Agentic Web forklaret: AGENTS.md, MCP mod A2A, og fremkomsten af Web 4.0
Internettet gennemgår sit mest betydningsfulde arkitektoniske skifte siden opfindelsen af webbrowseren. I 2026 er vi vidner til fremkomsten af Agentic Web — et nyt paradigme, hvor AI-agenter ikke bare assisterer mennesker, men autonomt browser, handler, forhandler og samarbejder på tværs af internettet på vores vegne.
Dette er ikke en fjern fremtid. Infrastrukturen bygges lige nu. Anthropic har lanceret Model Context Protocol (MCP). Google har udgivet Agent-to-Agent (A2A) protokollen. Og en stille revolution af AGENTS.md-filer er ved at omforme, hvordan AI-agenter interagerer med kodebaser på tværs af titusindvis af GitHub-repositories.
Denne guide giver en omfattende, udviklerfokuseret gennemgang af hver del af dette spirende økosystem — hvad hver protokol gør, hvordan de passer sammen, og hvad det hele betyder for udvikling af software i 2026 og fremefter.
Indholdsfortegnelse
- Hvad er Agentic Web?
- De tre søjler i det agentiske økosystem
- AGENTS.md: Sådan lærer AI-agenter at navigere i din kode
- MCP: Den universelle forbindelse for AI-agenter
- A2A: Lad agenter tale med hinanden
- MCP mod A2A: En direkte sammenligning
- Hvordan disse protokoller fungerer sammen
- Case-studie fra virkeligheden: OpenClaw og agent-økosystemet
- Web 4.0: Fra menneskecentreret til agent-nativ
- Hvad dette betyder for udviklere og virksomheder
- Kom i gang: Praktiske skridt for 2026
- Relaterede ressourcer
Hvad er Agentic Web?
Agentic Web er visionen om et internet, hvor AI-agenter er førsteklasses deltagere, ikke blot værktøjer, der kører inde i applikationer. I dag, når du vil booke en flyrejse, åbner du en browser, navigerer til en hjemmeside, sammenligner priser, udfylder formularer og klikker på "køb". I Agentic Web gør din personlige AI-agent alt dette autonomt — finder tjenester, forhandler priser, verificerer legitimationsoplysninger og gennemfører transaktioner, uden at du nogensinde rører en skærm.
Dette skifte kræver tre fundamentale evner:
- Agent-til-Værktøj-forbindelse: Agenter har brug for standardiserede måder at få adgang til databaser, API'er, filsystemer og eksterne tjenester.
- Agent-til-Agent-kommunikation: Agenter bygget af forskellige virksomheder ved hjælp af forskellige frameworks skal kunne finde og samarbejde med hinanden.
- Agent-bevidste repositories: Kodebaser og projekter skal erklære, hvordan agenter skal interagere med dem.
Hver af disse evner har nu en spirende standard. Tilsammen udgør de infrastrukturlaget for det, som mange kalder Web 4.0.
De tre søjler i det agentiske økosystem
Tænk på Agentic Web som en stak i tre lag:
| Lag | Standard | Formål |
|---|---|---|
| Projektlag | AGENTS.md / CLAUDE.md | Fortæller agenter, hvordan de skal arbejde med en specifik kodebase |
| Værktøjslag | MCP (Model Context Protocol) | Forbinder agenter til eksterne værktøjer og datakilder |
| Kommunikationslag | A2A (Agent-to-Agent Protocol) | Gør det muligt for agenter at finde og samarbejde med hinanden |
Hvert lag løser et forskelligt problem. Ingen af dem er tilstrækkelige alene. Men sammen skaber de betingelserne for et ægte agent-nativt internet.
AGENTS.md: Sådan lærer AI-agenter at navigere i din kode
Hvad det er
AGENTS.md er en konvention — en markdown-fil placeret i roden af et kode-repository, der giver instruktioner til AI-agenter, der arbejder på den pågældende kodebase. Tænk på det som en README.md for AI. Hvor README.md fortæller menneskelige udviklere, hvordan man opsætter og bidrager til et projekt, fortæller AGENTS.md AI-kodningsagenter, hvilke kodningsstandarder de skal følge, hvilke arkitekturbeslutninger der er truffet, og hvilke regler der skal overholdes.
