OpenAI und Konkurrenten veröffentlichen Agent-Plugins: Ein Paketformat für KI-Agenten
OpenAI, Amazon, Microsoft, Cursor und Vercel haben gerade Agent Plugins 1.0 veröffentlicht, einen offenen Standard zum Verpacken von KI-Agenten-Erweiterungen. Das Versprechen: einmal erstellen, überall ausführen. Statt dass jedes Tool unterschiedliche Ordnerstrukturen und Setups erwartet, definiert Agent Plugins ein einheitliches Paketformat.
Ein Plugin ist einfach ein Ordner mit einer plugin.json-Datei im Stammverzeichnis. Es bündelt zwei Dinge, die Entwickler bereits nutzen:
- Model Context Protocol (MCP)-Server – verbinden Agenten mit Live-Tools und Daten.
- Agent Skills – wiederverwendbare Anweisungssätze.
Zum Start unterstützen ChatGPT, Codex, Cursor, GitHub Copilot, Kiro und VS Code das Format. Die Spezifikation ist offen lizenziert; keine einzelne Firma bestimmt ihre Weiterentwicklung.
Bewusst minimalistisch
Der Standard vermeidet absichtlich die schwierigen Teile. Marktplätze, Installation, Berechtigungen, Sandboxing und Vertrauen bleiben clientspezifisch. Das hält die Einstiegshürde niedrig, bedeutet aber auch, dass die Entscheidung, ob ein Plugin sicher ausgeführt werden kann, weiterhin Sache jedes Clients ist – ein aktuelles Anliegen, nachdem gefälschte Agent Skills Anfang des Jahres Sicherheitsüberprüfungen umgangen hatten.
Nicht alle sind überzeugt. Dax Raad von SST nannte es "einen dünnen Standard", dessen nützliche Teile ohnehin in clientspezifischen Erweiterungen landen würden. Andere wie Angie Jones begrüßten ihn: "Wir brauchten das unbedingt."
Was es für Sie bedeutet
Wenn Sie Agent Skills oder MCP-Server entwickeln, können Sie diese jetzt einmal paketieren und eine breite Palette von Tools erreichen. Die Wettbewerbslandschaft verschiebt sich ebenfalls: Ein gemeinsames Format hilft kleinen Entwicklern, große Clients zu erreichen, zementiert aber auch die Position der Clients, die bereits die Nutzer haben. Die technischen Grundlagen sind abgestimmt – der Kampf um Marktplätze und Vertrauen beginnt gerade erst.
📖 Vollständige Quelle lesen: HN LLM Tools
👀 Siehe auch
Benchmark zeigt, dass kleinere 4B-Modelle größere LLMs für Telefon-zu-Haus-Chatanwendungen übertreffen
Ein Benchmark von 8 lokalen LLMs für Telefon-zu-Heim-Chat-Anwendungen ergab, dass Gemma3:4B mit einer zusammengesetzten Fitnesspunktzahl von 88,7 gewann, obwohl es das kleinste Modell war. Es übertraf größere Modelle mit bis zu 24B Parametern aufgrund schnellerer Antwortzeiten und geringerer thermischer Belastung.
Microsoft hält KI-Investitionen unverändert bei 190 Milliarden Dollar — erster Hyperscaler, der die Linie hält
Microsoft hält an seiner KI-Capex-Prognose von 190 Mrd. US-Dollar fest und bricht damit den Trend der ständig steigenden Ausgaben der Hyperscaler. Die Aktie stieg um 8 %. Parallel dazu könnten steigende Speicherchip-Preise 45 % des Capex-Wachstums in der Branche erklären.
RTX 4090 vs H100 für das Feinabstimmen von Llama-3-8B: Ein Kosten-Leistungs-Vergleich
Ein Entwickler testete das Feinabstimmen von Llama-3-8B sowohl auf einer RTX 4090 als auch auf gemieteten H100-Instanzen. Das 4090-Setup kostete 2.000 US-Dollar im Voraus und dauerte 24 Stunden, während die H100-Miete etwa 80 US-Dollar kostete und in 4 Stunden abgeschlossen war.
OpenClaw: Vier kritische Probleme, die Entwickler kennen müssen
Von Image-Passthrough-Fehlern über tote Kanaladapter, Sperrdateisichtbarkeit und fehlende Parallelkoordination – vier produktionswirksame Probleme aus dem OpenClaw-Repository (366k Sterne).