Introdução
Há dois meses, este blog cobriu como A2A aderiu ao MCP na Linux Foundation, colocando o protocolo agente-para-agente do Google sob o mesmo teto neutro que o Model Context Protocol da Anthropic. Em 22 de outubro de 2026, a Agentic AI Foundation (AAIF) deu um passo muito maior. No AGNTCon + MCPCon North America em San Jose, mais quatro projetos mudaram sob sua governança em um único anúncio: Agent Skills da Anthropic, Open Responses da OpenAI, OpenEnv da Hugging Face e OpenSandbox da Alibaba. A fundação foi lançada com três projetos em dezembro de 2025. Agora hospeda 10, e juntos cobrem quase todas as camadas em que um agente de IA é executado, desde as instruções que segue até a sandbox onde seu código é executado.
O Que Aderiu em 22 de Outubro
Cada uma das quatro doações preenche uma lacuna que a fundação não cobria antes:
| Projeto | Contribuído por | O que padroniza |
|---|---|---|
| Agent Skills | Anthropic | Instruções empacotadas, scripts e recursos que agentes carregam sob demanda |
| Open Responses | OpenAI | Um formato de solicitação e streaming único para chamar modelos de diferentes fornecedores |
| OpenEnv | Hugging Face | Ambientes de aprendizagem reforçada containerizados com uma interface de agente |
| OpenSandbox | Alibaba | Runtimes isolados para código que agentes geram e executam |
Eles se juntam aos seis projetos já hospedados: MCP, goose, AGENTS.md, A2A, Agent Router e agentgateway. “Há um ano, AAIF foi lançada com três projetos e uma aposta de que IA agêntica precisava de um lar neutro para prosperar,” disse Manik Surtani, CTO da fundação e co-fundador. “Hoje hospedamos 10.”
Pronto para expandir seu negócio?
Comece seu teste gratuito hoje e veja resultados em dias.
Agent Skills Fica Neutro
Agent Skills é a doação que mais construtores de agentes notarão primeiro. Uma skill é uma pasta construída em torno de um arquivo SKILL.md: uma breve descrição que o agente sempre vê, mais instruções completas, scripts e arquivos de referência que carrega apenas quando uma tarefa os solicita. Esse carregamento progressivo é o objetivo. Um agente pode carregar centenas de skills sem as colocar todas em sua janela de contexto, uma compensação que investigamos ao comparar como agentes de IA carregam skills em seu contexto em 11 frameworks.
Anthropic não apenas entregou a especificação. Doou o nome Agent Skills, a organização GitHub e o domínio agentskills.io. “Hoje, estamos doando Agent Skills para a AAIF para garantir que qualquer pessoa construindo com skills possa moldar o que vem a seguir,” disse David Soria Parra, co-criador e mantenedor principal de MCP na Anthropic.
Skills agora ficam ao lado de AGENTS.md, a convenção em texto simples para instruções de agentes em nível de repositório que OpenAI contribuiu no lançamento da fundação. Juntos cobrem a camada de instruções: AGENTS.md para contexto sempre ativo, skills para expertise carregada sob demanda. Nenhum deles é uma garantia de qualidade, porém. Quando testamos em A/B as instruções de um agente de codificação, um arquivo de instruções de 33 KB não trouxe nada que um mais curto não trouxesse. Um formato compartilhado torna as skills portáveis, mas não as torna boas.
Open Responses: Uma Forma de API Única
Open Responses visa a uma fonte mais silenciosa de aprisionamento: a forma da chamada da API em si. Cada provedor de modelo tem seu próprio formato de solicitação, seus próprios eventos de streaming e sua própria forma de descrever ferramentas. Alternar modelos geralmente significa reescrever o código ao redor deles.
Open Responses é baseado na API OpenAI Responses e define um esquema compartilhado, eventos de streaming consistentes e ferramentas extensíveis, para que um formato de solicitação possa funcionar em diferentes fornecedores. “AAIF tem um histórico impressionante de impulsionar projetos importantes em toda a indústria,” disse Steve Coffey da equipe técnica da OpenAI. Para equipes que já roteirizam diferentes tarefas para diferentes modelos, uma interface neutra é a diferença entre alternar um valor de configuração e reescrever uma integração.
Junte-se à nossa newsletter
Receba gratuitamente as últimas dicas, tendências e ofertas.
Sandboxes e Ambientes de Treinamento
Os outros dois projetos lidam com o que acontece ao redor do agente em vez de dentro dele.
