AI-agenter har precis fått en gemensam standard: A2A ansluter till MCP hos Linux Foundation

Publicerad den Aug 25, 2026 av Arshia Kahani.
AI News AI Agents Standards MCP
På den här sidan 6 min läsning
  1. 1Introduktion
  2. 2Vad som faktiskt anslöt sig till stiftelsen
  3. 3MCP och A2A löser olika halvor
  4. 4Från 40 medlemmar till 250 på nio månader
  5. 5Varför direkta konkurrenter delar infrastrukturen
  6. 6Vad detta ännu inte löser
  7. 7Vad detta betyder för den som bygger agenter
  8. 8Slutsats

Introduktion

Under större delen av 2025 innebar det att bygga AI-agenter att välja ett ramverk och till stor del hålla sig inom det. Att koppla en agent till ett nytt verktyg, eller få två agenter byggda av olika team att samarbeta, krävde oftast anpassad limkod utan någon garanti för att den fortfarande skulle fungera efter nästa modelluppdatering. Den 20 augusti 2026 förlorade den fragmenteringen lite mer mark: Google Cloud donerade formellt sitt Agent2Agent-protokoll (A2A) till Linux Foundations Agentic AI Foundation (AAIF) och placerade det under samma neutrala tak som Anthropics Model Context Protocol (MCP). Två konkurrerande labb, två protokoll, en styrningsstruktur – och en växande signal om att infrastrukturen under AI-agenterna håller på att bli delad infrastruktur i stället för ett slagfält.

Ett nätverksdiagram som visar AI-agentikoner från Google, Anthropic, Microsoft och OpenAI kopplade genom ett gemensamt nav för öppna standarder märkt Agentic AI Foundation

Vad som faktiskt anslöt sig till stiftelsen

Agentic AI Foundation är inte nytt – Linux Foundation lanserade det den 9 december 2025 med tre grundande bidrag: Anthropics Model Context Protocol, Blocks agentramverk Goose och OpenAIs AGENTS.md-konvention. Den lanseringen fortsatte ett mönster som den här bloggen tog upp i varför Anthropic donerade MCP till Linux Foundation samma månad: ett labb som ger upp den direkta kontrollen över sitt eget protokoll så att resten av branschen faktiskt ska lita på det och bygga vidare på det. Det som förändrades den 20 augusti är att A2A, protokollet som Google byggde för att låta oberoende agenter upptäcka och skicka meddelanden till varandra, anslöt sig till samma neutrala hem. Det styrs nu tillsammans med MCP i stället för att stå vid sidan om som en Google-kontrollerad specifikation som alla andra bara var tvungna att lita på.

FlowHunt Logotyp

Redo att växa ditt företag?

Starta din kostnadsfria provperiod idag och se resultat inom några dagar.

MCP och A2A löser olika halvor

De två protokollen är inte rivaler som gör samma jobb – de täcker olika riktningar av samma problem. MCP standardiserar den vertikala kopplingen: hur en agent når de verktyg, API:er och privata data som den behöver för att göra något användbart. A2A standardiserar den horisontella kopplingen: hur en agent hittar och pratar med en annan agent, även när de två byggdes på helt olika stackar.

Diagram som kontrasterar MCP, som kopplar en agent vertikalt till verktyg och data, mot A2A, som kopplar agenter horisontellt till andra agenter

Den skillnaden är anledningen till att de två hamnade i samma stiftelse i stället för att konkurrera om samma plats. En produktionsstack för agenter behöver allt oftare båda: MCP för att nå sina egna verktyg och data, A2A för att lämna över arbete till, eller ta emot arbete från, en agent som man inte äger.

Från 40 medlemmar till 250 på nio månader

Tillväxtkurvan är den mer talande siffran. AAIF lanserades med färre än 40 organisationer i december 2025. I augusti 2026 hade medlemsantalet passerat 250, med stöd på platinanivå från Amazon Web Services, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft och OpenAI – företag som konkurrerar direkt om modeller, molninfrastruktur och agentprodukter, men som alla finansierar samma neutrala styrningsorgan för protokollen under ytan.

Stapeldiagram som visar att Agentic AI Foundation växte från färre än 40 medlemmar vid lanseringen i december 2025 till fler än 250 medlemmar i augusti 2026

Under platinanivån finns guld- och silvermedlemmar som täcker resten av den stack som AI-agenterna faktiskt körs på: utvecklarverktyg, identitetsleverantörer, plattformar för observerbarhet och vertikala mjukvaruleverantörer – alla med ett intresse av att agenter ska kunna nå deras system utan en skräddarsydd integration för varje AI-leverantör.

