Négy AI-ügynökprojekt, egy közös nyílt alapítványi háttér: az OpenAI, az Anthropic, a Hugging Face és az Alibaba projektjei az Agentic AI Foundationhöz kerültek. Illusztráció: WikiAI.hu, MI-generált kép.
WikiAI.hu · Hírek · Agentic AI Foundation · AI-ügynökök · nyílt szabványok
2026. október 22-én négy új AI-ügynökös projekt csatlakozását jelentette be az Agentic AI Foundation (AAIF), a Linux Foundation alatt működő, nyílt és gyártófüggetlen szakmai szervezet. Az Anthropic az Agent Skills formátumot, az OpenAI az Open Responses specifikációt, a Hugging Face az OpenEnv keretrendszert, az Alibaba pedig az OpenSandbox projektet adta a közös alapítványi irányítás alá. A kezdeményezés azért figyelemre méltó, mert az AAIF már a Model Context Protocol (MCP) egyik közös szakmai otthona is.
A San Joséban, az AGNTCon + MCPCon North America rendezvényhez kapcsolódó bejelentés után az AAIF összesen tíz projektet fog össze, szemben a 2025. decemberi induláskor meglévő hárommal. A négy új hozzájárulás azonban nem egyetlen új, mindent megoldó AI-szabvány. Négy külön feladatot fed le: az ügynökök újrafelhasználható tudását, a modellekkel folytatott kommunikációt, a tanítási és tesztkörnyezeteket, illetve a kód és más műveletek elkülönített futtatását.
A hír dátuma 2026. október 22.; a WikiAI.hu jelen összefoglalója 2026. október 25-én készült az AAIF, az Anthropic és az egyes projektek nyilvános dokumentációja alapján. A hivatalos közlés tényeit és a magyar fejlesztőknek szóló szakmai értelmezést az alábbiakban elkülönítjük.
Mi történt az Agentic AI Foundationnél 2026. október 22-én?
Az Agentic AI Foundation célja, hogy az AI-ügynökök fejlesztéséhez szükséges nyílt protokollok és eszközök ne kizárólag egyetlen gyártó termékdöntéseitől függjenek. Az AAIF-hez korábban már az MCP, az ügynökök közötti kommunikációra szolgáló Agent2Agent (A2A), az AGENTS.md, a goose, az agentgateway és az Agent Router is kapcsolódott. Az új négy projekt ezek mellé kerül.
A közös alapítványi háttér a specifikációk, a dokumentáció, a fejlesztői részvétel és a jövőbeli változtatások nyitottabb kezelését szolgálhatja. Ugyanakkor a közös irányítás nem jelent automatikus kompatibilitást: attól, hogy két projekt ugyanahhoz az alapítványhoz tartozik, még nem biztos, hogy minden implementáció közvetlenül együttműködik, vagy hogy az egyes szolgáltatók minden funkciót azonosan támogatnak.
Mit tud a négy új projekt, és melyik AI-feladatot oldja meg?
A négy megoldás különbségét érdemes nem a mögöttük álló cégek, hanem a tényleges technikai szerepük alapján áttekinteni:
- Agent Skills (Anthropic): újrafelhasználható feladattudást, munkafolyamatokat és kiegészítő erőforrásokat ad az AI-ügynököknek.
- Open Responses (OpenAI): egységesebb modell-API-t, valamint strukturált üzenet-, eszközhívási és streamelési formátumot kínál.
- OpenEnv (Hugging Face): AI-ügynökök tanításához, kipróbálásához és értékeléséhez használható környezeteket biztosít.
- OpenSandbox (Alibaba): elkülönített futtatókörnyezeteket ad többek között kódvégrehajtáshoz, böngészős és ügynökfeladatokhoz.
Agent Skills: hogyan kaphat egy AI-ügynök konkrét feladattudást?
Az Anthropic által átadott Agent Skills nyílt formátum. Egy skill tipikusan egy mappában található SKILL.md leírásból, valamint szükség esetén további szkriptekből és referenciaanyagokból áll. A cél, hogy egy ügynök egy adott feladathoz releváns eljárásokat és háttérinformációkat újra felhasználhasson, ahelyett, hogy minden egyes futtatásnál nulláról kellene összerakni ugyanazt a munkamenetet.
Az Anthropic 2026. október 22-i közleménye szerint a formátumot több mint 70 ügynökplatform integrálta, köztük a ChatGPT, a Cursor, a GitHub Copilot és a VS Code. A vállalat ezen a napon több mint egymillió publikált skillről és közel 280 millió telepítésről számolt be. Ezek az Anthropic által közölt ökoszisztéma-adatok; nem a WikiAI.hu független mérései, és nem jelentenek minden platformon azonos működést.
