Skill、Tool 与 Plugin 对照¶

echo-agent 提供五种能力扩展机制，各自承担不同职责、拥有不同生命周期与安全边界。本文对 Tool、Skill、Plugin、MCP、A2A 进行系统对照，帮助开发者选择合适的扩展方式。

1. Tool（工具）¶

Tool 是 Agent Loop 可直接调用的可执行能力接口。每个 Tool 以 Python class 形式实现，继承自公开入口 echo_agent.tools.Tool。

核心特征¶

name / description / parameters：声明式元数据，供 model 选择与参数绑定
返回类型：ToolResult（包含 success/error 状态、output 文本、可选 metadata）
能力声明：每个 Tool 声明所需 capabilities（如 fs.read、process.exec、net.fetch）
策略过滤：通过 tools.profile 配置（minimal / messaging / coding / full）决定哪些 Tool 对当前 session 可见
安全门控：执行前经过 approval gate 与 shell guards 检查

典型示例¶

Tool 名称	能力声明	用途
`exec`	`process.exec`	执行 shell 命令
`read_file`	`fs.read`	读取文件内容
`edit_file`	`fs.write`	编辑文件
`memory`	`memory.read`, `memory.write`	读写记忆系统
`message`	`messaging.send`	发送消息
`search_files`	`fs.read`	搜索文件内容

调用流程¶

Model 输出 tool_use → Agent Loop 解析 → Policy 检查 → Approval Gate → Tool.execute() → ToolResult

2. Skill（技能）¶

Skill 是领域知识与工作流的封装包。与 Tool 不同，Skill 不直接执行操作，而是通过上下文注入为 model 提供专业知识与决策流程。

核心特征¶

结构：SKILL.md 文件 + 可选依赖资源（模板、参考文档等）
加载源：skills/ 目录（bundled 内置或 workspace 工作区级别）
管理工具：skill_view、skills_list、skill_install、skill_manage
自动演化：evolution engine 可根据使用反馈自动生成或改进 Skill
风险分级：SkillRisk 类型，分为 low（低风险）和 high（高风险）

准入流程¶

Skill 上线前需经历完整的准入流程：

Author / Evolve：人工编写或 evolution engine 自动生成
Injection Scan：扫描 SKILL.md 内容，检测 prompt injection 风险
Stage：进入 staging 状态，可被有限使用
Evaluate：通过实际调用评估效果与安全性
Promote / Reject：通过评估则提升为正式 Skill，否则拒绝

热重载¶

Skill 支持热重载——修改 SKILL.md 后无需重启 Agent 即可生效。

3. Plugin（插件）¶

Plugin 是可加载的 Python 扩展，允许第三方在不修改核心代码的前提下扩展 echo-agent 的能力。

核心特征¶

结构：plugin.yaml（声明元数据）+ __init__.py 或指定 entry point
加载时机：Agent 启动阶段从 plugins/ 目录自动扫描加载
扩展能力：
注册新的 Tool
添加 event handler（监听系统事件）
扩展现有功能行为
信任边界：Plugin 运行在 Agent 进程内，享有较高权限，需信任来源

与 Tool 的关系¶

Plugin 可以注册新 Tool，但 Plugin 本身不是 Tool。Plugin 是扩展机制，Tool 是能力接口。一个 Plugin 可注册零到多个 Tool。

4. MCP（Model Context Protocol）¶

MCP 是外部工具协议客户端，实现了 Model Context Protocol 规范，将外部 tool server 桥接入 Agent 的工具注册表。

核心特征¶

传输方式：支持 stdio 和 HTTP 两种 transport（echo_agent/mcp/transport.py）
工具暴露：外部工具以 mcp_* 前缀注册，统一通过 mcp.call capability 管理
动态发现：可在运行时连接新的 MCP server，支持断线重连
协议标准：遵循 MCP 开放规范，与任何兼容 server 互操作

工作模式¶

Agent Loop → mcp_tool_name → MCP Client → [stdio/HTTP] → External MCP Server → Result

优势¶

无需将外部工具实现为 Python 代码
外部 server 可用任何语言实现
支持热重连（reconnect），不中断 Agent 运行

5. A2A（Agent-to-Agent）¶

A2A 是Agent 间任务协议。当前生产运行时实现的是入站端：外部 Agent 可发现 Echo Agent，并把文本任务委派给它。

核心特征¶

协议基础：Agent Card + JSON-RPC（echo_agent/a2a/protocol.py、server.py）
入站任务：外部 peer 通过 tasks/send、tasks/get 和 tasks/cancel 调用 Echo Agent
身份隔离：Bearer token 派生不透明 principal，任务和会话按 principal 隔离
有界保留：任务存储同时受 TTL 和数量上限约束

工作模式¶

外部 Agent 发现 Agent Card → 调用 Echo Agent JSON-RPC 端点 → Agent Loop 处理 → 任务状态/结果返回

代码库保留了低层 A2AClient 辅助类，但它没有生产调用方，也未经共享 net_guard 的逐跳 SSRF 防护；当前不存在可供 model 调用的 A2A 出站委派工具。

