Inleiding
Twee maanden geleden behandelde deze blog hoe A2A zich bij MCP op de Linux Foundation voegde, waarbij het agent-to-agent protocol van Google onder hetzelfde neutrale dak werd geplaatst als het Model Context Protocol van Anthropic. Op 22 oktober 2026 nam de Agentic AI Foundation (AAIF) een veel groter stap. Op AGNTCon + MCPCon North America in San Jose voegden vier meer projecten zich in één aankondiging onder zijn governance: Agent Skills van Anthropic, Open Responses van OpenAI, OpenEnv van Hugging Face en OpenSandbox van Alibaba. De foundation startte met drie projecten in december 2025. Het host nu 10, en samen dekken zij bijna elke laag waarop een AI agent draait, van de instructies die het volgt tot de sandbox waarin zijn code wordt uitgevoerd.
Wat voegde zich op 22 oktober bij
Elk van de vier donaties vult een gat dat de foundation eerder niet dekte:
| Project | Bijgedragen door | Wat het standaardiseert |
|---|---|---|
| Agent Skills | Anthropic | Verpakte instructies, scripts en resources die agents on demand laden |
| Open Responses | OpenAI | Eén request- en streaming-formaat voor het aanroepen van modellen van verschillende providers |
| OpenEnv | Hugging Face | Containerized reinforcement learning omgevingen met een agent interface |
| OpenSandbox | Alibaba | Geïsoleerde runtimes voor code die agents genereren en uitvoeren |
Ze voegen zich bij de zes projecten die al worden gehost: MCP, goose, AGENTS.md, A2A, Agent Router en agentgateway. “Een jaar geleden startte AAIF met drie projecten en de inzet dat agentic AI een neutraal thuis nodig had om te gedijen,” zei Manik Surtani, CTO en mede-oprichter van de foundation. “Vandaag hosten we 10.”
Klaar om uw bedrijf te laten groeien?
Start vandaag uw gratis proefperiode en zie binnen enkele dagen resultaten.
Agent Skills wordt neutraal
Agent Skills is de donatie die de meeste agent builders eerst zullen opmerken. Een skill is een map gebouwd rond een SKILL.md-bestand: een korte beschrijving die de agent altijd ziet, plus uitgebreidere instructies, scripts en referencebestanden die het alleen laadt wanneer een taak dit nodig heeft. Die progressieve belading is het punt. Een agent kan honderden skills dragen zonder ze allemaal in zijn context window te proppen, een trade-off die we verdiepten bij het vergelijken van hoe AI agents skills in hun context laden over 11 frameworks.
Anthropic gaf niet alleen de spec af. Het doneerde de Agent Skills naam, de GitHub-organisatie en het agentskills.io domein. “Vandaag doneren we Agent Skills aan de AAIF om ervoor te zorgen dat iedereen die met skills bouwt kan bepalen wat er volgt,” zei David Soria Parra, mede-creator en lead maintainer van MCP bij Anthropic.
Skills zitten nu naast AGENTS.md, de plain-text conventie voor repo-level agent instructies die OpenAI heeft bijgedragen bij de lancering van de foundation. Samen dekken ze de instruction layer: AGENTS.md voor always-on context, skills voor expertise die on demand wordt geladen. Geen van beide is echter een garantie voor kwaliteit. Toen we een coding agent zijn instructies A/B testten, kocht een 33 KB instruction file niets dat een korte niet deed. Een gedeeld formaat maakt skills draagbaar, maar maakt ze niet goed.
Open Responses: Eén API vorm
Open Responses richt zich op een stiller lock-in bron: de vorm van de API-aanroep zelf. Elke modelprovider heeft zijn eigen request formaat, zijn eigen streaming events en zijn eigen manier om tools te beschrijven. Het omwisselen van modellen betekent meestal het herschrijven van de code eromheen.
Open Responses is gebaseerd op OpenAI’s Responses API en definieert een gedeeld schema, consistente streaming events en uitbreidbare tooling, zodat één request format over providers kan werken. “AAIF heeft een geweldige staat van dienst bij het stimuleren van belangrijke projecten in de industrie,” zei Steve Coffey van OpenAI’s technical staff. Voor teams die verschillende taken al naar verschillende modellen routeren, is een neutrale interface het verschil tussen het omwisselen van een config waarde en het herschrijven van een integratie.
Schrijf u in voor onze nieuwsbrief
Ontvang gratis de nieuwste tips, trends en aanbiedingen.
Sandboxes en trainingsgronden
De andere twee projecten gaan over wat rond de agent gebeurt in plaats van erin.