A vállalat a szabványhoz kapcsolódó nevet, arculati elemeket, GitHub-szervezetet és az agentskills.io domaint is átadja az AAIF közös gondozásába. A felvázolt következő lépések között verziózott kiadások, nyilvános javaslattételi folyamat és biztonsági útmutatások szerepelnek. Ezeket a közlemény tervezett irányként ismerteti, nem már teljesített, minden felhasználóra kötelező biztonsági garanciaként.
Fontos kockázat, hogy a skillben leírt utasítások és a hozzájuk csatolt szkriptek forrása számít. Egy ismeretlen eredetű skill nem válik automatikusan megbízhatóvá attól, hogy nyílt formátumot használ: a jogosultságot, a kódot és a külső hivatkozásokat külön ellenőrizni kell.
Open Responses: egységesebb kapcsolat az AI-alkalmazások és a modellek között
Az Open Responses az OpenAI Responses API-jából kiinduló, nyílt, több szolgáltató számára használható interfész-specifikáció. A cél, hogy a fejlesztők egységesebb módon írják le az AI-modellhez küldött bemeneteket, a visszaérkező üzeneteket, a streamelt eseményeket és az eszközhívásokat. Ezzel csökkenthető a modell- és szolgáltatóváltáshoz szükséges egyedi illesztések mennyisége.
Az Open Responses nem új, önálló nyelvi modell. A projekt a kérés–válasz szerkezetét és az ügynöki feladatmenet eseményeit írja le. A nyilvános specifikációhoz géppel feldolgozható OpenAPI-leírás, verziózott dokumentáció és megfelelőségi tesztek is kapcsolódnak. Az egyes szolgáltatók azonban eltérő modellképességeket és kiterjesztéseket támogathatnak, ezért a több gyártó közötti átjárhatóságot konkrét integrációval és teszttel kell igazolni.
Ez a réteg nem azonos az MCP-vel: az Open Responses a modell és az alkalmazás közötti kommunikációt egységesíti, míg az MCP a csatlakoztatott külső eszközök és adatforrások elérését segíti.
OpenEnv: hogyan lehet AI-ügynököket ellenőrizhető környezetben tanítani és tesztelni?
A Hugging Face közreműködésével az AAIF-hez kerülő OpenEnv az AI-ügynökök számára létrehozható, megosztható és újrahasználható környezetekre összpontosít. Ezekben az ügynökök nem pusztán szöveget generálnak, hanem környezeti állapotra reagálnak, műveleteket hajtanak végre, eredményeket kapnak, és következő lépéseiket ehhez igazítják. Ez különösen a megerősítéses tanulásban (reinforcement learning, RL) és a feladatvégzés értékelésében hasznos.
Az OpenEnv dokumentációja reset(), step() és state() jellegű felületet, konténeres környezeteket, valamint támogatott MCP-kapcsolódási lehetőséget ír le. A különböző tanítási keretrendszerek így azonosabb interfészen keresztül érhetnek el tesztfeladatokat. A projekt nem azt jelenti, hogy az AI-ügynökök automatikusan megtanulnak bármely valós üzleti folyamatot; a környezeteket, az értékelési szempontokat és a tanítás módját továbbra is szakmailag meg kell tervezni.
OpenSandbox: hol hajthat végre műveleteket biztonságosabban egy AI-ügynök?
Az Alibaba által hozzájárult OpenSandbox az AI-alkalmazások elkülönített futtatókörnyezeteit kezeli. Egy kódoló vagy böngészőt használó AI-ügynök nemcsak szöveges válaszokat állíthat elő, hanem parancsot futtathat, fájlt módosíthat vagy weboldalakkal léphet kapcsolatba. Ilyenkor fontos, hogy a végrehajtás lehetőség szerint ellenőrizhető, korlátozott környezetben történjen.
A projekt többnyelvű fejlesztői eszközkészletet, közös sandbox API-kat, valamint Docker- és Kubernetes-alapú futtatási lehetőségeket kínál. Felhasználási területei között a kódfuttatás, a böngészős és grafikus felületi automatizálás, a tesztelés és az ügynökök értékelése szerepel. Az elkülönítés önmagában nem szüntet meg minden veszélyt: a hálózati hozzáférést, a hitelesítő adatokat, az erőforrás-korlátokat és a sandboxot megvalósító technológiát is megfelelően kell beállítani.
MCP, A2A, Agent Skills és Open Responses: mi a különbség?
A hasonló nevű technológiák könnyen összekeverhetők, pedig eltérő kérdésekre válaszolnak. Az MCP azt segíti, hogy egy jogosult AI-alkalmazás külső eszközt vagy adatforrást érjen el. Az A2A az ügynökök egymás közötti kommunikációjához kapcsolódik. Az Agent Skills az eljárások és feladattudás újrafelhasználható csomagolásáról szól. Az Open Responses a modell és a kliens közötti strukturált kommunikációt írja le.
