Einleitung
Vor zwei Monaten hat dieser Blog darüber berichtet, wie A2A der Linux Foundation mit MCP beigetreten ist, Googles Agent-to-Agent-Protokoll unter das gleiche neutrale Dach wie Anthropics Model Context Protocol gestellt. Am 22. Oktober 2026 unternahm die Agentic AI Foundation (AAIF) einen viel größeren Schritt. Auf der AGNTCon + MCPCon North America in San Jose wurden vier weitere Projekte mit einer einzigen Ankündigung unter ihre Governance gestellt: Agent Skills von Anthropic, Open Responses von OpenAI, OpenEnv von Hugging Face und OpenSandbox von Alibaba. Die Stiftung startete im Dezember 2025 mit drei Projekten. Sie hostet nun 10, und zusammen decken sie fast jede Schicht ab, auf der ein AI-Agent läuft, von den Anweisungen, die er befolgt, bis zur Sandbox, in der sein Code ausgeführt wird.
Was am 22. Oktober beigetreten ist
Jede der vier Spenden füllt eine Lücke, die die Stiftung zuvor nicht abdeckte:
| Projekt | Beigetragen von | Was es standardisiert |
|---|---|---|
| Agent Skills | Anthropic | Verpackte Anweisungen, Skripte und Ressourcen, die Agenten bei Bedarf laden |
| Open Responses | OpenAI | Ein Request- und Streaming-Format für den Aufruf von Modellen verschiedener Anbieter |
| OpenEnv | Hugging Face | Containerisierte Reinforcement-Learning-Umgebungen mit Agent-Schnittstelle |
| OpenSandbox | Alibaba | Isolierte Runtimes für Code, den Agenten generieren und ausführen |
Sie gesellen sich zu den sechs bereits gehosteten Projekten: MCP, goose, AGENTS.md, A2A, Agent Router und agentgateway. „Vor einem Jahr startete die AAIF mit drei Projekten und dem Gedanken, dass agentic AI ein neutrales Zuhause zum Gedeihen braucht", sagte Manik Surtani, CTO und Mitbegründer der Stiftung. „Heute hosten wir 10."
Bereit, Ihr Geschäft zu erweitern?
Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.
Agent Skills wird neutral
Agent Skills ist die Spende, die die meisten Agent-Builder zuerst bemerken werden. Ein Skill ist ein Ordner, der um eine SKILL.md-Datei aufgebaut ist: eine kurze Beschreibung, die der Agent immer sieht, sowie ausführlichere Anweisungen, Skripte und Referenzdateien, die er nur lädt, wenn eine Aufgabe dies erfordert. Dieses progressive Laden ist der Sinn. Ein Agent kann hunderte Skills mit sich führen, ohne sie alle in sein Kontextfenster zu stopfen – einen Trade-off, dem wir nachgegangen sind, als wir verglichen, wie AI-Agenten Skills in ihren Kontext laden, über 11 Frameworks hinweg.
Anthropic hat nicht nur die Spezifikation übergeben. Es spendete den Namen Agent Skills, die GitHub-Organisation und die Domain agentskills.io. „Heute spenden wir Agent Skills der AAIF, um sicherzustellen, dass jeder, der mit Skills baut, mitgestalten kann, was als nächstes kommt", sagte David Soria Parra, Mitentwickler und leitender Maintainer von MCP bei Anthropic.
Skills sitzen nun neben AGENTS.md, der Klartextkonvention für Repository-Level-Agent-Anweisungen, die OpenAI bei der Gründung der Stiftung beigetragen hat. Zusammen decken sie die Anweisungsschicht ab: AGENTS.md für immer aktiven Kontext, Skills für Expertise, die bei Bedarf geladen wird. Keine von ihnen ist eine Qualitätsgarantie, obwohl. Als wir einen Coding-Agent Anweisungen A/B testeten, kaufte eine 33-KB-Anweisungsdatei nichts, was eine kurze nicht auch tat. Ein gemeinsames Format macht Skills portabel, aber es macht sie nicht gut.
Open Responses: Eine API-Form
Open Responses zielt auf eine stillere Quelle von Abhängigkeit: die Form des API-Aufrufs selbst. Jeder Model-Provider hat sein eigenes Request-Format, seine eigenen Streaming-Events und seine eigene Art, Tools zu beschreiben. Der Wechsel von Modellen bedeutet normalerweise, den Code um sie herum umzuschreiben.
Open Responses basiert auf der Responses API von OpenAI und definiert ein gemeinsames Schema, konsistente Streaming-Events und erweiterbares Tooling, damit ein Request-Format über Anbieter hinweg funktioniert. „Die AAIF hat einen erstaunlichen Track Record darin, wichtige Projekte in der gesamten Branche voranzubringen", sagte Steve Coffey vom Technical Staff von OpenAI. Für Teams, die bereits verschiedene Aufgaben an verschiedene Modelle routen, ist eine neutrale Schnittstelle der Unterschied zwischen dem Wechsel eines Konfigurationswerts und dem Umschreiben einer Integration.
Abonnieren Sie unseren Newsletter
Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.
Sandboxes und Trainingsplätze
Die anderen beiden Projekte befassen sich damit, was um den Agenten herum passiert, nicht in ihm.
