Introducción
Hace dos meses, este blog cubrió cómo A2A se unió a MCP en la Linux Foundation, poniendo el protocolo de agente a agente de Google bajo el mismo techo neutral que el Model Context Protocol de Anthropic. El 22 de octubre de 2026, la Agentic AI Foundation (AAIF) tomó un paso mucho más grande. En AGNTCon + MCPCon North America en San Jose, cuatro proyectos más pasaron bajo su gobernanza en un único anuncio: Agent Skills de Anthropic, Open Responses de OpenAI, OpenEnv de Hugging Face y OpenSandbox de Alibaba. La fundación se lanzó con tres proyectos en diciembre de 2025. Ahora aloja 10, y entre ellos cubren casi cada capa en la que se ejecuta un agente de IA, desde las instrucciones que sigue hasta la sandbox en la que se ejecuta su código.
Qué se unió el 22 de octubre
Cada una de las cuatro donaciones llena una brecha que la fundación no cubría antes:
| Proyecto | Contribuido por | Qué estandariza |
|---|---|---|
| Agent Skills | Anthropic | Instrucciones empaquetadas, scripts y recursos que los agentes cargan bajo demanda |
| Open Responses | OpenAI | Un formato de solicitud y streaming para llamar modelos de diferentes proveedores |
| OpenEnv | Hugging Face | Entornos de aprendizaje por refuerzo en contenedores con interfaz de agente |
| OpenSandbox | Alibaba | Tiempos de ejecución aislados para código que los agentes generan y ejecutan |
Se unen a los seis proyectos ya alojados: MCP, goose, AGENTS.md, A2A, Agent Router y agentgateway. “Hace un año, AAIF se lanzó con tres proyectos y la apuesta de que la IA agencial necesitaba un hogar neutral para prosperar”, dijo Manik Surtani, CTO y cofundador de la fundación. “Hoy alojamos 10”.
¿Listo para hacer crecer tu negocio?
Comienza tu prueba gratuita hoy y ve resultados en días.
Agent Skills Pasa a Ser Neutral
Agent Skills es la donación que la mayoría de constructores de agentes notarán primero. Una skill es una carpeta construida alrededor de un archivo SKILL.md: una descripción corta que el agente siempre ve, además de instrucciones más completas, scripts y archivos de referencia que carga solo cuando una tarea lo requiere. Ese cargamento progresivo es el punto. Un agente puede llevar cientos de skills sin llenar su ventana de contexto con todas, un compromiso que exploramos en profundidad cuando comparamos cómo los agentes de IA cargan skills en su contexto en 11 marcos.
Anthropic no solo entregó la especificación. Donó el nombre de Agent Skills, la organización GitHub y el dominio agentskills.io. “Hoy estamos donando Agent Skills a la AAIF para asegurar que cualquiera que construya con skills pueda dar forma a lo que sigue”, dijo David Soria Parra, cocreador y mantenedor principal de MCP en Anthropic.
Las skills ahora se sientan junto a AGENTS.md, la convención de texto plano para instrucciones de agente a nivel de repositorio que OpenAI contribuyó en el lanzamiento de la fundación. Juntas cubren la capa de instrucciones: AGENTS.md para contexto siempre activo, skills para experiencia cargada bajo demanda. Sin embargo, ninguna es una garantía de calidad. Cuando realizamos pruebas A/B de las instrucciones de un agente de codificación, un archivo de instrucciones de 33 KB no compró nada que uno corto no hiciera. Un formato compartido hace que las skills sean portátiles, pero no las hace buenas.
Open Responses: Una Forma de API
Open Responses se dirige a una fuente más silenciosa de bloqueo: la forma de la llamada API en sí. Cada proveedor de modelo tiene su propio formato de solicitud, sus propios eventos de streaming y su propia forma de describir herramientas. Cambiar modelos generalmente significa reescribir el código a su alrededor.
Open Responses se basa en la API de Responses de OpenAI y define un esquema compartido, eventos de streaming consistentes y herramientas extensibles, para que un formato de solicitud pueda ejecutarse entre proveedores. “AAIF tiene un increíble historial de impulsar proyectos importantes en toda la industria”, dijo Steve Coffey del personal técnico de OpenAI. Para equipos que ya enrutan diferentes tareas a diferentes modelos, una interfaz neutral es la diferencia entre cambiar un valor de configuración y reescribir una integración.
Únete a nuestro boletín
Obtén los últimos consejos, tendencias y ofertas gratis.
Sandboxes y Terrenos de Entrenamiento
Los otros dos proyectos tratan lo que sucede alrededor del agente en lugar de dentro de él.