Koppla dina agenter genom en öppen standard, inte ett proprietärt API

FlowHunts MCP-stöd låter dina AI-agenter nå de verktyg och data du redan kör, utan att låsa dina integrationer till en enda leverantörs färdplan.

Varför direkta konkurrenter delar infrastrukturen

Det är värt att fråga varför Google, Anthropic, OpenAI och de stora molnleverantörerna alls gick med på att styra gemensamma protokoll tillsammans, med tanke på hur hårt var och en konkurrerar om modeller och agentprodukter på andra håll. Svaret är att ett splittrat integrationslager är dyrt för alla som bygger ovanpå det, inklusive labben. Varje inkompatibelt protokoll är ytterligare ett format som verktygsbyggare, företag och plattformsleverantörer måste stödja separat, vilket bromsar adoptionen för hela kategorin. Genom att dela MCP, A2A, Goose och AGENTS.md under en gemensam stiftelse kan labben fortsätta konkurrera om det som faktiskt skiljer dem åt – modellkvalitet, resonemangsförmåga och agentkapacitet – medan kopplingarna mellan agenter och deras miljö behandlas som gemensam infrastruktur, precis som branschen till slut gjorde med Kubernetes eller HTTP.

Vad detta ännu inte löser

En gemensam styrningsstruktur är inte samma sak som löst interoperabilitet. Neutralt ägande minskar risken för ett protokollkrig och ger företag större trygghet i att MCP eller A2A fortfarande finns kvar om tre år, men varje plattform måste fortfarande implementera specifikationerna korrekt, och varje driftsättning behöver fortfarande samma operativa disciplin som den här bloggen har beskrivit för efterlevnad av säkerhetschecklista för MCP – identitet, isolering, verktygsvalidering och säker driftsättning kommer inte gratis bara för att protokollet är standardiserat. Interoperabilitet på specifikationsnivå hänger fortfarande på interoperabilitet på implementationsnivå, och den delen ligger hos varje team som levererar agenter, inte hos stiftelsen.

Vad detta betyder för den som bygger agenter

För alla som kör agentisk AI-system i dag är den praktiska slutsatsen att bygga på de öppna standarderna i stället för på en enskild leverantörs proprietära integrationsformat. Använd MCP för att koppla agenter till interna verktyg och data – antingen via hostade MCP-servrar eller infrastruktur du kör själv – och följ A2A i takt med att agent-till-agent-upptäckt mognar – båda protokollen rapporterar nu till samma neutrala organ, så att satsa på något av dem är en satsning på ett ekosystem snarare än på ett företags färdplan. Det spelar ännu större roll när multiagentsystem med AI går från forskningsdemos till produktion, eftersom orkestrering av specialiserade agenter över team och leverantörer är precis det scenario som A2A byggdes för att standardisera, och precis det scenario som tidigare krävde anpassat integrationsarbete för varje ny kombination.

Slutsats

Två protokoll byggda av direkta konkurrenter ligger nu under samma styrningstak, med stöd från varje stor molnleverantör och varje stort modellabb, och medlemsantalet nästan femdubblades på nio månader. Det är en meningsfullt annorlunda utveckling än det fragmenterade, ramverkslåsta verktygslandskap för agenter som fanns för ett år sedan – och det kommer i kölvattnet av en sommar där den här bloggen också har följt hur snabbt agentkapaciteten springer ifrån skyddsräckena runt den, från AI-agenter som bryter sig ur sina testsandlådor till säkerhetsluckorna vid driftsättning av bakgrundsagenter. Standardiserad infrastruktur gör inte agenter säkrare eller smartare i sig, men det innebär att en kodfri plattform för AI-agenter som byggs på MCP i dag inte satsar på ett protokoll som en enda leverantör skulle kunna avveckla i morgon. Interoperabilitetslagret är fortfarande ungt, men för första gången har det ett hem i stället för flera konkurrerande.

Vanliga frågor

Arshia är en AI-arbetsflödesingenjör på FlowHunt. Med en bakgrund inom datavetenskap och en passion för AI, specialiserar han sig på att skapa effektiva arbetsflöden som integrerar AI-verktyg i vardagliga uppgifter, vilket förbättrar produktivitet och kreativitet.

Arshia Kahani
Arshia Kahani
AI-arbetsflödesingenjör

Bygg agenter på öppna standarder, inte i en muromgärdad trädgård

FlowHunt kopplar i dag dina AI-agenter till verktyg och data via MCP, så att du inte låses in hos en enda leverantörs protokoll medan interoperabilitetslagret för agenter sätter sig.