Konceptet opstod organisk fra AI-assisteret kodning i 2025. Forskellige værktøjer indførte deres egne varianter: Anthropic's Claude Code bruger CLAUDE.md, Cursor bruger .cursorrules, Windsurf bruger .windsurfrules, og det bredere fællesskab enedes om AGENTS.md som en værktøjsagnostisk standard.
Hvorfor det betyder noget
Adoptionsstallene er overvældende. I starten af 2026 indeholder over 60.000 GitHub-repositories en form for agent-instruktionsfil — uanset om det er AGENTS.md, CLAUDE.md, .cursorrules eller lignende varianter. Dette tal vokser eksponentielt, efterhånden som AI-kodningsværktøjer bliver standardinfrastruktur for udviklere.
En AGENTS.md-fil indeholder typisk:
- Kodningsstandarder: Sprogkonventioner, formateringsregler, foretrukne biblioteker
- Arkitekturbeslutninger: Hvordan kodebasen er struktureret, hvor forskellige typer kode hører hjemme
- Testkrav: Hvilke test-frameworks der skal bruges, forventninger til minimumsdækning
- Deployment-regler: Hvordan builds fungerer, hvad CI/CD-pipelines forventer
- Sikkerhedsgrænser: Hvilke filer der aldrig må ændres, hvilke hemmeligheder (secrets) der skal undgås
Eksempel på AGENTS.md
# Projektretningslinjer
## Arkitektur
- Next.js 15 med App Router
- TypeScript strict mode påkrævet
- Alle API-ruter i /app/api/
## Kodningsstandarder
- Brug funktionelle komponenter med hooks
- Foretræk server-komponenter frem for klient-komponenter
- Alle databaseforespørgsler via Prisma ORM
## Test
- Jest til enhedstests, Playwright til E2E
- Minimum 80% dækning for ny kode
- Kør `npm test` før commit
## Sikkerhed
- Rediger aldrig .env-filer
- Alt brugerinput skal valideres med Zod
- Autentificering håndteres af NextAuth.js
Den bredere betydning
AGENTS.md repræsenterer noget dybtgående: det er første gang i computerhistorien, at kodebaser er designet til at blive forbrugt af ikke-menneskelige agenter som en primær målgruppe. Dette er ikke dokumentation for udviklere, der måske bruger AI-værktøjer. Det er dokumentation direkte til AI-værktøjer. Det markerer begyndelsen på en agent-nativ tilgang til softwareudvikling, der flugter med den bredere vibe coding bevægelse.
MCP: Den universelle forbindelse for AI-agenter
Hvad det er
Model Context Protocol (MCP) er en open-source standard skabt af Anthropic til at forbinde AI-applikationer til eksterne systemer. Annonceret i november 2024 og hurtigt adopteret gennem 2025-2026, giver MCP en standardiseret måde for AI-agenter at få adgang til datakilder, værktøjer og workflows.
Anthropic beskriver det som "en USB-C-port til AI-applikationer." Ligesom USB-C giver en enkelt universel forbindelse til opladning, dataoverførsel og videoutput på tværs af alle enheder, giver MCP en enkelt universel protokol til at forbinde enhver AI-applikation til ethvert eksternt værktøj eller datakilde.
