ChatGPT App 的 Skill、Plugin 與 MCP 有什麼不同？一次看懂三層擴充架構
2026-08-17
Aibasil
73
Skill、Plugin 與 MCP 常被一起提及，卻分別代表工作流程、能力封裝與外部工具連接。本文用具體案例拆解三者在 ChatGPT App 與 Codex 中的角色、組合方式、適用時機及安全重點，幫助你判斷該建立 Skill、串接 MCP，還是製作 Plugin。
如果你最近開始使用 ChatGPT App 或 Codex，可能經常看到 Skill、Plugin 與 MCP 這三個名詞。
它們看起來都在擴充 AI 能力，實際上卻不是彼此競爭或可以互換的功能，而是分別處理工作流程、工具連接與能力發行三個不同層次。
先用三句話掌握重點：
- Skill 教模型「應該怎麼做」。
- MCP 提供模型「可以使用什麼工具與資料」。
- Plugin 將前兩者包裝成「可安裝、可分享的套件」。
換句話說，Skill 是工作方法，MCP 是連接能力，Plugin 則是安裝與發行方式。
Skill：把經驗變成 AI 可以執行的工作流程
Skill 可以翻譯成「技能」，但它更接近一份能被 AI 執行的標準作業流程。
一個 Skill 會告訴 ChatGPT 或 Codex：什麼情況應該使用它、需要依照哪些步驟執行、可以參考哪些資料，以及完成品應該採用什麼格式。
例如，一個「每週營運報告 Skill」可以規定：
- 應該讀取哪些資料。
- 必須檢查哪些營運指標。
- 分析時應遵循什麼順序。
- 報告需要包含哪些段落。
- 最後應採用什麼語氣與格式。
技術上，Skill 通常以包含 SKILL.md 的資料夾存在。除了主要指令，還能附帶模板、範例、參考文件、品牌規範、素材及選用的執行腳本。
當使用者提出符合用途的任務時，ChatGPT 或 Codex 可以自動選擇適合的 Skill，也可以由使用者主動指定。ChatGPT 使用 @ 提及 Skill，Codex 則使用 $。
Skill 的主要價值，是把個人經驗或團隊最佳實務轉換成穩定、可重複使用的流程，減少每次重新撰寫長篇提示詞的需要。
不過，Skill 本身不一定會帶來新的資料存取權。它主要負責告訴模型「如何完成工作」，真正能使用哪些外部資料與工具，仍取決於當下已開放的能力。
MCP：讓模型連接外部工具與資料
MCP 的完整名稱是 Model Context Protocol，中文可以理解為「模型上下文協定」。
嚴格來說，MCP 是一套通訊規則，MCP Server 才是依照這套規則提供工具與資料的實際服務。日常所說的「加入一個 MCP」，通常是指加入一個 MCP Server 連線。
MCP Server 可以向 ChatGPT 或 Codex 提供：
- 模型可以呼叫的工具。
- 每項工具的輸入與輸出格式。
- 文件、資料及其他上下文。
- OAuth、身分驗證與權限控制。
- 結構化的執行結果。
- 選用的互動式操作介面。
例如，Figma MCP Server 可以提供讀取設計檔、取得元件資訊等工具；Slack MCP Server 則能提供搜尋訊息、整理頻道內容或發布回覆等能力。
MCP 解決的是「模型如何安全且一致地使用外部能力」，但它不一定會告訴模型完整的工作流程。至於先做什麼、後做什麼，以及成果必須符合哪些規格，通常仍由使用者指令或 Skill 決定。
在 ChatGPT 桌面 App 的 Codex 環境中，可以直接設定本機程序或遠端 HTTP MCP Server。ChatGPT 網頁版則主要透過 Plugin 取得遠端 MCP 工具。
Plugin：把能力封裝成可安裝的產品
Plugin 是使用者實際瀏覽、安裝、分享及發布的封裝單位。
一個 Plugin 可以只包含 Skill，也可以只提供 MCP Server 或 Connector，還可以同時包含兩者。部分 Plugin 也可能加入自訂操作介面、瀏覽器能力或在特定階段執行的 Hooks。
因此，Plugin 不等於 MCP，也不等於 Skill。它比較像一個完整產品的安裝包。
Plugin 可能採用以下幾種形式：
- 只包含一個專門工作流程的 Skill。
- 將多個相關 Skills 整合在一起。
- 只提供外部服務的 MCP 工具。
