AI-modeller och plattformar

Agentic AI Foundation lägger till fyra projekt och når 10 under sitt första år

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Agentic AI Foundation meddelade att fyra nya projekt blir en del av stiftelsen den 22 oktober 2026: Agent Skills, som Anthropic bidrar med; Open Responses, som OpenAI bidrar med; OpenEnv, som Hugging Face bidrar med; och OpenSandbox, som Alibaba bidrar med. Tillskotten innebär att AAIF har 10 projekt under sitt första år, jämfört med de tre projekt som fanns vid lanseringen i december 2025.

Tillkännagivandet sammanfaller med AGNTCon + MCPCon North America, som äger rum den 22 och 23 oktober 2026 på San Jose McEnery Convention Center. De nya projekten ansluter till protokollet Agent2Agent (A2A), Agent Router, agentgateway, AGENTS.md, goose och Model Context Protocol (MCP) som AAIF-projekt inom stiftelsens öppna, leverantörsneutrala styrning. Enligt stiftelsen tar de fyra projekten sig an olika lager i den agentbaserade AI-stacken: hur agenter får nya färdigheter, hur applikationer kommunicerar med modeller från olika leverantörer, hur agenter tränas och utvärderas samt var agenter körs på ett säkert sätt.

”För ett år sedan lanserades AAIF med tre projekt och en övertygelse om att agentbaserad AI behövde en neutral hemvist för att kunna utvecklas. I dag har vi 10 projekt”, sade Manik Surtani, teknisk chef och medgrundare av Agentic AI Foundation. Surtani sade att fyra olika företag valde att bidra med projekten till en neutral styrning, vilket ger gemenskapen en gemensam plats att ta fram standarder, protokoll och infrastruktur utan att något enskilt företag kontrollerar resultatet.

Agent Skills

Agent Skills är ett öppet format för att ge agenter nya förmågor och domänkunskap. Färdigheter paketerar instruktioner, skript och resurser på ett återanvändbart sätt som agenter kan läsa in vid behov. David Soria Parra, medskapare av MCP och ansvarig huvudansvarig för projektet på Anthropic, sade att Anthropic lanserade Agent Skills för ett år sedan för att ge utvecklare och företag en öppen standard för att göra agenter mer kapabla. Anthropic donerar nu standarden till AAIF så att alla som bygger med färdigheter kan påverka vad som kommer härnäst.

I ett inlägg från stiftelsen där projektet välkomnas uppgav AAIF att specifikationen har öppen källkod under Apache 2.0 och CC BY 4.0, att fler än 70 agentplattformar redan stöder den och att över 1 miljon färdigheter har publicerats med nästan 280 miljoner installationer. Enligt inlägget fanns en miljon färdigheter listade i registret skills.sh efter sju månader, och färdigheterna används inom programvaruutveckling, marknadsföring, design, skrivande och forskning. Stiftelsen uppgav att Agent Skills inom AAIF kommer att vägledas av en teknisk styrkommitté med ledande underhållare från flera organisationer, som deltar i egenskap av individer.

Open Responses

Open Responses är en öppen specifikation för att bygga interoperabla LLM-gränssnitt med stöd för flera leverantörer, baserad på OpenAI Responses API. Stiftelsen uppgav att specifikationen definierar ett gemensamt schema, enhetliga strömningshändelser och utbyggbara verktyg, så att utvecklare kan beskriva förfrågningar och utdata en gång och köra dem med modeller från olika leverantörer med minimal översättning. Steve Coffey, medlem av den tekniska personalen på OpenAI, sade att projektet ansluter sig till AAIF för att främja sin mission att hjälpa utvecklare bygga produkter med språkmodeller genom enkla, enhetliga gränssnitt.

Ett inlägg från stiftelsen om specifikationen beskriver ett gemensamt format för de förfrågningar och svar som utbyts via en API-slutpunkt, inklusive verktygsanrop och strömmade svar. Specifikationen tillåter utökningar som identifieras med leverantörsspecifika namn, så att funktioner från olika implementationer inte hamnar i konflikt. Eftersom den gäller API:t kräver införandet inte att en modell ändras eller tränas om. Inlägget nämner två befintliga implementationer: Databricks Model Serving erbjuder en Open Responses-slutpunkt för Claude, Gemini och öppna modeller som Databricks står värd för, och översätter förfrågningar till respektive leverantörs ursprungliga format. Vercel AI Gateway erbjuder ett OpenResponses API som ger applikationer en gemensam slutpunkt för att komma åt modeller via dess gateway.