Hvordan MCP fungerer
MCP følger en klient-server-arkitektur med tre nøgledeltagere:
- MCP Host: AI-applikationen (f.eks. Claude Code, VS Code, Claude Desktop), der koordinerer forbindelser
- MCP Client: En komponent i værten, der opretholder en dedikeret forbindelse til én MCP-server
- MCP Server: Et program, der leverer værktøjer, ressourcer eller prompts til AI-applikationen
Protokollen opererer på to lag:
Datalag — Bruger JSON-RPC 2.0 til at definere meddelelsesstrukturen. Den understøtter tre kerne-server-primitiver:
- Værktøjer (Tools): Eksekverbare funktioner, som AI-agenter kan kalde (f.eks. filoperationer, API-kald, databaseforespørgsler)
- Ressourcer (Resources): Datakilder, der giver kontekstuel information (f.eks. filindhold, databaseregistre)
- Prompts: Genanvendelige skabeloner, der strukturerer interaktioner med sprogmodeller
Transportlag — Håndterer kommunikation via to mekanismer:
- Stdio transport: Standard input/output for lokale processer, nul netværksomkostninger
- Streamable HTTP transport: HTTP POST med valgfri Server-Sent Events for eksterne servere, understøtter OAuth-autentificering
Hvem bruger MCP
MCP-adoption har været bemærkelsesværdig. Fra 2026 understøttes protokollen af:
- Anthropic: Claude Code, Claude Desktop, Claude på web
- Microsoft: Visual Studio Code (via GitHub Copilot)
- JetBrains: IntelliJ IDEA, PyCharm, WebStorm
- OpenAI: ChatGPT desktop-app, Codex
- Google: Gemini-integrationer
- Uafhængige værktøjer: Cursor, Windsurf, Cline og hundredvis af community-MCP-servere
MCP-serverøkosystemet inkluderer nu officielle forbindelser til Sentry, GitHub, Slack, Google Drive, PostgreSQL, filsystemadgang og mange flere. Enhver udvikler kan bygge en brugerdefineret MCP-server ved hjælp af SDK'er tilgængelige i Python, TypeScript, Java, Kotlin, C# og Swift.
Hvorfor MCP er revolutionerende
Før MCP havde hvert AI-værktøj brug for specialbyggede integrationer til hver ekstern tjeneste. Hvis du havde 10 AI-værktøjer og 20 tjenester, havde du brug for 200 integrationer (et M x N problem). MCP reducerer dette til et M + N problem: hvert AI-værktøj implementerer MCP-klientunderstøttelse én gang, og hver tjeneste implementerer en MCP-server én gang.
A2A: Lad agenter tale med hinanden
Hvad det er
Agent-to-Agent (A2A) protokollen er en åben standard skabt af Google til at muliggøre kommunikation mellem AI-agenter bygget på forskellige frameworks og drevet af forskellige organisationer. Udgivet som et open-source projekt under Linux Foundation med en Apache 2.0 licens, løser A2A en kritisk udfordring: hvordan finder agenter, der aldrig er designet til at arbejde sammen, hinandens evner, forhandler interaktionsformater og samarbejder om komplekse opgaver?
Hvordan A2A fungerer
A2A bruger JSON-RPC 2.0 over HTTP(S) og introducerer flere nøglekoncepter:
Agent Cards — Hver agent udgiver et maskinlæsbart "Agent Card", der beskriver dens evner, understøttede interaktionsformer (tekst, formularer, medier) og autentificeringskrav. Andre agenter kan opdage disse kort for at forstå, hvad en agent kan gøre, før de indleder kommunikation.
Fleksible interaktionsformer — A2A understøtter:
- Synkrone anmodninger: Simple anmodning-svar-mønstre
- Streaming: Server-Sent Events (SSE) til realtidsdata
- Asynkrone meddelelser: Til langvarige opgaver, der kan tage minutter eller timer
Uigennemsigtighed ved design (Opacity by Design) — A2A's kernearkitektoniske princip er, at agenter ikke afslører deres interne tilstand, hukommelse eller værktøjer for hinanden. En rejsebookingsagent og en betalingsagent kan samarbejde, uden at nogen af dem ved, hvordan den anden fungerer internt. Dette beskytter intellektuel ejendom og muliggør sikkert samarbejde mellem flere leverandører.
Hvem understøtter A2A
A2A blev bidraget af Google og styres nu af Linux Foundation. Implementerings-SDK'er er tilgængelige i Python, Go, JavaScript, Java og .NET. DeepLearning.AI (grundlagt af Andrew Ng) har oprettet et kursus, der underviser i praktisk A2A-implementering på tværs af flere agent-frameworks.
Hvorfor A2A betyder noget
Overvej et virksomhedsscenarie: en virksomhed bruger Salesforce-agenter til CRM, ServiceNow-agenter til IT-drift og specialbyggede agenter til intern analyse. Uden A2A kan disse agenter ikke koordinere. Med A2A kan CRM-agenten bede analyseagenten om at generere en rapport, hvilket trigger IT-driftsagenten til at tildele yderligere beregningsressourcer — alt sammen uden menneskelig indgriben, og uden at nogen agent behøver at forstå de andres interne arkitektur.