- 同時提供工作流程、外部工具與操作介面。
ChatGPT 與 Codex 使用共通的 Plugin 目錄。開發者可以將能力包裝成 Plugin，讓其他人透過支援的介面發現及安裝，而不必逐一設定其中的元件。
用客服營運案例理解三者如何合作
假設一家公司要建立「客服營運 Plugin」，其中可能包含：
- 一個負責整理客訴內容的 Skill。
- 一個負責撰寫回覆草稿的 Skill。
- 一個連接 Zendesk 的 MCP Server。
- 搜尋案件、更新狀態與加入備註等 MCP 工具。
- 讓使用者登入 Zendesk 的 OAuth 授權流程。
在這個案例中，使用者安裝的是 Plugin；Skill 負責告訴模型應該如何分析及處理客服案件；MCP Server 則負責真正讀取或更新 Zendesk 裡的資料。
三者分工合作，才構成一套完整且方便安裝的客服能力。
在 ChatGPT App 中實際如何使用？
在 ChatGPT 的 Chat 或 Work 模式中，使用者可以從 Plugins 頁面瀏覽及安裝 Plugin。如果 Plugin 需要存取 Gmail、Slack、Google Drive 等外部服務，安裝後可能還需要登入帳號並完成授權。
安裝完成後，Plugin 內含的 Skills、Connectors 與 MCP 工具便能提供給新的對話使用。
在 ChatGPT 桌面 App 的 Codex 環境中，除了安裝 Plugin，也可以從設定直接加入 MCP Server。這類 MCP 設定還能與同一台主機上的 Codex CLI 及 IDE 擴充功能共用。
獨立 Skill 則可以在 ChatGPT 桌面 App 中查看及選用，也能由模型依照任務需求自動載入。
什麼時候該使用哪一種？
如果需求是固定執行步驟、產出格式、語氣或品質標準，而且現有工具已足以完成任務，適合從 Skill 開始。
如果 AI 必須查詢外部資料、呼叫企業系統或執行寫入動作，就需要 MCP Server，或由 MCP Server 支援的 Connector。
如果希望將工作流程提供給團隊安裝、整合多個相關能力，或將 Skill 與外部服務一起發行，則適合製作 Plugin。
實務上可以依照以下原則判斷：
- 想固定工作方法，選擇 Skill。
- 想連接外部資料與工具，選擇 MCP。
- 想讓別人方便安裝與分享，選擇 Plugin。
- 同時需要標準流程與外部系統，就建立包含 Skill 與 MCP 的 Plugin。
安裝前仍要注意權限與安全
Skill 不一定只是普通提示詞。它可能附帶可執行腳本，或指示 AI 使用已經開放的工具。
Plugin 可能加入外部帳號連線、瀏覽器能力或生命週期 Hooks。安裝前應確認開發者來源、套件內容及它要求的權限。
MCP 工具則可能執行實際的讀取、修改、發布或刪除操作。連接 MCP Server 時，應檢查 OAuth 授權範圍、工具清單、資料流向及服務提供者，並遵守最小權限原則。
結語
Skill、Plugin 與 MCP 的差別，可以濃縮成三句話：
Skill 決定 AI 如何工作，MCP 決定 AI 能使用哪些外部能力，Plugin 則負責將這些能力包裝成可安裝的產品。
理解這三個層次之後，不論是安裝第三方工具、設計團隊工作流程，還是開發自己的 ChatGPT 擴充能力，都能更精準地選擇適合的做法。
參考資料
- OpenAI：Skills & Plugins
- https://learn.chatgpt.com/docs/skills-and-plugins
- OpenAI：Build Skills
- https://learn.chatgpt.com/docs/build-skills
- OpenAI：Model Context Protocol
- https://learn.chatgpt.com/docs/extend/mcp
- OpenAI：Plugins
- https://learn.chatgpt.com/docs/plugins
- OpenAI：Plugin Architecture
- https://developers.openai.com/plugins/concepts/plugins