OpenSandbox is Alibaba’s universeel sandbox platform voor AI-applicaties. Het bevat multi-taal SDKs, unified sandbox APIs en Docker en Kubernetes runtimes, plus een protocol voor lifecycle en execution APIs waarmee teams custom runtimes kunnen aansluiten. “We willen niet dat de toekomst ervan door een enkel bedrijf wordt bepaald,” zei Xiaobin Xu, hoofd van development infrastructure bij Alibaba. De timing is gevallen. Deze zomer brachten rapporten van AI agents die uit hun test sandboxes breken bij OpenAI en Anthropic, en isolatie is niet langer iets dat elk team kan improvisen.
OpenEnv is het framework en community hub van Hugging Face voor reinforcement learning omgevingen. Het verpakt elke omgeving als een containerized service die een agent interface, MCP en het Gym training protocol blootstelt. Dit betekent dat dezelfde omgeving waarin een agent traint het protocol kan spreken dat het in productie gebruikt. “We geloven nu meer dan ooit dat het democratiseren van AI een volledig open stack vereist,” zei Ben Burtenshaw, machine learning engineer bij Hugging Face.
Wissel modellen en tools uit zonder uw agents opnieuw te bouwen
De visuele builder van FlowHunt houdt uw agents onafhankelijk van elke enkele modelprovider en verbindt ze met uw systemen via MCP.
Jaar één in cijfers
Het aantal projecten vertelt één deel van het verhaal. Acceptatie vertelt het ander. Volgens cijfers die de foundation publiceerde toen het Agent Skills verwelkomde, wordt het formaat ondersteund door meer dan 70 agent platforms, meer dan 1 miljoen skills zijn gepubliceerd op het skills.sh register, en skills zijn bijna 280 miljoen keer geïnstalleerd. Ter vergelijking: MCP had 10.000 gepubliceerde servers overschreden en AGENTS.md was aangenomen door meer dan 60.000 open source projecten toen de foundation werd gelanceerd.
Die cijfers verklaren waarom de labs in het eerste plaats doneren. Zodra een formaat zoveel acceptatie heeft, draagt het privé houden meer risico dan voordeel met zich mee. Een concurrent kan het forken, en klanten beginnen te vragen wie de roadmap controleert. Neutrale governance beantwoordt die vraag voordat iemand vertraagd wordt.
Wat nog niet is opgelost
Een gedeeld thuis maakt niet dat de projecten automatisch samenwerken. Open Responses is een specificatie die providers nog moeten implementeren, en een gemeenschappelijk request formaat wist geen echte verschillen uit in hoe modellen redeneren, tools aanroepen of lange context verwerken. Skills zijn draagbaar over platforms die ze ondersteunen, maar een skill geschreven voor de toolset van de ene agent kan mogelijkheden aannemen die een andere agent niet heeft. En OpenSandbox geeft teams een gemeenschappelijke manier om agent code te isoleren, geen garantie dat elke gegeven configuratie veilig is.
Er is ook overlap om uit te werken. MCP, A2A, Agent Skills en Open Responses raken allemaal hoe agents tools beschrijven en aanroepen. Ze onder één foundation hebben maakt het gemakkelijker om ze uit te lijnen, maar betekent niet dat ze al zijn uitgelijnd.
Wat het voor builders betekent
Voor teams die vandaag agents bouwen, is de praktische boodschap om de open formats als standaard te behandelen:
- Verpak kennis als skills. Herbruikbare instructies en scripts zijn meer waard als draagbare skills dan als prompts begraven in één product.
- Verbind tools via MCP. Of je je eigen servers draait of gehoste MCP servers gebruikt, MCP blijft de verbindingslaag waarop de rest van de stack is gebouwd.
- Houd modellen verwisselbaar. Zet modelaanroepen achter een leverancier-neutrale interface, zodat het verplaatsen van een taak naar een goedkoper of sterker model een configuratiewijziging is.
- Zandak agent code. Alles wat een agent schrijft en draait hoort in een geïsoleerde runtime, niet op een gedeelde server.
Een no-code AI agent platform zoals FlowHunt zit bovenop deze lagen. Je kiest het model per taak, verbindt tools via MCP en orkestreert agents op één canvas, zodat de workflows die je bouwt niet afhangen van de overwinning van het formaat van één leverancier.
Conclusie
In tien maanden groeide de Agentic AI Foundation van drie projecten naar 10, en de labs die het hardst concurreren op modellen delen nu de governance van de installaties eronder. Anthropic gaf controle over Agent Skills op, OpenAI opende de vorm van zijn API, Hugging Face droeg zijn trainingsomgevingen bij en Alibaba zijn sandboxes. Geen van dat maakt agents intelligenter op zich. Wat het wel doet is de agent stack minder afhankelijk maken van één bedrijf, wat de voorwaarde is waar elk team dat erop bouwt op heeft gewacht.
