Qwen 这个 MM-Plugins 挺有意思,不是再做一个新的 Agent,这个 plugin 通过 Skill + MCP,直接给现有的 Agent Harness 补上多模态能力。

Codex、Claude Code、OpenClaw、Qwen Code 都可以接,装完之后 Agent 除了读代码、跑命令,还可以看图片、视频、PDF,做 OCR,甚至直接操作 Blender 和 FreeCAD。

以前我们说多模态,更多是在讨论一个模型能不能看图、听音频、理解视频,现在开始Agent 需要什么模态,就动态挂什么能力。

Agent 这套技术栈逐渐清晰: Agent Harness + Skill + MCP + 专用模型

Agent Harness 负责干活,Skill 负责告诉模型什么时候该用什么能力,MCP 负责把真正的工具接进来。

以后很多能力可能都没必要重新做一个 Agent,做成 Plugin 挂进去就行。