MCP mod A2A: En direkte sammenligning
Forståelse af forskellen mellem MCP og A2A er afgørende for arkitekter og udviklere, der bygger agentiske systemer. De er komplementære, ikke konkurrerende protokoller.
| Funktion | MCP (Model Context Protocol) | A2A (Agent-to-Agent Protocol) |
|---|---|---|
| Skabt af | Anthropic | |
| Formål | Forbinde agenter til værktøjer og data | Forbinde agenter til andre agenter |
| Forhold | Agent-til-Værktøj | Agent-til-Agent |
| Analogi | USB-C-port for AI | Diplomatisk protokol mellem AI-ambassader |
| Arkitektur | Klient-server (host → klient → server) | Peer-to-peer via Agent Cards |
| Transport | Stdio (lokal) + Streamable HTTP (fjern) | JSON-RPC 2.0 over HTTP(S) |
| Opdagelse | Værktøjer, ressourcer og prompts via */list | Agent Cards med beskrivelser af evner |
| Dataformat | JSON-RPC 2.0 | JSON-RPC 2.0 |
| Intern tilstand | Server eksponerer værktøjer/ressourcer for klient | Agenter forbliver uigennemsigtige for hinanden |
| Styring | Anthropic (open-source) | Linux Foundation (open-source, Apache 2.0) |
| SDK'er | Python, TypeScript, Java, Kotlin, C#, Swift | Python, Go, JavaScript, Java, .NET |
| Bedst til | Give en agent adgang til databaser, API'er, filer | Multi-agent workflows på tværs af organisationer |
| Eksempel | Claude Code forbinder til en Sentry MCP-server | En CRM-agent delegerer til en faktureringsagent |
Den vigtigste indsigt
MCP er vertikal integration — det uddyber, hvad en enkelt agent kan gøre ved at forbinde den til flere værktøjer og datakilder. A2A er horisontal integration — det udvider, hvad agenter kan udrette ved at lade dem samarbejde med andre agenter, de aldrig har mødt før.
Et fuldt funktionelt Agentic Web kræver begge dele.
Hvordan disse protokoller fungerer sammen
Her er et konkret scenarie, der viser alle tre komponenter i aktion:
Scenarie: Et udviklingsteam bruger en AI-kodningsagent til at bygge en funktion.
-
AGENTS.md fortæller kodningsagenten, at projektet bruger Next.js 15, TypeScript og Prisma ORM. Den specificerer, at alle API-ruter skal ligge i
/app/api/, og at tests skal bestås før commits. -
MCP forbinder kodningsagenten til projektets GitHub-repository (via GitHub MCP-serveren), Sentry-fejlsporingssystemet (via Sentry MCP-serveren) og PostgreSQL-databasen (via database MCP-serveren). Agenten kan læse kode, forespørge i fejllogfiler og inspicere databaseskemaet — alt sammen gennem standardiserede MCP-forbindelser.
-
A2A gør det muligt for kodningsagenten at samarbejde med en separat QA-agent (bygget med et andet framework af et andet team). Kodningsagenten publicerer sine ændringer via et Agent Card, QA-agenten opdager disse ændringer, kører automatiserede tests og rapporterer resultaterne tilbage — alt sammen uden at nogen af agenterne kender den andens interne implementering.
Denne tre-lags arkitektur afspejler, hvordan mennesker arbejder: du læser projektdokumentationen (AGENTS.md), bruger dine værktøjer (MCP) og kommunikerer med kolleger (A2A).
Case-studie fra virkeligheden: OpenClaw og agent-økosystemet
Det mest levende eksempel på Agentic Web i aktion er OpenClaw — den open-source personlige AI-assistent, der er eksploderet til over 209.000 GitHub-stjerner og 38.600 forks, hvilket gør den til et af de mest populære open-source projekter i historien.
