AI-agenter har netop fået en fælles standard: A2A slutter sig til MCP i Linux Foundation

Udgivet den Aug 25, 2026 af Arshia Kahani.
AI News AI Agents Standards MCP
På denne side 6 min læsning
  1. 1Introduktion
  2. 2Hvad der faktisk sluttede sig til fonden
  3. 3MCP og A2A løser hver sin halvdel
  4. 4Fra 40 medlemmer til 250 på ni måneder
  5. 5Hvorfor direkte konkurrenter deler rørføringen
  6. 6Hvad dette endnu ikke løser
  7. 7Hvad det betyder for dem, der bygger agenter
  8. 8Konklusion

Introduktion

I det meste af 2025 betød det at bygge AI-agenter, at man valgte et framework og stort set blev inden for det. At forbinde en agent til et nyt værktøj, eller at få to agenter bygget af forskellige teams til at samarbejde, krævede som regel specialskrevet limkode uden garanti for, at den stadig ville virke efter den næste modelopdatering. Den 20. august 2026 tabte den fragmentering endnu et stykke terræn: Google Cloud donerede formelt sin Agent2Agent-protokol (A2A) til Linux Foundations Agentic AI Foundation (AAIF) og placerede den under samme neutrale tag som Anthropics Model Context Protocol (MCP). To konkurrerende laboratorier, to protokoller, én governance-struktur — og et voksende signal om, at rørføringen under AI-agenterne er ved at blive fælles infrastruktur frem for en slagmark.

Et netværksdiagram, der viser AI-agentikoner fra Google, Anthropic, Microsoft og OpenAI forbundet gennem et fælles knudepunkt for åbne standarder mærket Agentic AI Foundation

Hvad der faktisk sluttede sig til fonden

Agentic AI Foundation er ikke ny — Linux Foundation lancerede den den 9. december 2025 med tre grundlæggende bidrag som fundament: Anthropics Model Context Protocol, Blocks Goose-agentframework og OpenAIs AGENTS.md-konvention. Den lancering fortsatte et mønster, som denne blog dækkede i hvorfor Anthropic donerede MCP til Linux Foundation samme måned: et laboratorium, der giver afkald på den direkte kontrol over sin egen protokol, så resten af branchen faktisk ville stole på den og bygge videre på den. Det, der ændrede sig den 20. august, er, at A2A — den protokol, Google byggede for at lade uafhængige agenter opdage og sende beskeder til hinanden — sluttede sig til samme neutrale hjem. Den styres nu side om side med MCP i stedet for at ligge for sig selv som en Google-kontrolleret specifikation, som alle andre bare måtte stole på.

FlowHunt Logo

Klar til at vokse din virksomhed?

Start din gratis prøveperiode i dag og se resultater inden for få dage.

MCP og A2A løser hver sin halvdel

De to protokoller er ikke rivaler, der løser den samme opgave — de dækker hver sin retning af det samme problem. MCP standardiserer den vertikale forbindelse: hvordan én agent når de værktøjer, API’er og private data, den har brug for for at gøre noget som helst nyttigt. A2A standardiserer den horisontale forbindelse: hvordan én agent finder og taler med en anden agent, selv når de to blev bygget på helt forskellige stacks.

Diagram, der stiller MCP, som forbinder en agent vertikalt til værktøjer og data, over for A2A, som forbinder agenter horisontalt til andre agenter

Den forskel er grunden til, at de to endte i samme fond i stedet for at konkurrere om den samme plads. Et produktionsstack til agenter har i stigende grad brug for begge: MCP for at nå sine egne værktøjer og data, A2A for at overdrage arbejde til — eller modtage arbejde fra — en agent, man ikke selv ejer.

Fra 40 medlemmer til 250 på ni måneder

Vækstkurven er det mere sigende tal. AAIF lancerede med under 40 organisationer i december 2025. I august 2026 var medlemstallet passeret 250, med platinum-støtte fra Amazon Web Services, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft og OpenAI — virksomheder, der konkurrerer direkte om modeller, cloudinfrastruktur og agentprodukter, og som alle finansierer det samme neutrale styringsorgan for protokollerne nedenunder.

Søjlediagram, der viser, at Agentic AI Foundation voksede fra under 40 medlemmer ved lanceringen i december 2025 til mere end 250 medlemmer i august 2026

Under platinum-niveauet dækker guld- og sølvmedlemmer resten af det stack, som AI-agenter faktisk kører på: udviklerværktøjer, identitetsudbydere, observerbarhedsplatforme og vertikale softwareleverandører — alle med en interesse i, at agenter kan nå deres systemer uden en skræddersyet integration til hver enkelt AI-leverandør.