Ehhez képest az OpenEnv a tanítási és értékelési környezetek, az OpenSandbox pedig a végrehajtási környezetek szintjén helyezkedik el. Egy fejlesztői architektúra akár több ilyen elemet is használhat, de egyik projekt sem teszi kötelezővé a másik telepítését. Közös alapítványi tagságuk nem hoz létre automatikusan egyetlen, teljes és mindenhol együttműködő AI-ügynök rendszert.
Mit jelenthet mindez egy WordPress-weboldal vagy magyar vállalkozás számára?
Egy WordPress-alapú tartalomkezelési folyamatban a fogalmi különbség gyakorlati példával is megérthető. Egy megfelelő jogosultsággal csatlakoztatott asszisztens az MCP révén engedélyezett WordPress-funkciókat érhet el; egy Agent Skill leírhatja a szerkesztési vagy forrásellenőrzési munkamenet lépéseit; az Open Responses segítheti a különböző modellekhez kapcsolódó alkalmazások közös interfészét; az OpenSandbox pedig egyes kód- és tesztfeladatok elkülönített futtatásához használható. Az OpenEnv akkor lehet releváns, ha az ügynök viselkedését külön teszt- vagy tanítási környezetben szeretnék értékelni.
Ez szemléltető architektúra, nem annak állítása, hogy a WikiAI.hu jelenleg mind a négy új projektet telepítette vagy összekapcsolta. A WordPress AI-kapcsolatának és a keresőrobotok működésének különbségéről a WikiAI.hu korábbi, WordPress MCP Adapterről szóló cikke ad további magyarázatot.
Magyar vállalkozásként nem az a legfontosabb kérdés, hogy a felsorolt összes technológiát használjuk-e. Először azt érdemes tisztázni, melyik valós feladat igényel külső eszközkapcsolatot, ismételhető eljárást, több modell közötti átjárást, tesztkörnyezetet vagy elkülönített végrehajtást. Csak ezután dönthető el, hogy egyáltalán indokolt-e önálló AI-ügynököt fejleszteni, és melyik komponens jelent hozzá valódi előnyt.
Jelent-e automatikus AI-idézést, keresőoptimalizálási előnyt vagy garantált biztonságot az AAIF?
Nem. Az AAIF-projektek elsősorban fejlesztői protokollokkal, eszközintegrációval, tanítással és végrehajtással foglalkoznak. A közös, nyílt irányítás nem jelenti azt, hogy a Google vagy a ChatGPT automatikusan feltérképez, előrébb sorol vagy idéz egy WordPress-weboldalt. A nyilvános keresőbeli láthatósághoz továbbra is elérhető, értékes, hiteles és helyesen strukturált tartalom szükséges.
Azonos elv érvényes a biztonságra is: egy nyílt specifikáció vagy sandbox megléte nem helyettesíti a jogosultságellenőrzést, a külső utasítások kezelését, a naplózást és a tényleges tesztelést. A felhasználó vagy a szerkesztő nevében történő publikálás, adatátadás és más érdemi művelet külön felhatalmazást igényel.
Mi következik a négy projekt közös irányításából?
Az AAIF-be történő befogadás lehetőséget ad a specifikációk és eszközök közösségi, gyártófüggetlenebb továbbfejlesztésére. Az Agent Skills esetében az Anthropic már felvázolta a verziózás, a nyílt javaslattétel és a biztonsági útmutatás lehetséges következő lépéseit. A tényleges interoperabilitást azonban a későbbi specifikációk, az implementációk, a megfelelőségi tesztek és a valós üzemeltetési tapasztalatok mutatják majd meg.
A 2026. október 22-i hír legfontosabb üzenete: az AI-ügynökök világában a modellek képessége mellett egyre nagyobb szerepet kap a hordozható feladattudás, a közös interfész, az értékelhetőség és az ellenőrzött végrehajtás. A négy projekt együtt ennek a fejlődési iránynak négy különböző építőkövét mutatja – nem egyetlen, minden problémát megoldó új rendszert.
Hivatalos források és technikai dokumentáció
- Linux Foundation – Agentic AI Foundation Announces Four New Projects (2026. október 22.)
- Agentic AI Foundation – a négy projekt hivatalos bejelentése (2026. október 22.)
- Anthropic – Donating Agent Skills to the Agentic AI Foundation (2026. október 22.)
- Agent Skills – nyílt formátum és dokumentáció
- Open Responses – hivatalos specifikáció
- Hugging Face – OpenEnv dokumentáció
- OpenSandbox – hivatalos projektoldal és dokumentáció
- AAIF – az alapítvány projektlistája








