Introduktion
For to måneder siden dækkede denne blog, hvordan A2A sluttede sig til MCP ved Linux Foundation, og placerede Googles agent-til-agent-protokol under samme neutrale tag som Anthropics Model Context Protocol. Den 22. oktober 2026 tog Agentic AI Foundation (AAIF) et meget større skridt. På AGNTCon + MCPCon North America i San Jose flyttede fire flere projekter under sin ledelse i en enkelt meddelelse: Agent Skills fra Anthropic, Open Responses fra OpenAI, OpenEnv fra Hugging Face og OpenSandbox fra Alibaba. Foundation blev lanceret med tre projekter i december 2025. Den hoster nu 10, og mellem dem dækker de næsten ethvert lag, som en AI-agent kører på, fra de instruktioner, den følger, til den sandbox, hvor koden eksekveres.
Hvad blev medlem den 22. oktober
Hver af de fire donationer udfylder et hul, som foundation ikke dækkede før:
| Projekt | Bidraget af | Hvad det standardiserer |
|---|---|---|
| Agent Skills | Anthropic | Pakket instruktioner, scripts og ressourcer, som agenter indlæser efter behov |
| Open Responses | OpenAI | Et anmodnings- og streamingformat til at kalde modeller fra forskellige leverandører |
| OpenEnv | Hugging Face | Containeriseret reinforcement learning-miljøer med en agent-grænseflade |
| OpenSandbox | Alibaba | Isolerede runtime til kode, som agenter genererer og eksekverer |
De sluttet sig til de seks projekter, som allerede er hoastet: MCP, goose, AGENTS.md, A2A, Agent Router og agentgateway. “For et år siden blev AAIF lanceret med tre projekter og et væddemål om, at agentic AI havde brug for et neutralt hjem for at trives,” sagde Manik Surtani, foundations CTO og medstifter. “I dag hoster vi 10.”
Klar til at vokse din virksomhed?
Start din gratis prøveperiode i dag og se resultater inden for få dage.
Agent Skills bliver neutral
Agent Skills er donationen, som de fleste agent-builders vil bemærke først. En skill er en mappe bygget omkring en SKILL.md-fil: en kort beskrivelse, som agenten altid ser, plus mere detaljerede instruktioner, scripts og referencefiler, den indlæser kun, når en opgave kræver det. Den progressive indlæsning er pointen. En agent kan bære hundredvis af skills uden at proppe dem alle ind i sin kontekstvindue, et kompromis, vi dykkede ned i, da vi sammenlignede hvordan AI-agenter indlæser skills ind i deres kontekst på tværs af 11 frameworks.
Anthropic afleverede ikke bare specifikationen. Den donerede Agent Skills-navnet, GitHub-organisationen og domænet agentskills.io. “I dag donerer vi Agent Skills til AAIF for at sikre, at alle, der bygger med skills, kan forme det næste,” sagde David Soria Parra, co-creator og lead maintainer af MCP hos Anthropic.
Skills sidder nu ved siden af AGENTS.md, plain-text-konventionen for repo-niveau agent-instruktioner, som OpenAI bidrog med ved foundations lancering. Sammen dækker de instruktionslaget: AGENTS.md for altid-tændt kontekst, skills til ekspertise indlæst efter behov. Ingen af dem er garanteret for kvalitet. Da vi A/B testede instruktioner for en kodningsagent, købt en 33 KB instruktionsfil ikke mere end en kort en gjorde. Et delt format gør skills bærbar, men det gør dem ikke gode.
Open Responses: En API-form
Open Responses sigter mod en mere stilfærdig kilde til lock-in: formen på API-kaldet selv. Hver modelprovider har sit eget anmodningsformat, sine egne streambegivenheder og sin egen måde at beskrive værktøjer. Skift mellem modeller betyder normalt at omskrive koden omkring dem.
Open Responses er baseret på OpenAIs Responses API og definerer et delt schema, konsistente streambegivenheder og udvidelsesværktøjer, så et anmodningsformat kan køre på tværs af providere. “AAIF har en fantastisk track record med at booste vigtige projekter på tværs af industrien,” sagde Steve Coffey fra OpenAIs tekniske personale. For teams, der allerede dirigerer forskellige opgaver til forskellige modeller, er en neutral grænseflade forskellen mellem at skifte en config-værdi og omskrive en integration.
Tilmeld dig vores nyhedsbrev
Få de seneste tips, trends og tilbud gratis.
Sandboxes og træningsgrunde
De to andre projekter handler om, hvad der sker omkring agenten i stedet for inden i den.
