Introduzione
Due mesi fa, questo blog ha coperto come A2A si è unito a MCP alla Linux Foundation, mettendo il protocollo da agente a agente di Google sotto lo stesso tetto neutrale del Model Context Protocol di Anthropic. Il 22 ottobre 2026, l’Agentic AI Foundation (AAIF) ha compiuto un passo molto più grande. Al summit AGNTCon + MCPCon North America a San Jose, quattro progetti in più si sono spostati sotto la sua governance in un unico annuncio: Agent Skills da Anthropic, Open Responses da OpenAI, OpenEnv da Hugging Face e OpenSandbox da Alibaba. La fondazione è stata lanciata con tre progetti a dicembre 2025. Ora ospita 10 e insieme coprono quasi ogni livello su cui gira un agente AI, dalle istruzioni che segue alla sandbox in cui il suo codice viene eseguito.
Cosa si è unito il 22 ottobre
Ciascuna delle quattro donazioni colma un divario che la fondazione non copriva prima:
| Progetto | Contribuito da | Cosa standardizza |
|---|---|---|
| Agent Skills | Anthropic | Istruzioni, script e risorse confezionati che gli agenti caricano su richiesta |
| Open Responses | OpenAI | Un unico formato di richiesta e streaming per chiamare modelli da diversi provider |
| OpenEnv | Hugging Face | Ambienti di apprendimento per rinforzo containerizzati con un’interfaccia agente |
| OpenSandbox | Alibaba | Runtime isolati per il codice che gli agenti generano e eseguono |
Si uniscono ai sei progetti già ospitati: MCP, goose, AGENTS.md, A2A, Agent Router e agentgateway. «Un anno fa, AAIF è stato lanciato con tre progetti e la scommessa che l’agentic AI aveva bisogno di una casa neutrale per prosperare,» ha detto Manik Surtani, CTO e co-fondatore della fondazione. «Oggi ospitiamo 10.»
Pronto a far crescere il tuo business?
Inizia oggi la tua prova gratuita e vedi i risultati in pochi giorni.
Agent Skills diventa neutrale
Agent Skills è la donazione che la maggior parte dei costruttori di agenti noterà per prima. Una skill è una cartella costruita attorno a un file SKILL.md: una breve descrizione che l’agente vede sempre, più complete istruzioni, script e file di riferimento che carica solo quando un compito le richiede. Questo caricamento progressivo è il punto. Un agente può portare centinaia di skill senza metterle tutte nella sua finestra di contesto, un compromesso che abbiamo approfondito quando abbiamo confrontato come gli agenti AI caricano le skill nel loro contesto su 11 framework.
Anthropic non ha solo consegnato la specifica. Ha donato il nome Agent Skills, l’organizzazione GitHub e il dominio agentskills.io. «Oggi stiamo donando Agent Skills all’AAIF per assicurare che chiunque costruisca con le skill possa plasmare quello che viene dopo,» ha detto David Soria Parra, co-creatore e responsabile principale di MCP ad Anthropic.
Le skill ora si affiancano a AGENTS.md, la convenzione in testo semplice per le istruzioni degli agenti a livello di repository che OpenAI ha contribuito al lancio della fondazione. Insieme coprono il livello di istruzioni: AGENTS.md per il contesto sempre attivo, skill per l’expertise caricata su richiesta. Nessuno dei due è però una garanzia di qualità. Quando abbiamo A/B testato le istruzioni di un agente di codifica, un file di istruzioni di 33 KB non ha portato nulla che uno più breve non abbia fatto. Un formato condiviso rende le skill portatili, ma non le rende buone.
Open Responses: una forma API unica
Open Responses si rivolge a una fonte più silenziosa di lock-in: la forma della chiamata API stessa. Ogni fornitore di modelli ha il suo proprio formato di richiesta, i suoi eventi di streaming e il suo modo di descrivere gli strumenti. Cambiare modelli di solito significa riscrivere il codice attorno a loro.
Open Responses si basa sull’API OpenAI Responses e definisce uno schema condiviso, eventi di streaming coerenti e strumenti estensibili, in modo che un unico formato di richiesta possa funzionare tra provider. «AAIF ha una straordinaria esperienza nel promuovere progetti importanti in tutta l’industria,» ha detto Steve Coffey dello staff tecnico di OpenAI. Per i team che già instradano compiti diversi verso modelli diversi, un’interfaccia neutra è la differenza tra cambiare un valore di configurazione e riscrivere un’integrazione.
Iscriviti alla nostra newsletter
Ricevi gratuitamente gli ultimi consigli, tendenze e offerte.
Sandbox e ambienti di addestramento
Gli altri due progetti affrontano ciò che accade intorno all’agente piuttosto che dentro di esso.