Forbind dine agenter gennem en åben standard, ikke en proprietær API

FlowHunts MCP-understøttelse lader dine AI-agenter nå de værktøjer og data, du allerede kører, uden at låse dine integrationer til én leverandørs roadmap.

Hvorfor direkte konkurrenter deler rørføringen

Det er værd at spørge, hvorfor Google, Anthropic, OpenAI og de store cloududbydere overhovedet gik med til at styre fælles protokoller sammen, når de konkurrerer så hårdt om modeller og agentprodukter andre steder. Svaret er, at et splittet integrationslag er dyrt for alle, der bygger ovenpå det — også laboratorierne. Enhver uforenelig protokol er endnu et format, som værktøjsbyggere, virksomheder og platformleverandører skal understøtte hver for sig, hvilket bremser udbredelsen for hele kategorien. Når MCP, A2A, Goose og AGENTS.md deles under én fond, kan laboratorierne fortsætte med at konkurrere om det, der reelt adskiller dem — modelkvalitet, ræsonnement og agentkapacitet — mens de behandler forbindelserne mellem agenter og deres miljø som fælles infrastruktur, ligesom branchen til sidst gjorde med Kubernetes eller HTTP.

Hvad dette endnu ikke løser

En fælles governance-struktur er ikke det samme som løst interoperabilitet. Neutralt ejerskab reducerer risikoen for en protokolkrig og giver virksomheder større tillid til, at MCP eller A2A stadig findes om tre år, men enhver platform skal stadig implementere specifikationerne korrekt, og enhver udrulning kræver fortsat samme operationelle disciplin, som denne blog har dækket i forbindelse med overholdelse af MCP-sikkerhedstjekliste — identitet, isolering, validering af værktøjer og sikker udrulning kommer ikke af sig selv, blot fordi protokollen er standardiseret. Interoperabilitet på specifikationsniveau afhænger stadig af interoperabilitet på implementeringsniveau, og den del ligger hos hvert team, der udruller agenter — ikke hos fonden.

Hvad det betyder for dem, der bygger agenter

For alle, der i dag driver agentisk AI-systemer, er den praktiske konklusion at bygge på de åbne standarder frem for én leverandørs proprietære integrationsformat. Brug MCP til at forbinde agenter med interne værktøjer og data — enten gennem hostede MCP-servere eller infrastruktur, du selv kører — og hold øje med A2A, efterhånden som agent-til-agent-opdagelse modnes — begge protokoller rapporterer nu til samme neutrale organ, så et sats på en af dem er et sats på et økosystem frem for én virksomheds roadmap. Det betyder endnu mere, efterhånden som multiagent-AI-systemer bevæger sig fra forskningsdemos til produktion, da orkestrering af specialiserede agenter på tværs af teams og leverandører netop er det scenarie, A2A blev bygget til at standardisere, og netop det scenarie, der tidligere krævede skræddersyet integrationsarbejde for hver ny kombination.

Konklusion

To protokoller bygget af direkte konkurrenter ligger nu under samme governance-tag, bakket op af alle store cloududbydere og modellaboratorier, og medlemstallet blev næsten femdoblet på ni måneder. Det er en markant anderledes bane end det fragmenterede, framework-låste agentværktøjslandskab for et år siden — og det følger i kølvandet på en sommer, hvor denne blog også har fulgt, hvor hurtigt agentkapacitet overhaler de værn omkring den, fra AI-agenter, der bryder ud af deres testsandkasser til sikkerhedshullerne i udrulninger af baggrundsagenter. Standardiseret rørføring gør ikke agenter sikrere eller klogere i sig selv, men det betyder, at en no-code-platform til AI-agenter bygget på MCP i dag ikke satser på en protokol, som én leverandør kan udfase i morgen. Interoperabilitetslaget er stadig ungt, men for første gang har det ét hjem i stedet for flere konkurrerende.

Ofte stillede spørgsmål

Arshia er AI Workflow Engineer hos FlowHunt. Med en baggrund inden for datalogi og en passion for AI, specialiserer han sig i at skabe effektive workflows, der integrerer AI-værktøjer i daglige opgaver og øger produktivitet og kreativitet.

Arshia Kahani
Arshia Kahani
AI Workflow Engineer

Byg agenter på åbne standarder, ikke i en lukket have

FlowHunt forbinder dine AI-agenter med værktøjer og data via MCP allerede i dag, så du ikke låses til én leverandørs protokol, mens interoperabilitetslaget for agenter falder på plads.