外部访问（审计、限流、熔断）
• 想让 LLM 安全地调用真实世界接口（MCP 特别适合）

与 Plugin 的区别

• Plugin 可能包含多个连接器 + 多个 Skill + UI 扩展；连接器仅解决通信与协议问题。
• Plugin 是分发单元；Connector 是技术组件。

五、Plugin（插件）

核心定义 一组可独立安装、升级、卸载的能力集合，用于扩展系统功能。内部可以包含Command、Skill、Automation、Connector，甚至 UI 组件。

关键特征 封装与隔离：插件有自己的依赖、配置、生命周期

发现机制：系统启动时扫描插件目录，动态加载

版本管理：可以同时存在不同版本，或指定最低核心版本

权限声明：插件需要声明它要用哪些 API、存储、网络访问

典型示例

• VSCode 插件：添加新语言支持、调试器、主题
• ChatGPT Plugin：能够查航班、订餐、访问知识库
• Home Assistant 插件：接入某品牌智能设备
• 企业 RPA 平台插件：提供 OCR、PDF 处理等专用能力

技术实现

• 基于约定（如 plugin.json + entry_point.py）
• 使用插件框架：Eclipse 插件架构、VS Code 的 activate 函数
• 沙箱环境（某些平台限制文件/网络访问）

何时用

• 系统需要支持第三方扩展，且不能修改核心代码
• 想按业务领域打包一组能力，方便不同团队共享
• 需要热插拔、灰度发布某组功能

与上述所有组件的关系

• Plugin 是打包与分发容器；Command/Skill/Automation/Connector 都是Plugin 可能包含的内容。
  可以有一个 “Database Plugin” 对外提供：

• Connector：连接 MySQL/PostgreSQL
• Command：run_query
• Automation：每天自动备份
• Skill：migrate_schema

三、总结对比