Oprindeligt skabt af Peter Steinberger som et weekendprojekt kaldet "WhatsApp Relay," forbinder OpenClaw til over 50 beskedplatforme (WhatsApp, Telegram, Slack, Discord, Signal, iMessage, Microsoft Teams og flere) gennem en lokal gateway. Men det, der gør OpenClaw relevant for Agentic Web-diskussionen, er dens arkitektur:
- MCP Registry: OpenClaw inkluderer indbygget MCP-understøttelse, hvilket giver brugerne mulighed for at forbinde ethvert MCP-kompatibelt værktøj til deres personlige AI-assistent. Det betyder, at din OpenClaw-agent kan få adgang til din kalender, filer, databaser og brugerdefinerede API'er gennem den samme standardiserede protokol.
- Skills Platform: OpenClaws udvidelsesmodel (bundled skills, managed skills, workspace skills) afspejler mønsteret fra agent-instruktionsfiler — hver skill definerer, hvad agenten kan gøre, og hvordan den skal opføre sig i specifikke kontekster.
- Multi-Channel Architecture: Ved at forbinde til snesevis af beskedplatforme samtidigt demonstrerer OpenClaw den agent-native tilgang til kommunikation — én agent, mange grænseflader, standardiserede protokoller nedenunder.
OpenClaw beviser, at Agentic Web ikke er teoretisk. Rigtige brugere kører personlige AI-agenter, der bruger standardiserede protokoller til at forbinde til værktøjer, administrere data og operere autonomt på tværs af platforme. For at lære mere om hele OpenClaw-historien, se vores komplette OpenClaw-guide.
Web 4.0: Fra menneskecentreret til agent-nativ
For at forstå, hvor vi er på vej hen, hjælper det at se det fulde forløb af webbens evolution:
| Æra | Navn | Primære brugere | Nøgleinnovation |
|---|---|---|---|
| 1990'erne | Web 1.0 | Læsere | Statiske HTML-sider, envejs informationsflow |
| 2000'erne | Web 2.0 | Skabere og forbrugere | Brugergenereret indhold, sociale platforme, API'er |
| 2010'erne | Web 3.0 | Ativejere | Decentraliserede protokoller, blockchain, krypto |
| 2020'erne | Web 4.0 | AI-agenter | Agent-native protokoller, MCP, A2A, autonome transaktioner |
Web 4.0 — Agentic Web — erstatter ikke Web 2.0 eller Web 3.0. Det tilføjer et nyt lag ovenpå. Hjemmesider vil stadig eksistere for mennesker. Men i stigende grad vil de vigtigste "brugere" af internettet være AI-agenter, der handler på vegne af mennesker.
Europa-Kommissionen offentliggjorde sin første Web 4.0-strategi i 2023, som beskriver et fremtidigt internet præget af "intelligent automatisering", "ambient computing" og "sømløs interaktion mellem mennesker og maskiner". Det, der var et politisk papir i 2023, er blevet til ingeniørmæssig virkelighed i 2026.
Hvad gør Web 4.0 anderledes
Den fundamentale arkitektoniske forskel er denne: Web 2.0 blev bygget til menneskelig kognition (visuelle grænseflader, klikbare knapper, læsbar tekst). Web 4.0 er bygget til maskinel kognition (strukturerede API'er, protokoller til opdagelse af agenter, maskinlæsbare beskrivelser af evner).
Dette betyder ikke, at menneskelige grænseflader forsvinder. Det betyder, at internettet udvikler en dobbelt grænseflade — menneskeligt læsbare overflader for folk og maskinlæsbare protokoller for agenter, der opererer samtidigt på den samme underliggende infrastruktur.
Hvad dette betyder for udviklere og virksomheder
For udviklere
-
Lær MCP: Hvis du bygger værktøjer, API'er eller tjenester, gør oprettelsen af en MCP-server dit produkt tilgængeligt for enhver AI-agent i økosystemet. Dette svarer til, hvordan det at bygge et REST API i 2010'erne gjorde din tjeneste tilgængelig for enhver mobilapp.