OpenSandbox è la piattaforma sandbox per scopi generici di Alibaba per applicazioni AI. Viene fornito con SDK multilingue, API sandbox unificate e runtime Docker e Kubernetes, oltre a un protocollo per API del ciclo di vita e dell’esecuzione che consente ai team di inserire runtime personalizzati. «Non vogliamo che il suo futuro sia definito da una sola azienda,» ha detto Xiaobin Xu, capo dell’infrastruttura di sviluppo di Alibaba. La tempistica è rivelatrice. L’estate scorsa ha portato rapporti di agenti AI che fuggono dalle loro sandbox di test a OpenAI e Anthropic, e l’isolamento non è più qualcosa che ogni team può permettersi di improvvisare.
OpenEnv è il framework e l’hub comunitario di Hugging Face per ambienti di apprendimento per rinforzo. Pacchizza ogni ambiente come un servizio containerizzato che espone un’interfaccia agente, MCP e il protocollo di addestramento Gym. Ciò significa che lo stesso ambiente in cui un agente si allena può parlare lo stesso protocollo che utilizza in produzione. «Crediamo, più che mai, che democratizzare l’AI richieda uno stack completamente aperto,» ha detto Ben Burtenshaw, ingegnere di machine learning presso Hugging Face.
Scambia modelli e strumenti senza ricostruire i tuoi agenti
Il visual builder di FlowHunt mantiene i tuoi agenti indipendenti da qualsiasi singolo provider di modelli e li connette ai tuoi sistemi tramite MCP.
Il primo anno in numeri
Il numero di progetti racconta una parte della storia. L’adozione racconta l’altra. Secondo i dati pubblicati dalla fondazione al momento dell’accoglienza di Agent Skills, il formato è supportato da più di 70 piattaforme di agenti, oltre 1 milione di skill sono state pubblicate nel registro skills.sh e le skill sono state installate quasi 280 milioni di volte. Per il confronto, MCP aveva superato 10.000 server pubblicati e AGENTS.md era stato adottato da più di 60.000 progetti open source al lancio della fondazione.
Questi numeri spiegano perché i laboratori stanno donando. Una volta che un formato ha così tanta adozione, mantenerlo proprietario comporta più rischi che benefici. Un concorrente può forkarlo e i clienti iniziano a chiedere chi controlla la roadmap. Una governance neutrale risponde a questa domanda prima che rallenti chiunque.
Cosa non è ancora stato risolto
Una casa condivisa non fa funzionare i progetti insieme automaticamente. Open Responses è una specifica che i provider devono ancora implementare, e un formato di richiesta comune non cancella le differenze reali nel modo in cui i modelli ragionano, chiamano strumenti o gestiscono il contesto lungo. Le skill sono portatili tra le piattaforme che le supportano, ma una skill scritta per il set di strumenti di un agente potrebbe assumere capacità che un altro agente non ha. E OpenSandbox fornisce ai team un modo comune per isolare il codice dell’agente, non una garanzia che qualsiasi configurazione sia sicura.
C’è anche sovrapposizione da risolvere. MCP, A2A, Agent Skills e Open Responses toccano tutti il modo in cui gli agenti descrivono e chiamano gli strumenti. Averli sotto una sola fondazione rende più facile allinearli, ma non significa che siano già allineati.
Cosa significa per i costruttori
Per i team che costruiscono agenti oggi, il messaggio pratico è di trattare i formati aperti come predefiniti:
- Pacchetto le conoscenze come skill. Le istruzioni e gli script riutilizzabili valgono più come skill portatili che come prompt sepolti in un prodotto.
- Connetti gli strumenti tramite MCP. Che tu esegua i tuoi server o usi server MCP ospitati, MCP rimane il livello di connessione su cui è costruito il resto dello stack.
- Mantieni i modelli scambiabili. Metti le chiamate ai modelli dietro un’interfaccia provider-neutral, in modo che lo spostamento di un compito verso un modello più economico o più forte sia un cambio di configurazione.
- Sandbox il codice dell’agente. Qualsiasi cosa un agente scrive ed esegue appartiene a un runtime isolato, non a un server condiviso.
Una piattaforma di agenti AI senza codice come FlowHunt si trova sopra questi livelli. Scegli il modello per ogni compito, connetti gli strumenti tramite MCP e orchestra gli agenti su una tela, in modo che i flussi di lavoro che costruisci non dipendono dal formato di un singolo fornitore che vince.
Conclusione
In dieci mesi, l’Agentic AI Foundation è passata da tre progetti a 10, e i laboratori che competono più duramente sui modelli stanno ora condividendo la governance del plumbing sottostante. Anthropic ha rinunciato al controllo di Agent Skills, OpenAI ha aperto la forma della sua API, Hugging Face ha contribuito con i suoi ambienti di addestramento e Alibaba con le sue sandbox. Nessuno di questi rende gli agenti più intelligenti da solo. Ciò che fa è rendere lo stack di agenti meno dipendente da un’unica azienda, che è la condizione che ogni team che costruisce su di esso stava aspettando.
