Introduction
Il y a deux mois, ce blog a couvert comment A2A a rejoint MCP à la Linux Foundation, plaçant le protocole agent-à-agent de Google sous le même toit neutre que le Model Context Protocol d’Anthropic. Le 22 octobre 2026, la Fondation pour l’IA Agentic (AAIF) a franchi une étape beaucoup plus grande. Lors d’AGNTCon + MCPCon North America à San Jose, quatre projets supplémentaires sont passés sous sa gouvernance dans une seule annonce: Agent Skills d’Anthropic, Open Responses d’OpenAI, OpenEnv de Hugging Face et OpenSandbox d’Alibaba. La fondation a été lancée avec trois projets en décembre 2025. Elle en héberge maintenant 10, et entre eux, ils couvrent presque toutes les couches sur lesquelles un agent IA fonctionne, des instructions qu’il suit au sandbox dans lequel son code s’exécute.
Ce qui a rejoint le 22 octobre
Chacun des quatre dons comble une lacune que la fondation ne couvrait pas auparavant:
| Projet | Contribué par | Ce qu’il standardise |
|---|---|---|
| Agent Skills | Anthropic | Instructions packagées, scripts et ressources que les agents chargent à la demande |
| Open Responses | OpenAI | Un format de requête et de streaming unique pour appeler des modèles de différents fournisseurs |
| OpenEnv | Hugging Face | Environnements d’apprentissage par renforcement containerisés avec une interface d’agent |
| OpenSandbox | Alibaba | Runtimes isolés pour le code que les agents génèrent et exécutent |
Ils rejoignent les six projets déjà hébergés: MCP, goose, AGENTS.md, A2A, Agent Router et agentgateway. « Il y a un an, AAIF a été lancée avec trois projets et un pari que l’IA agentic avait besoin d’une maison neutre pour prospérer, » a déclaré Manik Surtani, le CTO et co-fondateur de la fondation. « Aujourd’hui, nous en hébergeons 10. »
Prêt à développer votre entreprise?
Commencez votre essai gratuit aujourd'hui et voyez les résultats en quelques jours.
Agent Skills devient neutre
Agent Skills est le don que la plupart des constructeurs d’agents remarqueront en premier. Une compétence est un dossier construit autour d’un fichier SKILL.md: une courte description que l’agent voit toujours, plus des instructions complets, des scripts et des fichiers de référence qu’il charge uniquement lorsqu’une tâche l’exige. Ce chargement progressif est l’essentiel. Un agent peut porter des centaines de compétences sans bourrer toutes dans sa fenêtre de contexte, un compromis que nous avons examiné en comparant comment les agents IA chargent les compétences dans leur contexte sur 11 frameworks.
Anthropic n’a pas seulement remis la spécification. Elle a donné le nom Agent Skills, l’organisation GitHub et le domaine agentskills.io. « Aujourd’hui, nous donnons Agent Skills à l’AAIF pour que quiconque construit avec des compétences puisse façonner ce qui vient ensuite, » a déclaré David Soria Parra, co-créateur et mainteneur principal de MCP chez Anthropic.
Les compétences s’assoient maintenant à côté d’AGENTS.md, la convention en texte brut pour les instructions d’agents au niveau du repo qu’OpenAI a contribuée au lancement de la fondation. Ensemble, ils couvrent la couche d’instructions: AGENTS.md pour le contexte toujours actif, les compétences pour l’expertise chargée à la demande. Aucun n’est une garantie de qualité, cependant. Quand nous avons A/B testé les instructions d’un agent de codage, un fichier d’instructions de 33 KB n’a rien apporté qu’un court ne faisait pas. Un format partagé rend les compétences portables, mais cela ne les rend pas bonnes.
Open Responses: Une forme d’API unique
Open Responses cible une source plus silencieuse de verrouillage: la forme de l’appel API lui-même. Chaque fournisseur de modèle a son propre format de requête, ses propres événements de streaming et sa propre façon de décrire les outils. Changer de modèle signifie généralement réécrire le code autour d’eux.
Open Responses est basé sur l’API Responses d’OpenAI et définit un schéma partagé, des événements de streaming cohérents et des outils extensibles, de sorte qu’un format de requête peut s’exécuter sur les fournisseurs. « L’AAIF a un palmarès remarquable en renforçant les projets importants dans tout le secteur, » a déclaré Steve Coffey du personnel technique d’OpenAI. Pour les équipes qui acheminent déjà différentes tâches vers différents modèles, une interface neutre est la différence entre changer une valeur de configuration et réécrire une intégration.
Rejoignez notre newsletter
Recevez gratuitement les derniers conseils, tendances et offres.
Sandboxes et terrains d’entraînement
Les deux autres projets traitent de ce qui se passe autour de l’agent plutôt qu’à l’intérieur de celui-ci.
