Gårdagens rapport handlade om kontroll över enskilda agenter. Dagens viktigaste förändring sitter i arkitekturen runt dem: Microsoft har öppnat Agensh, ett ramverk där agenter organiserar sig själva i stället för att styras av en central orkestrator. Samtidigt flyttas byggstenarna de delar – skills, sandlådor och träningsmiljöer – in under neutral förvaltning.
Sedan förra rapporten
| Status | Verktyg | Förändring | Praktisk betydelse |
|---|---|---|---|
| NYTT | Agensh (v1.0, 2026-10-24) | Microsoft Research släpper sitt multiagent-ramverk som öppen källkod under MIT. Det saknar central orkestrator: agenter hittar och tar egna deluppgifter, delar fynd, verifierar och mergar asynkront via en Gitea-arbetsyta och Mattermost-meddelanden. Skalar från 1 till 1 024 agenter; på pandoc steg testpassagen från 33,89 % till 55,06 % inom sex timmar utan internet. Bygger på Copilot CLIs agentloop och går att reproducera med Docker Compose. | Körbar referens för den som vill sätta många kodagenter på ett delat repo utan att bygga egen koordinator. Men det är ett forskningsartefakt, inte en färdig produkt: siffrorna kommer från benchmarkkörningar och uppsättningen kräver Docker, Gitea och Mattermost. |
| FÖRÄNDRAT | Ollama (v0.40.11, 2026-10-24) | Talgenerering på macOS: ollama run läser upp text eller ett modellsvar medan ljudet genereras, och appar kan strömma ljud via den OpenAI-kompatibla endpointen /v1/audio/speech. Nya d3-beslutsmodeller i storlekarna 2B–27B, byggda på vLLM Semantic Router, kan klassificera, svara ja/nej eller poängsätta alternativ med sannolikheter. |
Lokal talsyntes utan molnanrop och en enkel väg till klassificering och routing i egna flöden. Röstfunktionen är macOS-only i dag, så Linux-användare får vänta. |
| FÖRÄNDRAT | GitHub Copilot usage metrics API (2026-10-23) | Ny totals_by_client-array i 1- och 28-dagarsrapporterna för enterprise, organisation och användare. Per klient redovisas request_count, session_count, tokenanvändning och totals_by_model med model_selection_mode. Klienter som opencode, claude_code, codex, zed och copilot_cli räknas nu; okända klienter hamnar under other. |
Den som använder Copilot som modellleverantör bakom tredjepartsagenter får till slut siffror för kostnad och styrning i stället för en blind fläck. Klientidentifieringen är best-effort via integration-ID, inte verifierad identitet, och request_count räknar modellanrop – inte prompts. |
| FÖRÄNDRAT | Agent Skills hos AAIF (2026-10-22) | Anthropic donerar Agent Skills-standarden till Agentic AI Foundation, tillsammans med Open Responses från OpenAI, OpenEnv från Hugging Face och OpenSandbox från Alibaba. AAIF går därmed från tre till tio projekt på ett år. Skills blir ett neutralt format för instruktioner, skript och resurser som agenter laddar vid behov. | En skill ska kunna skrivas en gång och fungera i flera agentprodukter i stället för att bindas till en leverantör. För den som bygger egna skills mot Claude Code eller OpenCode är det värt att följa hur formatet landar innan man låser sig. |
Från en agent till en organisation
Agensh är intressant av ett skäl som inte syns i versionsnumret: det ifrågasätter orkestratorn. I de flesta multiagent-uppsättningar – även de som bygger på subagenter i Cursor eller Claude Code – sitter en central koordinator som fördelar arbete och blir flaskhalsen när teamet växer. Agensh låter i stället agenterna själva hitta och göra anspråk på deluppgifter, dela fynd och verifiera varandras resultat asynkront.
Att samma modell och samma agentloop ger bättre resultat när antalet agenter ökar är den mest användbara observationen: större team når också en viss passnivå snabbare. Microsoft beskriver att samarbetsmönster och specialiserade roller växer fram efter hand – men det är en forskningsslutsats från benchmarkkörningar på programåteruppbyggnad, inte ett bevis för att hur många agenter som helst löser godtyckliga produktionsuppgifter. Läs den som en hypotes värd att testa, inte som en färdig driftsättning.
Poängen för vanliga builders är infrastrukturmönstret: delat arbetsutrymme, meddelandegränssnitt och delad kontext. Det går att bygga med verktyg man redan har. Att Agent Skills, sandlådor och RL-miljöer samtidigt flyttar till neutral förvaltning gör att de bitarna blir utbytbara mellan leverantörer – orkestreringslagret och standardgränssnitten börjar mogna parallellt.
Dagens verktygskarta
| Behov | Förstaval | Starkaste alternativ | Status | Varför |
|---|---|---|---|---|
| IDE-baserad agentisk kodning | Cursor | GitHub Copilot, Devin Desktop | KVAR | Cursor knyter ihop molnagenter, delbara canvases, ett Environments-API i beta och ett marketplace med deploy-, CI- och granskningsappar. Projekten håller kontext över månader och delegerar till många subagenter, vilket gör det till en sammanhållen koordinator snarare än en editor. |
| Terminalbaserad kodagent | Claude Code | Codex CLI, GitHub Copilot CLI | KVAR | Monitor-verktyget och de blockerade sömnpauserna gör långa, delvis oövervakade körningar mer genomlysta, och rollstyrda molnsessioner ger samma sak för organisationer. OpenCode 2.1.4 är närmaste utmanare med MCP-formulären, men saknar motsvarande enterprise-kontroller. |
| Research | Perplexity | ChatGPT | KVAR | Flerstegsuppgifter mot webbläsare, filer och appar med synliga källor passar omvärldsbevakning och källspårning i samma yta. |
| Generell AI-arbetsyta | ChatGPT | Claude, Gemini | KVAR | ChatGPT samlar text, dokument och presentationer med export till PowerPoint och Google Slides. Claude Duet är intressant men fortfarande en separat waitlist-app i USA, inte ett byte av arbetsyta i dag. |
| Bild/design | Adobe Firefly | Midjourney | KVAR | Firefly för redigerbar, kommersiellt säkrad grafik och Midjourney för konceptfasen. |
| Automation/agentplattform | n8n | Cloudflare OS | KVAR | Stort nodbibliotek, MCP-stöd och möjlighet att köra både moln och egen server passar en teknisk byggare som vill äga sina flöden. Agensh är närliggande men löser en annan uppgift: orkestrering av kodagenter mot ett delat repo, inte affärsflöden utan kod. |
| Lokal modellbackend | Ollama | llama.cpp | KVAR | Talsyntes på macOS och OpenAI-kompatibel ljudstreaming gör Ollama mer användbart som lokal tjänst, inte bara som modellkörare. d3-modellerna ger dessutom klassificering och routing utan molnanrop. |
| Lokal AI-klient | Open WebUI | LM Studio Bionic | KVAR | Krypterade kanaler och lättare Redis-strömning gör Open WebUI starkt för den som hostar själv och vill ha integrationer i samma klient. |
| — |