OpenSandbox er Alibabas generel-formål sandbox-platform for AI-applikationer. Den leveres med multi-sproget SDK’er, ensartede sandbox-API’er og Docker- og Kubernetes-runtime, plus en protokol til livscyklus- og eksekverings-API’er, som lader teams tilslutte brugerdefineret runtime. “Vi ønsker ikke, at dens fremtid defineres af en enkelt virksomhed,” sagde Xiaobin Xu, head of development infrastructure hos Alibaba. Timingen er pointeret. I sommer kom der rapporter om AI-agenter, der bryder ud af deres test-sandboxes hos OpenAI og Anthropic, og isolation er ikke længere noget hver team har råd til at improvisere.
OpenEnv er Hugging Faces framework og community hub for reinforcement learning-miljøer. Den pakker hvert miljø som en containeriseret tjeneste, der eksponerer en agent-grænseflade, MCP og Gym-træningsprotokollen. Det betyder, at det samme miljø, som en agent træner i, kan tale samme protokol, som den bruger i produktion. “Vi mener, nu mere end nogensinde, at demokratisering af AI kræver en fuldt åben stack,” sagde Ben Burtenshaw, machine learning-ingeniør hos Hugging Face.
Skift modeller og værktøjer uden at genopbygge dine agenter
FlowHunts visuelle builder holder dine agenter uafhængige af enhver enkelt modelprovider og forbinder dem med dine systemer via MCP.
År et i tal
Projekttallet fortæller en del af historien. Adoption fortæller den anden. Ifølge tal, som foundation udgav, da den velkomte Agent Skills, understøttes formatet af mere end 70 agent-platforme, over 1 million skills er blevet udgivet på skills.sh-registret, og skills er blevet installeret næsten 280 millioner gange. Til sammenligning havde MCP passeret 10.000 udgivne servere, og AGENTS.md var adopteret af mere end 60.000 open source-projekter, da foundation blev lanceret.
Disse tal forklarer, hvorfor labene donerer overhovedet. Når en format har så meget adoption, bærer det at holde den proprietær mere risiko end fordel. En konkurrent kan forgrene den, og kunder begynder at spørge, hvem der kontrollerer køreplannen. Neutral ledelse besvarer det spørgsmål, før det sænker nogen.
Hvad er stadig ikke løst
Et delt hjem gør ikke projekterne automatisk arbejder sammen. Open Responses er en specifikation, som providere stadig skal implementere, og et fælles anmodningsformat sletter ikke reelle forskelle i, hvordan modeller tænker, kalder værktøjer eller håndterer lange kontekster. Skills er bærbære på tværs af platforme, som understøtter dem, men en skill skrevet til et agents værktøjssæt kan antage egenskaber, som en anden agent ikke har. Og OpenSandbox giver teams en fælles måde at isolere agent-kode, ikke en garanti for, at en given konfiguration er sikker.
Der er også overlap at arbejde ud. MCP, A2A, Agent Skills og Open Responses berører alle, hvordan agenter beskriver og kalder værktøjer. Det at have dem under en foundation gør det lettere at justere dem, men det betyder ikke, at de er justeret endnu.
Hvad det betyder for builders
For teams, der bygger agenter i dag, er den praktiske besked at behandle de åbne formater som standard:
- Pak viden som skills. Genbrugelige instruktioner og scripts er værd mere som bærbære skills end som prompts begravet i et produkt.
- Forbind værktøjer via MCP. Uanset om du kører dine egne servere eller bruger hoastede MCP-servere, forbliver MCP forbindelselaget, som resten af stacken er bygget omkring.
- Hold modeller udskiftelige. Læg modelkald bag en leverandørneutral grænseflade, så flytning af en opgave til en billigere eller stærkere model er en konfigurationsændring.
- Sandbox agent-kode. Alt hvad en agent skriver og kører, tilhører en isoleret runtime, ikke på en delt server.
En no-code AI agent-platform som FlowHunt sidder oven på disse lag. Du vælger modellen per opgave, forbinder værktøjer via MCP og orkestrerer agenter på et enkelt canvas, så de workflows, du bygger, ikke afhænger af at en enkelt leverandørs format vinder.
Konklusion
I ti måneder gik Agentic AI Foundation fra tre projekter til 10, og labene, der konkurrerer hårdest på modeller, deler nu ledelsen af det rør nedenunder dem. Anthropic opgav kontrollen over Agent Skills, OpenAI åbnede formen på sit API, Hugging Face bidrog med sine træning-miljøer, og Alibaba sine sandboxes. Ingen af det gør agenter smartere i sig selv. Det gør er at gøre agent-stacken mindre afhængig af en virksomhed, hvilket er den tilstand, som hvert team, der bygger på det, har ventet på.