OpenSandbox ist Alibabas universelle Sandbox-Plattform für AI-Anwendungen. Sie bietet Multi-Language-SDKs, einheitliche Sandbox-APIs und Docker- und Kubernetes-Runtimes, plus ein Protokoll für Lebenszyklusmanagement und Ausführungs-APIs, das Teams ermöglicht, benutzerdefinierte Runtimes einzustecken. „Wir wollen nicht, dass ihre Zukunft durch ein einzelnes Unternehmen definiert wird", sagte Xiaobin Xu, Leiter der Entwicklungsinfrastruktur bei Alibaba. Der Zeitpunkt ist bedeutsam. Diesen Sommer brachten Berichte von AI-Agenten, die aus ihren Test-Sandboxes ausbrachen bei OpenAI und Anthropic, und Isolation ist nicht mehr etwas, das jedes Team improvisieren kann.
OpenEnv ist das Framework und Community-Hub von Hugging Face für Reinforcement-Learning-Umgebungen. Es verpackt jede Umgebung als einen containerisierten Service, der eine Agent-Schnittstelle, MCP und das Gym-Trainingsprotokoll offenlegt. Das bedeutet, dass die gleiche Umgebung, in der ein Agent trainiert, das gleiche Protokoll sprechen kann, das er in der Produktion nutzt. „Wir glauben, jetzt mehr als je zuvor, dass die Demokratisierung von AI einen vollständig offenen Stack erfordert", sagte Ben Burtenshaw, Machine-Learning-Ingenieur bei Hugging Face.
Tauschen Sie Modelle und Tools aus, ohne Ihre Agenten neu zu bauen
Der Visual Builder von FlowHunt hält Ihre Agenten unabhängig von jedem einzelnen Model-Provider und verbindet sie über MCP mit Ihren Systemen.
Erstes Jahr in Zahlen
Die Projektanzahl erzählt einen Teil der Geschichte. Adoptionszahlen erzählen den anderen. Nach Angaben, die die Stiftung bei der Begrüßung von Agent Skills veröffentlichte, wird das Format von mehr als 70 Agent-Plattformen unterstützt, über 1 Million Skills wurden in der skills.sh-Registry veröffentlicht, und Skills wurden fast 280 Millionen Mal installiert. Zum Vergleich: MCP hatte bei der Gründung der Stiftung mehr als 10.000 veröffentlichte Server und AGENTS.md war von mehr als 60.000 Open-Source-Projekten übernommen worden.
Diese Zahlen erklären, warum die Labs überhaupt spenden. Wenn ein Format diese Adoption erreicht hat, ist es risikoreicher, es proprietär zu halten, als es von Vorteil zu sein. Ein Konkurrent kann es forken, und Kunden fangen an zu fragen, wer die Roadmap kontrolliert. Neutrale Governance beantwortet diese Frage, bevor sie jemanden verlangsamt.
Was noch nicht geklärt ist
Ein gemeinsames Zuhause macht die Projekte nicht automatisch zusammenarbeiten. Open Responses ist eine Spezifikation, die Anbieter immer noch implementieren müssen, und ein gemeinsames Request-Format löscht nicht die echten Unterschiede darin, wie Modelle denken, Tools aufrufen oder längeren Kontext handhaben. Skills sind tragbar über Plattformen, die sie unterstützen, aber ein für eine Agent-Toolsammlung geschriebener Skill könnte Fähigkeiten voraussetzen, die ein anderer Agent nicht hat. Und OpenSandbox gibt Teams eine gemeinsame Weise, Agent-Code zu isolieren, nicht eine Garantie, dass irgendeine gegebene Konfiguration sicher ist.
Es gibt auch Überlappungen zu bearbeiten. MCP, A2A, Agent Skills und Open Responses berühren alle, wie Agenten Tools beschreiben und aufrufen. Sie unter einer Stiftung zu haben macht es einfacher, sie abzustimmen, aber es bedeutet nicht, dass sie bereits abgestimmt sind.
Was es für Builder bedeutet
Für Teams, die heute Agenten bauen, ist die praktische Botschaft, die offenen Formate als Standard zu behandeln:
- Verpacken Sie Wissen als Skills. Wiederverwendbare Anweisungen und Skripte sind als tragbare Skills wertvoller als als Prompts, die in einem Produkt begraben sind.
- Verbinden Sie Tools über MCP. Ob Sie Ihre eigenen Server betreiben oder gehostete MCP-Server nutzen, MCP bleibt die Verbindungsschicht, auf der der Rest des Stacks aufgebaut ist.
- Halten Sie Modelle austauschbar. Stellen Sie Model-Calls hinter eine anbieterunabhängige Schnittstelle, damit die Verlagerung einer Aufgabe auf ein billigeres oder stärkeres Modell eine Konfigurationsänderung ist.
- Sandbox Agent-Code. Alles, das ein Agent schreibt und ausführt, gehört in eine isolierte Runtime, nicht auf einen gemeinsamen Server.
Eine no-code AI-agent-Plattform wie FlowHunt sitzt auf diesen Schichten auf. Sie wählen das Modell pro Aufgabe, verbinden Tools über MCP, und orchestrieren Agenten auf einer Canvas, damit die Workflows, die Sie bauen, nicht von einem einzelnen Anbieterformat abhängen.
Fazit
In zehn Monaten wuchs die Agentic AI Foundation von drei auf 10 Projekte, und die Labs, die am härtesten um Modelle konkurrieren, teilen sich jetzt die Governance der darunter liegenden Rohre. Anthropic gab die Kontrolle über Agent Skills auf, OpenAI öffnete die Form seiner API, Hugging Face brachte seine Trainingsumgebungen ein, und Alibaba seine Sandboxes. Nichts davon macht Agenten allein intelligenter. Was es tut, ist den Agent-Stack weniger abhängig von einem Unternehmen zu machen, was die Bedingung ist, auf die jedes Team, das darauf aufbaut, gewartet hat.
