Plugin、Connector、MCP 分別解決什麼問題？
先分清要的是封裝能力、連接資料，還是用共同協定提供工具，再比較 Plugin、Connector 與 MCP 的權限和維護成本。
Skill 解決「AI 應該怎麼做」，Connector 或 app 解決「如何連到一個既有服務」，MCP 解決「如何用標準介面提供資料與工具」，Plugin 則通常是可安裝的能力包。名稱會因產品改變，先看缺口，不要先選名詞。
你想讓 AI 整理 Drive 檔案、查 CRM，再依固定格式產出摘要。這裡其實混了三件事：整理方法、外部資料連線與可執行動作。安裝越多擴充，不會自動讓流程更清楚。
先把邊界說清楚：OpenAI 官方資料說明 ChatGPT apps 的資料與動作連線，MCP 官方規格定義標準化介面；本文用 Skill、Connector／app、MCP、Plugin 四個缺口幫新手選方向，是我的跨產品教學整理。各產品的名稱和實際內容仍以當下官方說明為準。
Plugin：把一組能力裝進產品
Plugin 通常是可安裝、可啟用的能力包，可能包含 instructions、Skill、app 連線或操作介面。它方便散布一整套用途，但「Plugin」不是跨產品統一技術規格；安裝前要看它實際包含什麼。
適合的問題是：「我是否需要一組已封裝、會一起更新的能力？」不是「Plugin 一定比 Skill 強嗎？」
Connector 或 app：連到已有服務
當資料已在 Drive、Slack、資料庫或其他 SaaS，Connector／app 讓 AI 透過授權連接該服務，可能搜尋、讀取，甚至建立或修改內容。
OpenAI 說明，app 可能取得與請求相關的對話脈絡，外部資料也受第三方條款與權限控制。OpenAI：Apps in ChatGPT
選擇前要問：用誰的帳號？能讀哪些資料？能做哪些寫入？資料經過哪些服務？重要動作是否要批准？
MCP：讓不同 AI 應用用共同方式接資料與工具
Model Context Protocol（MCP）是一個開放協定，讓 LLM 應用連接外部資料來源與工具。規格將 server 能提供的主要能力列為 resources、prompts 與 tools：提供脈絡資料、預先定義互動，以及可執行函式。MCP Specification
MCP 解決的是介面標準化，不替你保證 server 安全、資料正確或權限合適。連接陌生 MCP server 前，仍要查提供者、原始碼或信任來源、可用工具與資料流向。
用缺口選，而不是用流行名稱選
| 你缺少什麼 | 優先看的方向 |
|---|---|
| 一套可重複工作方法 | Skill |
| 連到一個已存在的服務 | Connector／app |
| 跨應用提供標準化資料與工具 | MCP |
| 安裝一整組已封裝能力 | Plugin |
它們可以組合：Plugin 裡可能帶 Skill，也可能依賴 app；Skill 可能呼叫 MCP tool。真正的邊界要以實際產品說明為準。
練習：完成擴充方式選擇表
工作目標：
目前缺少：方法／資料／外部動作／整組能力
要接的服務或資料：
只需讀取，還是需要寫入：
使用誰的帳號與權限：
提供者與信任依據：
資料會去哪裡：
批准與停止條件：
候選：Skill／Connector-app／MCP／Plugin／暫時不連接如果你說不清資料與動作，就先不要連接。下一步會進入 Agent：當 AI 不只取得能力，還能在多個步驟中自行選工具、執行並依結果調整，控制問題就會變得更重要。