OpenSandbox es la plataforma de sandbox de propósito general de Alibaba para aplicaciones de IA. Incluye SDKs multilingües, APIs sandbox unificadas y tiempos de ejecución Docker y Kubernetes, más un protocolo para APIs de ciclo de vida y ejecución que permite a los equipos conectar tiempos de ejecución personalizados. “No queremos que su futuro sea definido por una única empresa”, dijo Xiaobin Xu, jefe de infraestructura de desarrollo en Alibaba. El momento es significativo. Este verano trajo reportes de agentes de IA escapando de sus sandboxes de prueba en OpenAI y Anthropic, y el aislamiento ya no es algo que cada equipo pueda permitirse improvisar.
OpenEnv es el marco y centro comunitario de Hugging Face para entornos de aprendizaje por refuerzo. Empaqueta cada entorno como un servicio en contenedor que expone una interfaz de agente, MCP y el protocolo de entrenamiento Gym. Eso significa que el mismo entorno en el que entrena un agente puede hablar el mismo protocolo que utiliza en producción. “Creemos, ahora más que nunca, que democratizar la IA requiere un stack completamente abierto”, dijo Ben Burtenshaw, ingeniero de aprendizaje automático en Hugging Face.
Cambia modelos y herramientas sin reconstruir tus agentes
El constructor visual de FlowHunt mantiene tus agentes independientes de cualquier proveedor de modelo único, y los conecta a tus sistemas a través de MCP.
Año uno en números
El recuento de proyectos cuenta una parte de la historia. La adopción cuenta la otra. Según las cifras que la fundación publicó cuando recibió Agent Skills, el formato es soportado por más de 70 plataformas de agentes, más de 1 millón de skills se han publicado en el registro skills.sh e skills han sido instaladas casi 280 millones de veces. Para comparación, MCP había pasado 10,000 servidores publicados y AGENTS.md fue adoptado por más de 60,000 proyectos de código abierto cuando se lanzó la fundación.
Esos números explican por qué los laboratorios están donando en primer lugar. Una vez que un formato tiene esa cantidad de adopción, mantenerlo como propietario conlleva más riesgo que beneficio. Un competidor puede bifurcarlo, y los clientes comienzan a preguntar quién controla el roadmap. La gobernanza neutral responde esa pregunta antes de que ralentice a nadie.
Qué aún no está resuelto
Un hogar compartido no hace que los proyectos funcionen juntos automáticamente. Open Responses es una especificación que los proveedores aún deben implementar, y un formato de solicitud común no borra las diferencias reales en cómo los modelos razonan, llaman herramientas o manejan contexto largo. Las skills son portátiles en plataformas que las soportan, pero una skill escrita para el conjunto de herramientas de un agente puede asumir capacidades que otro agente no tiene. Y OpenSandbox proporciona a los equipos una forma común de aislar código de agentes, no una garantía de que cualquier configuración dada sea segura.
También hay superposición por resolver. MCP, A2A, Agent Skills y Open Responses todos tocan cómo los agentes describen y llaman herramientas. Tenerlos bajo una fundación hace que sea más fácil alinearlos, pero no significa que estén alineados todavía.
Qué significa para los constructores
Para equipos que construyen agentes hoy, el mensaje práctico es tratar los formatos abiertos como el predeterminado:
- Empaqueta el conocimiento como skills. Las instrucciones y scripts reutilizables valen más como skills portátiles que como prompts enterrados en un producto.
- Conecta herramientas a través de MCP. Ya sea que ejecutes tus propios servidores o uses servidores MCP alojados, MCP sigue siendo la capa de conexión sobre la que se construye el resto del stack.
- Mantén los modelos intercambiables. Coloca las llamadas de modelo detrás de una interfaz agnóstica de proveedor, para que mover una tarea a un modelo más barato o más fuerte sea un cambio de configuración.
- Sandbox el código del agente. Cualquier cosa que un agente escribe y ejecuta pertenece a un tiempo de ejecución aislado, no a un servidor compartido.
Una plataforma de agentes de IA sin código como FlowHunt se sitúa en la parte superior de estas capas. Eliges el modelo por tarea, conectas herramientas a través de MCP y orquestas agentes en un único lienzo, para que los flujos de trabajo que construyes no dependan de que gane el formato de ningún proveedor único.
Conclusión
En diez meses, la Agentic AI Foundation pasó de tres proyectos a 10, y los laboratorios que compiten más duramente en modelos ahora comparten gobernanza de la tubería que está debajo de ellos. Anthropic renunció al control de Agent Skills, OpenAI abrió la forma de su API, Hugging Face contribuyó sus entornos de entrenamiento y Alibaba sus sandboxes. Nada de eso hace que los agentes sean más inteligentes por sí solo. Lo que hace es hacer que el stack de agentes sea menos dependiente de cualquier empresa, que es la condición que cada equipo que construye en él ha estado esperando.