OpenSandbox é a plataforma de sandbox de propósito geral da Alibaba para aplicações de IA. Ela oferece SDKs multi-idioma, APIs de sandbox unificadas e runtimes Docker e Kubernetes, além de um protocolo para APIs de ciclo de vida e execução que permite que equipes conectem runtimes personalizados. “Não queremos que seu futuro seja definido por uma única empresa,” disse Xiaobin Xu, chefe de infraestrutura de desenvolvimento da Alibaba. O timing é proposital. Este verão trouxe relatos de agentes de IA escapando de suas sandboxes de teste na OpenAI e Anthropic, e isolamento não é mais algo que cada equipe pode improvisar.
OpenEnv é o framework e hub comunitário da Hugging Face para ambientes de aprendizagem reforçada. Ela empacota cada ambiente como um serviço containerizado que expõe uma interface de agente, MCP e o protocolo de treinamento Gym. Isso significa que o mesmo ambiente em que um agente é treinado pode falar o mesmo protocolo que usa em produção. “Acreditamos, agora mais do que nunca, que democratizar IA requer um stack completamente aberto,” disse Ben Burtenshaw, engenheiro de aprendizagem de máquina da Hugging Face.
Troque Modelos e Ferramentas Sem Reconstruir Seus Agentes
O construtor visual da FlowHunt mantém seus agentes independentes de qualquer fornecedor de modelo único, e os conecta aos seus sistemas através de MCP.
Ano Um em Números
O número de projetos conta parte da história. A adoção conta o resto. De acordo com números que a fundação publicou ao acolher Agent Skills, o formato é suportado por mais de 70 plataformas de agentes, mais de 1 milhão de skills foram publicadas no registro skills.sh, e skills foram instaladas quase 280 milhões de vezes. Para comparação, MCP tinha passado de 10.000 servidores publicados e AGENTS.md tinha sido adotado por mais de 60.000 projetos de código aberto quando a fundação foi lançada.
Esses números explicam por que os labs estão doando afinal. Uma vez que um formato tem tanta adoção, mantê-lo proprietário traz mais risco que benefício. Um concorrente pode fazer um fork, e os clientes começam a perguntar quem controla o roadmap. A governança neutra responde essa pergunta antes de desacelerar alguém.
O Que Ainda Não Está Resolvido
Um lar compartilhado não faz os projetos trabalharem juntos automaticamente. Open Responses é uma especificação que os provedores ainda precisam implementar, e um formato de solicitação comum não apaga diferenças reais em como os modelos raciocinam, chamam ferramentas ou lidam com contexto longo. Skills são portáveis em plataformas que as suportam, mas uma skill escrita para um conjunto de ferramentas de um agente pode assumir capacidades que outro agente não tem. E OpenSandbox oferece às equipes uma forma comum de isolar código de agentes, não uma garantia de que qualquer configuração dada é segura.
Há também sobreposição a ser resolvida. MCP, A2A, Agent Skills e Open Responses todos tocam em como agentes descrevem e chamam ferramentas. Tê-los sob uma fundação facilita o alinhamento deles, mas não significa que já estejam alinhados.
O Que Significa para Construtores
Para equipes que constroem agentes hoje, a mensagem prática é tratar os formatos abertos como o padrão:
- Empacote conhecimento como skills. Instruções e scripts reutilizáveis valem mais como skills portáveis do que como prompts enterrados em um produto.
- Conecte ferramentas através de MCP. Independentemente de você executar seus próprios servidores ou usar servidores MCP hospedados, MCP continua sendo a camada de conexão em torno da qual o resto do stack é construído.
- Mantenha modelos intercambiáveis. Coloque chamadas de modelo atrás de uma interface neutra em relação a fornecedores, para que mover uma tarefa para um modelo mais barato ou mais forte seja uma mudança de configuração.
- Sandbox para código de agente. Qualquer coisa que um agente escreve e executa pertence a um runtime isolado, não a um servidor compartilhado.
Uma plataforma de agentes de IA sem código como FlowHunt fica no topo dessas camadas. Você escolhe o modelo por tarefa, conecta ferramentas através de MCP, e orquestra agentes em uma única tela, para que os fluxos de trabalho que você constrói não dependam de nenhum formato de um único fornecedor vencer.
Conclusão
Em dez meses, a Agentic AI Foundation passou de três projetos para 10, e os labs que competem mais duramente em modelos agora estão compartilhando a governança da infraestrutura por baixo deles. Anthropic abriu mão do controle de Agent Skills, OpenAI abriu a forma de sua API, Hugging Face contribuiu com seus ambientes de treinamento, e Alibaba com suas sandboxes. Nenhum disso torna agentes mais inteligentes por si só. O que faz é tornar o stack de agentes menos dependente de qualquer uma empresa, que é a condição que toda equipe que constrói sobre ele estava esperando.