与 MCP 的区别¶

维度	MCP	A2A
对象	工具（Tool）	Agent
粒度	单次函数调用	完整任务
协议	Tool protocol	Task protocol
对端	Tool Server	Agent peer

对照总览表¶

维度	Tool	Skill	Plugin	MCP	A2A
本质	可调用函数	知识包	代码扩展	协议客户端	入站任务协议
接口形式	Python class	SKILL.md	plugin.yaml	stdio/HTTP	Agent Card
调用方	Model / Loop	上下文注入	Loop hooks	Model（作为 tool）	外部 A2A peer
安全机制	Policy + Guards	Injection scan	Trust boundary	mcp.call cap	Bearer principal + owner 隔离
热重载	否	是	否	是（reconnect）	否
自动演化	否	是（evolution）	否	否	否
实现语言	Python	Markdown	Python	任意	任意
注册位置	tools/	skills/	plugins/	mcp config	a2a/ + gateway

架构关系图¶

以下 Mermaid 图展示五种机制与 Agent Loop 的连接关系：

graph TB
    subgraph AgentLoop["Agent Loop"]
        MODEL[Model / LLM]
        LOOP[Loop Controller]
    end

    subgraph Tools["Tools Layer"]
        T1[exec]
        T2[read_file]
        T3[edit_file]
        T4[memory]
        T5[message]
    end

    subgraph Skills["Skills Layer"]
        S1[SKILL.md]
        S2[Context Injection]
    end

    subgraph Plugins["Plugins Layer"]
        P1[plugin.yaml]
        P2[Event Handlers]
        P3[Registered Tools]
    end

    subgraph MCP["MCP Layer"]
        M1[MCP Client]
        M2[External Server]
    end

    subgraph A2A["A2A Layer"]
        A1[External A2A Peer]
        A2[A2A Server]
    end

    MODEL -->|tool_use| LOOP
    LOOP -->|execute| Tools
    LOOP -->|inject context| Skills
    Plugins -->|register tools| Tools
    Plugins -->|hook events| LOOP
    LOOP -->|mcp.call| M1
    M1 -->|stdio/HTTP| M2
    A1 -->|JSON-RPC| A2
    A2 -->|process task| LOOP
    S1 -->|load| S2
    S2 -->|enrich prompt| MODEL

Skill 生命周期¶

以下 Mermaid 图展示 Skill 从创建到上线的完整生命周期：

flowchart LR
    A[Author / Evolve] --> B[Injection Scan]
    B -->|通过| C[Stage]
    B -->|发现风险| R1[Reject & 通知作者]
    C --> D[Evaluate]
    D -->|效果达标| E[Promote]
    D -->|效果不足| R2[Reject / 回退修改]
    E --> F[Active Skill]
    F -->|使用反馈| G[Evolution Engine]
    G -->|改进版本| A

    style A fill:#e1f5fe
    style E fill:#c8e6c9
    style R1 fill:#ffcdd2
    style R2 fill:#ffcdd2
    style F fill:#c8e6c9

各阶段说明¶

阶段	说明	产出
Author / Evolve	人工编写或 engine 自动生成 SKILL.md	草稿 Skill
Injection Scan	静态扫描 prompt injection 与恶意模式	安全报告
Stage	进入 staging，仅限受控环境使用	Staged Skill
Evaluate	实际使用中评估效果与安全性	评估指标
Promote	提升为正式可用 Skill	Active Skill
Reject	不通过，附带原因反馈	拒绝记录

选择指南¶

何时用 Tool¶

需要执行具体操作（读写文件、执行命令、网络请求）
操作结果需要返回给 model 做后续推理
需要精确的参数验证与权限控制

何时用 Skill¶

需要为 model 注入领域专业知识
工作流程复杂，需要步骤引导
知识内容可能随时间演化改进

何时用 Plugin¶

需要在核心代码外添加自定义逻辑
需要监听系统事件做额外处理
需要批量注册一组相关 Tool

何时用 MCP¶

外部系统已有 MCP 兼容的 tool server
工具实现语言非 Python
需要与第三方 AI 工具生态集成

何时用 A2A¶

需要让外部 Agent 或编排器向 Echo Agent 提交文本任务
外部系统需要标准的任务状态查询和取消接口
需要按 API token 隔离多个调用主体的任务与会话

如果需要 Echo Agent 主动委派给外部 Agent，当前版本尚无生产可用的出站入口。

Skill、Tool 与 Plugin 对照¶

1. Tool（工具）¶

核心特征¶

典型示例¶

调用流程¶

2. Skill（技能）¶

核心特征¶

准入流程¶

热重载¶

3. Plugin（插件）¶

核心特征¶

与 Tool 的关系¶

4. MCP（Model Context Protocol）¶

核心特征¶

工作模式¶

优势¶

5. A2A（Agent-to-Agent）¶

核心特征¶

工作模式¶

与 MCP 的区别¶

对照总览表¶

架构关系图¶

Skill 生命周期¶

各阶段说明¶

选择指南¶

何时用 Tool¶

何时用 Skill¶

何时用 Plugin¶

何时用 MCP¶

何时用 A2A¶

相关文档¶