OpenSandbox est la plate-forme sandbox généraliste d’Alibaba pour les applications IA. Elle est livrée avec des SDKs multilingues, des APIs sandbox unifiées et des runtimes Docker et Kubernetes, plus un protocole pour les APIs de cycle de vie et d’exécution qui permet aux équipes de brancher des runtimes personnalisés. « Nous ne voulons pas que son avenir soit défini par une seule entreprise, » a déclaré Xiaobin Xu, chef de l’infrastructure de développement chez Alibaba. Le timing est révélateur. Cet été, il y a eu des rapports de agents IA s’échappant de leurs sandboxes de test chez OpenAI et Anthropic, et l’isolation n’est plus quelque chose que chaque équipe peut se permettre d’improviser.
OpenEnv est le framework et le hub communautaire de Hugging Face pour les environnements d’apprentissage par renforcement. Il package chaque environnement comme un service containerisé qui expose une interface d’agent, MCP et le protocole d’entraînement Gym. Cela signifie que le même environnement dans lequel un agent s’entraîne peut parler le même protocole qu’il utilise en production. « Nous croyons, plus que jamais, que démocratiser l’IA nécessite une pile complètement ouverte, » a déclaré Ben Burtenshaw, ingénieur en apprentissage automatique chez Hugging Face.
Échangez les modèles et les outils sans reconstruire vos agents
Le constructeur visuel de FlowHunt garde vos agents indépendants de tout fournisseur de modèle unique, et les connecte à vos systèmes via MCP.
Première année en chiffres
Le nombre de projets raconte une partie de l’histoire. L’adoption raconte l’autre. Selon les chiffres que la fondation a publiés lors de l’accueil d’Agent Skills, le format est pris en charge par plus de 70 plates-formes d’agents, plus d’un million de compétences ont été publiées sur le registre skills.sh, et les compétences ont été installées près de 280 millions de fois. À titre de comparaison, MCP avait dépassé 10 000 serveurs publiés et AGENTS.md avait été adopté par plus de 60 000 projets open source lors du lancement de la fondation.
Ces chiffres expliquent pourquoi les labs font des dons. Une fois qu’un format a un tel adoption, le garder propriétaire comporte plus de risques que d’avantages. Un concurrent peut le forker, et les clients commencent à demander qui contrôle la feuille de route. La gouvernance neutre répond à cette question avant qu’elle ne ralentisse quelqu’un.
Ce qui n’est pas encore réglé
Un foyer partagé ne fait pas fonctionner automatiquement les projets ensemble. Open Responses est une spécification que les fournisseurs doivent encore mettre en œuvre, et un format de requête commun n’efface pas les réelles différences dans la façon dont les modèles raisonnent, appellent les outils ou gèrent un contexte long. Les compétences sont portables sur les plates-formes qui les prennent en charge, mais une compétence écrite pour l’ensemble d’outils d’un agent peut supposer des capacités qu’un autre agent n’a pas. Et OpenSandbox donne aux équipes une façon commune d’isoler le code des agents, pas une garantie qu’une configuration donnée est sûre.
Il y a aussi du chevauchement à résoudre. MCP, A2A, Agent Skills et Open Responses touchent tous à la façon dont les agents décrivent et appellent les outils. Les avoir sous une seule fondation rend plus facile de les aligner, mais cela ne signifie pas qu’ils sont alignés en ce moment.
Ce que cela signifie pour les constructeurs
Pour les équipes qui construisent des agents aujourd’hui, le message pratique est de traiter les formats ouverts comme le standard par défaut:
- Packager le savoir-faire sous forme de compétences. Les instructions réutilisables et les scripts valent bien plus en tant que compétences portables que comme prompts enterrés dans un produit.
- Connecter les outils via MCP. Que vous exécutiez vos propres serveurs ou utilisiez des serveurs MCP hébergés, MCP reste la couche de connexion autour de laquelle le reste de la pile est construit.
- Garder les modèles échangeables. Mettez les appels de modèle derrière une interface indépendante du fournisseur, de sorte que déplacer une tâche vers un modèle moins cher ou plus puissant est un changement de configuration.
- Sandboxer le code des agents. Tout code qu’un agent écrit et exécute doit être dans un runtime isolé, pas sur un serveur partagé.
Une plate-forme d’agents IA sans code comme FlowHunt s’appuie sur ces couches. Vous choisissez le modèle par tâche, connectez les outils via MCP, et orchestrez les agents sur un seul canvas, de sorte que les flux de travail que vous construisez ne dépendent pas de la victoire d’un seul fournisseur.
Conclusion
En dix mois, la Fondation pour l’IA Agentic est passée de trois projets à 10, et les labs qui sont en concurrence la plus féroce sur les modèles partagent maintenant la gouvernance de la tuyauterie en dessous. Anthropic a renoncé au contrôle d’Agent Skills, OpenAI a ouvert la forme de son API, Hugging Face a contribué ses environnements d’entraînement, et Alibaba ses sandboxes. Rien de tout cela ne rend les agents plus intelligents en soi. Ce qu’il fait, c’est rendre la pile d’agents moins dépendante d’une seule entreprise, ce qui est la condition que chaque équipe construisant dessus attend.
