anthropics/claude-plugins-official · 官方维护 · Python

Claude Plugins · 官方插件生态的治理范本

Anthropic 官方维护的 Claude Code 插件目录——标准化组件 + SHA 锁定 + LLM 策略扫描，回答"AI 工具如何安全地分发插件"。

26.9k
Stars (+2,193/周)
300+
插件
36 / 15
本地 / 外部
7
治理流水线
CP

Claude Plugins Official

anthropics/claude-plugins-official · 官方维护
26,913
Stars (+2,193/周)
300+
marketplace 条目
36 / 15
本地 / 外部插件
7
治理自动化

一句话定位：如果前两个项目是“让 agent 更懂代码”，那这个项目决定“agent 能装上哪些能力”。它是 Anthropic 官方维护的 Claude Code 插件目录——一个 marketplace.json 注册表，加上一整套自动化审计与供应链治理流水线。它的真正价值不在插件数量，而在“官方”二字背后的治理模型。

插件的五块积木

读完 plugins/example-plugin（官方模板）后，Claude Code 插件的组成模型非常清晰——除了必需的 plugin.json，其余全部可选：

⌨️
Commands / Skills

skills/*/SKILL.md：可被模型自动触发，或作为 /斜杠命令 由用户调用。frontmatter 里的 description 就是触发条件。

🤖
Agents（子代理）

agents/*.md：Claude 可派生的专家子代理，如 code-reviewer（model: opus），带置信打分、专注单一领域。

🪝
Hooks（生命周期钩子）

hooks/hooks.json：在 SessionStart / PreToolUse / PostToolUse 等事件注入逻辑——治理审查的头号关注对象。

🔌
MCP Servers

.mcp.json：通过 HTTP / stdio / 命令接外部工具。可以是远端 URL，也可以是仓库里自带的 server.ts。

marketplace.json — 外部插件用 git-subdir + SHA 锁定
{
  "name": "42crunch-api-security-testing",
  "category": "security",
  "source": {
    "source": "git-subdir",
    "url":  "https://github.com/42Crunch-AI/claude-plugins.git",
    "path": "plugins/api-security-testing",
    "ref":  "v1.5.5",
    "sha":  "a175b24f7b34852b70c78c21545cce8037eb3112"  // 不可变锁定
  }
}

真正的护城河：七条治理流水线→ 深度页

普通插件市场（npm 之类）几乎没有审查。Anthropic 把“官方”做成了一套可审计、可自愈的 CI/CD 治理体系，跑在 .github/workflows/ 里：

  • validate-plugins：PR 时校验结构与 schema，对官方市场而言 SHA 锁定缺失 = 硬错误。
  • scan-plugins（核心）：用 Claude 本身按 policy/prompt.md + schema.json 对每个外部插件做安全策略扫描，输出结构化裁决：是否联网、是否下载软件、hook 是否“宽作用域”、是否有未披露的遥测、描述是否与行为相符。裁决带 30 天缓存（按策略 hash），策略一改全部失效。用 WIF 联合身份鉴权，无静态 API key。
  • bump-plugin-shas：每晚 07:23 UTC 自动追踪上游 HEAD，新 SHA 先 validate 再开一个汇总 PR，并触发扫描；单次最多 130 个，防成本失控。
  • revert-failed-bumps：若扫描发现某插件策略不过，自动把它的 SHA 回滚到主干值、重扫、在 PR 上评论违规项——一个坏上游不会卡住整批 bump。带 3 次/晚的熔断防循环。
  • check-mcp-urls：每日探活所有 http/sse MCP 端点，404/410/连接失败即报警。
  • validate-frontmatter：用 Bun + yaml 校验 agents/skills/commands 的 YAML frontmatter（含 glob 特殊字符处理）。
  • close-external-prs：官方市场只收 Anthropic 成员的 PR，外部贡献自动关闭并引导到提交表单。
用 LLM 审 LLM 的生态：最值得玩味的一点——scan-plugins 让 Claude 去读每个第三方插件的 hook handler、MCP server、skill 源码，判断它是否会偷偷联网、是否名实不符。这是“AI 安全审查 AI 工具”的一次工程化落地，也是“官方市场”相比裸 GitHub 仓库最硬的差异化。

插件谱系：从 LSP 到 MCP

目录里 300+ 条目覆盖 development(92) / productivity(39) / database(20) / security(12) / monitoring(10) 等 12 个类别。形态上分三种：

  • LSP 插件（pyright / gopls / kotlin / rust-analyzer…）：把语言服务器接进 Claude Code，提供类型检查与代码智能。
  • 工作流插件（pr-review-toolkit 含 6 个评审 agent、skill-creator、frontend-design、code-modernization…）：纯 markdown 定义的 skills/agents/commands。
  • MCP 插件（github / linear / playwright 走远端 HTTP；discord / telegram / imessage 在仓库里自带 server.ts，用 Bun 运行，状态存在 ~/.claude/channels/ 并带配对鉴权）。

对 coding agent 生态的意义

这个仓库回答的是生态最关键的问题：当任何人都能给 agent 写插件时，怎么保证安全与可信？ Anthropic 的答案是——标准化组件模型（skills/agents/hooks/MCP）+ 不可变 SHA 锁定（供应链完整性）+ LLM 策略扫描（行为安全）+ 全自动 bump/回滚（可维护性）。它为“AI 开发工具如何提供官方插件生态而不牺牲安全”立了一个可参考的范本。前两个项目本身，正是这类生态里最典型的“能力插件”——而这个仓库，定义了它们被分发和信任的规则。