OpenEnv

Stiftelsen beskriver OpenEnv som ett öppet ramverk och en samlingsplats för att skapa miljöer för förstärkningsinlärning. Det bygger på en containerbaserad tjänst som tillhandahåller ett agentgränssnitt, MCP och träningsprotokollet Gym, som används av träningsbibliotek. Ben Burtenshaw, maskininlärningsingenjör på Hugging Face, sade att kommittén bakom OpenEnv delar med sig av det som dess medlemmar har byggt och använt på Hugging Face, Microsoft, Reflection, Meta-PyTorch, Fleet, Mercor, RadixArk, Modal, Prime Intellect och fler.

Ett inlägg från OpenEnvs underhållare beskriver arkitekturen: en klient startar ett avsnitt med reset(), skickar in åtgärder med step() och kan begära state(). Resultaten omfattar en observation, en numerisk belöning, information om huruvida avsnittet är slutfört och metadata. Vissa miljöer exponerar verktyg via MCP, vilket gör att externa agenter kan använda dem såväl som agenter under träning. Inlägget berättar att Turing byggde Calendar Gym på OpenEnv och att teamet rapporterade en uppgiftsframgång på ungefär 90 % när uppgifterna angav uttryckliga kalenderidentifierare, jämfört med ungefär 40 % när samma uppgifter använde beskrivningar på naturligt språk.

OpenEnv har en teknisk kommitté med representanter från flera företag och ett offentligt AAIF-förslag om att skapa en leverantörsneutral hemvist för den gemensamma miljöspecifikationen. Enligt underhållarna omfattar färdplanens prioriteringar att koppla agenternas körmiljöer till träningssystem, validera miljöer, tillhandahålla träningsrecept och stödja urval av uppgifter, träningsupplägg och utvärdering under träningen. Enskilda RFC:er befinner sig i olika stadier av granskning och implementering; det handlar alltså inte om en enda kommande lansering.

OpenSandbox

OpenSandbox är en sandlådemiljöplattform för AI-applikationer med SDK:er för flera språk, enhetliga sandlåde-API:er och körmiljöer för Docker och Kubernetes. Den är avsedd för användningsområden som kodningsagenter, GUI-agenter, utvärdering av agenter, körning av AI-kod och träning med förstärkningsinlärning. ”OpenSandbox skapades visserligen på Alibaba, men vi vill inte att dess framtid ska bestämmas av ett enda företag”, sade Xiaobin Xu, chef för utvecklingsinfrastruktur på Alibaba.

I ett inlägg från stiftelsen som beskriver projektet står det att OpenSandbox är licensierat under Apache 2.0 och att dess sandlådeprotokoll består av OpenAPI-specifikationer med två huvuddelar: ett livscykel-API för att skapa, inspektera, pausa, återuppta, förnya, skapa ögonblicksbilder av och ta bort en sandlåda, samt ett exekverings-API för att köra kommandon och kod, arbeta med filer, hålla sessioner öppna och samla in resursmätningar. En exekveringsdemon med namnet execd körs i varje sandlåda och hanterar detta arbete. Körmiljöerna för Docker och Kubernetes använder samma livscykelgränssnitt: Docker-körmiljön skapar och hanterar en container direkt, medan Kubernetes-körmiljön skapar en arbetslast och dess tillhörande resurser.

Bakgrund till stiftelsen

Linux Foundation meddelade att AAIF hade bildats den 9 december 2025, med grundande bidrag från Anthropic i form av Model Context Protocol, från Block i form av goose och från OpenAI i form av AGENTS.md. Vid bildandet var Amazon Web Services, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft och OpenAI platinummedlemmar. Linux Foundation uppgav då att MCP hade mer än 10 000 publicerade servrar och att AGENTS.md hade tagits i bruk av fler än 60 000 projekt med öppen källkod. AAIF beskriver sig som en neutral hemvist för öppna standarder, protokoll och infrastruktur inom agentbaserad AI.

Jonas Reeve är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, med fokus på kognitiv AI, artificiell generell intelligens (AGI) och de teoretiska grunderna för maskinintelligens. Hans arbete undersöker hur lärande, resonemang, minne och abstraktion uppstår i både biologiska och artificiella system, och drar kopplingar mellan moderna AI‑arkitekturer och långvariga frågor inom kognitiv vetenskap och medvetandefilosofi.

Med ett konceptuellt och reflekterande förhållningssätt granskar Jonas ramar såsom resonemangsmodeller, agentbaserade system, emergent kognition och aligneringsteori, i syfte att klargöra vad framsteg mot AGI faktiskt betyder – och vad det inte betyder. Istället för att jaga tidslinjer eller hype betonar han grundprinciper, konceptuell stringens och begränsningarna i nuvarande modeller.

Artiklar skrivna av Jonas Reeve är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, tydlighet och ett ansvarsfullt samtal om avancerade AI‑koncept.