OpenAI Plugins: ejemplos, formatos portables y límites de conexión
Elegir habilidad, paquete plugin o servicio MCP según la necesidad
Compara reutilización de instrucciones, distribución y herramientas externas como capas distintas, no como sustitutos universales.
Qué aprenderás
- Habilidades y servicios resuelven problemas distintos
- La audiencia determina la distribución
- Evalúa el flujo completo más pequeño
Antes de empezar
- Conocimientos básicos de JSON y rutas
- Comprender habilidades y permisos de servicios externos
Distinguir ejemplos y guía actual sin confundir metadatos con evidencia de ejecución.
Conclusiones clave
- Habilidades, paquetes y servicios ocupan capas diferentes.
- La audiencia define la ruta de distribución.
- Elige el sistema mínimo que cumpla toda la tarea.
Habilidades y servicios resuelven problemas distintos
Una habilidad recoge un flujo repetible; un plugin empaqueta capacidades para descubrirlas y distribuirlas; un servicio MCP expone herramientas o recursos externos. Un flujo puede usar los tres, pero una rutina personal de escritura quizá solo necesite instrucciones, no un servidor remoto.
En cambio, las instrucciones no crean acceso autenticado a un sistema externo. Un flujo con datos Figma en vivo requiere conexión y permiso. Añadir archivos de instrucciones no repara autenticación ausente, y conectar un servicio no diseña automáticamente un buen flujo.
La audiencia determina la distribución
Los catálogos locales sirven para autoría y prueba; la publicación de workspace llega a usuarios organizativos seleccionados; el directorio público tiene presentación propia. Elige audiencia antes de invertir en metadatos, endpoints y materiales de revisión, porque los requisitos operativos son diferentes.
Usa el repositorio como ejemplos, no como garantía de compatibilidad con tu cuenta. Su catálogo API separado indica que las superficies pueden diferir. Verifica ruta de instalación y conexiones en vez de asumir que un plugin visible en otro lugar funcionará en tu entorno.
Evalúa el flujo completo más pequeño
Define una tarea aceptable e identifica las capas mínimas de instrucciones, herramientas y distribución. Reconsidera servicios sin necesidad de datos o habilidades ajenas agrupadas para parecer completas. El sistema pequeño sirve cuando entrega todo el resultado y conserva revisión suficiente.
Compara salida real, evidencia, permisos y mantenimiento. No infieras calidad de popularidad semanal o marca. Esta serie ofrece un método de selección, no una clasificación medida de proveedores ni la afirmación de que una arquitectura gane siempre.
Cómo elegir
| Criterio | Opción A | Opción B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
Pasos de implementación
- 1
Define resultado y datos externos necesarios.
- 2
Asigna responsabilidades a cada capa.
- 3
Confirma soporte de cuenta y anfitrión.
- 4
Compara aceptación y mantenimiento.
Ejemplo para copiar
{
"ejemploSeleccion": true,
"tarea": "extraer notas sintéticas",
"datosExternos": false,
"primerPaso": "prueba solo de habilidades",
"distribucionPublica": false,
"pruebaRealCompletada": false
}Preguntas frecuentes
¿Cada habilidad necesita MCP?
No. Un flujo sin capacidades externas puede ser solo de habilidades.
¿Un ejemplo público garantiza acceso en mi cuenta?
No. Anfitrión, autenticación y conexión siguen requiriendo verificación.
Fuentes
- OpenAI Plugins / README.mdFuente verificada 2026-09-14
- OpenAI Plugins / plugins/figma/README.mdFuente verificada 2026-09-14
- OpenAI — Package your plugin (checked 2026-09-14)Fuente verificada 2026-09-14
- OpenAI — Plugins usage (checked 2026-09-14)Fuente verificada 2026-09-14