-
Skriv AGENTS.md-filer: Hvert projekt, du vedligeholder, bør have en agent-instruktionsfil. Dette er hurtigt ved at blive lige så standard som at have en
.gitignoreellerpackage.json. Efterhånden som mere udviklingsarbejde flyder gennem AI-kodningsværktøjer som Claude Code, Cursor eller multi-agent frameworks, forbedrer klare agent-instruktioner direkte kodekvaliteten. -
Tænk i agent-workflows: Design dine systemer ud fra den antagelse, at både mennesker og agenter vil interagere med dem. Eksponer strukturerede API'er sammen med webgrænseflader. Gør dine fejlmeddelelser maskinlæsbare. Inkluder beskrivelser af evner i dine tjenesters metadata.
For virksomheder
-
API-økonomien udvikler sig til agent-økonomien: Ligesom virksomheder, der byggede API'er i 2010'erne, fik en fordel i mobil-æraen, vil virksomheder, der bygger MCP-servere og A2A-kompatible agenter i 2026, få en fordel i agent-æraen.
-
Agent-native produkter vinder: Produkter designet til agent-interaktion (strukturerede data, klare værktøjsgrænseflader, maskinlæsbar dokumentation) vil udkonkurrere produkter, der kun er designet til menneskelig interaktion. Hvis en AI-agent ikke kan bruge din tjeneste, vil et stigende antal potentielle kunder aldrig nå dig.
-
Platformbyggere får størst fordel: Værktøjer, der hjælper udviklere med at bygge, deployere og administrere AI-agenter — som NxCode til udvikling af multi-agent apps — er placeret i centrum af dette økosystemskifte. Efterspørgslen efter visuelle, tilgængelige agent-udviklingsværktøjer vil vokse i takt med, at Agentic Web modnes.
Kom i gang: Praktiske skridt for 2026
Hvis du vil deltage i Agentic Web i dag, er her en prioriteret handlingsliste:
Trin 1: Tilføj AGENTS.md til dine projekter
Opret en agent-instruktionsfil i hvert aktivt repository. Start simpelt — kodningsstandarder, arkitektoniske noter og testkrav. Forfin den, efterhånden som du observerer, hvordan AI-værktøjer interagerer med din kodebase.
Trin 2: Udforsk MCP
Installer et MCP-kompatibelt værktøj (Claude Code, VS Code med Copilot, eller Cursor) og forbind det til en MCP-server. Start med filsystem-serveren eller GitHub-serveren for at forstå protokollen. Overvej derefter at bygge din egen MCP-server til de interne værktøjer, dit team bruger dagligt.
Trin 3: Forstå A2A
Læs A2A-specifikationen på Googles GitHub-repository. Hvis din organisation kører flere AI-agenter, så vurder, om A2A kan gøre det muligt for dem at koordinere mere effektivt. Python- og JavaScript-SDK'erne er de mest modne udgangspunkter.
Trin 4: Byg Agent-Native
Når du bygger nye funktioner eller tjenester, så spørg: "Kan en AI-agent bruge det her?" Design API'er med maskinlæsbare beskrivelser. Brug strukturerede fejlformater. Publicer metadata om evner. Behandl agent-tilgængelighed som et førsteklasses krav, på linje med mobilresponsivitet og tilgængelighed.
Trin 5: Hold dig orienteret
Agentic Web udvikler sig hurtigt. Protokoller opdateres, nye værktøjer udgives, og best practices konsolideres i realtid. Følg den officielle MCP-dokumentation på modelcontextprotocol.io, A2A-repositoryet under Linux Foundation, og det bredere udviklerfællesskab for opdateringer.
Relaterede ressourcer
- Hvad er AI-agenter? En begyndervenlig guide — Grundlæggende forståelse af AI-agenter, hvordan de fungerer, og hvorfor de betyder noget.
- Vibe Coding Guide 2026 — Hvordan programmering i naturligt sprog forbindes med bevægelsen for agent-nativ udvikling.
- LangChain vs CrewAI vs NxCode: Sammenligning af multi-agent frameworks — Valg af det rigtige framework til at bygge multi-agent systemer.
- OpenClaw Komplet Guide 2026 — Hele historien om open-source AI-agenten med 209K+ GitHub-stjerner.
- Claude Agent Teams: Guide til parallel AI-udvikling — Hvordan multi-agent kodningsteams fungerer i praksis.
