GitAgent er en åpen standard som lar deg definere en AI-agent som filer i et git-repo. Tre filer, agent.yaml, SOUL.md og SKILL.md og agenten din kan eksporteres til Claude Code, OpenAI Agents SDK, CrewAI, LangChain og en håndfull andre rammeverk. Ingen vendor lock-in. Ingen proprietary dashboards. Bare git.

Prosjektet dukket opp på Hacker News og beskriver et problem som er kjent for alle som har eksperimentert med AI-agenter over tid: hvert rammeverk definerer agenter på sin måte, og bytter du rammeverk begynner du fra scratch. GitAgent forsøker å løse dette med en portabel spec – uavhengig av hvilken plattform du bruker etterpå.

Ideen er enkel nok til at den nesten virker åpenbar i ettertid. Versjonskontroll for agenter. Pull requests. Branching. Alt det vi allerede gjør med kode men for selve agentdefinisjonene.

Hva er de tre kjernefilene?

GitAgent-spesifikasjonen er bygget rundt tre filer som til sammen utgjør en komplett agentdefinisjon:

  • agent.yaml – Konfigurasjon: modellvalg, temperatur, og andre innstillinger som avhenger av rammeverket du eksporterer til.
  • SOUL.md – Agentens identitet og personlighet. Dette er i praksis system-prompten: hvem er agenten, hva er rollens navn, hvilken tone bruker den.
  • SKILL.md – Hvilke verktøy og ferdigheter agenten har tilgang til. Her definerer du kapabilitetene.

De tre filene eksporteres deretter til målrammeverket via en CLI. Støttede eksportmål inkluderer Claude Code, OpenAI Agents SDK, CrewAI, Google ADK, LangChain, Lyzr, OpenClaw og Nanobot – i tillegg til et råt system-prompt-format for direkte bruk.

Illustrasjon av GitAgents tre kjernefiler agent.yaml SOUL.md og SKILL.md som svevende dokumentkort koblet til ulike AI-rammeverk
De tre kjernefilene i GitAgent-spesifikasjonen: agent.yaml for konfigurasjon, SOUL.md for personlighet, SKILL.md for kapabiliteter.

Hvorfor git?

Det er et genuint godt argument her. Git er allerede den universelle standarden for å spore endringer i kode. Agenter er ikke kode i tradisjonell forstand, de er instruksjoner, regler, og kapabiliteter – men de oppfører seg som kode: de endres over tid, de kan ha bugs, og det er nyttig å vite hvem som endret hva og når.

Med GitAgent får du versjonskontroll på agenten din gratis. Vil du teste en ny SOUL.md uten å risikere produksjonsagenten? Branch. Vil to personer samarbeide om å forbedre et SKILL.md-dokument? Pull request. Vil du rulle tilbake en endring som ødelagde agentens oppførsel? git revert.

Det er ikke rakettvittenskap, det er bare å bruke verktøy vi allerede kjenner godt. Og det er nettopp det som gjør det elegant.

Hva betyr portabilitet i praksis?

Vendor lock-in er et reelt problem i AI-agent-verdenen akkurat nå. Rammeverk som CrewAI, LangChain, og OpenAI Agents SDK har alle sine egne konvensjoner for hvordan agenter defineres. Lager du en agent i CrewAI og vil flytte til Claude Code, sitter du i praksis fast – ikke fordi det er teknisk umulig, men fordi du må skrive om store deler av konfigurasjonen manuelt.

GitAgent-tilnærmingen handler om å separere hva agenten er fra hvordan den kjøres. Definisjonsfilen (de tre markdown/yaml-filene) er stabil på tvers av rammeverk. Eksportlaget tar seg av konverteringen til det formatet det aktuelle rammeverket forventer.

I OpenClaw vs Claude Code-testen min var nettopp dette problemet synlig: agentens oppførsel i de to rammene var vanskelig å sammenligne fordi de brukte forskjellige konfigurasjonsformater. Med en felles spec hadde sammenligningen blitt enklere.

Illustrasjon av portabilitet der én kildefil eksporteres med piler ut til seks ulike AI-rammeverk og plattformer
GitAgent-spesifikasjonen er rammeverkunavhengig – én agentdefinisjon eksporteres til valgfritt målrammeverk.

Er dette standardisering som faktisk fungerer?

Historien om åpne standarder i tech er broket. For hvert vellykket eksempel (HTML, JSON, git selv) finnes det ti forsøk på standarder som ble adoptert av ingen. GitAgent er tidlig, men strukturen er riktig: de definerer et format, ikke et rammeverk. Det er lettere å si ja til.

Det hjelper at SOUL.md og SKILL.md er vanlige markdown-filer. Det er laveste mulig adopsjonsterskel – enhver utvikler kan lese og redigere dem uten å lære ny syntaks. agent.yaml er mer rammeverk-spesifikk per eksportmål, men grunnstrukturen er lik.

Spørsmålet er om de store plattformene – OpenAI, Anthropic, Google vil implementere native import fra GitAgent-format. Uten det forblir GitAgent et konverteringsverktøy. Med det blir det noe mer.

Prosjektet er åpen kildekode og tilgjengelig via gitagent.sh. Spesifikasjonen er fortsatt ung, men tanken er god. Agentdefinisjoner lever best i git på samme måte som kode alltid har gjort det. Om resten av bransjen ser det på samme måte, gjenstår å se.

Les også: Hva er AI-agenter? Slik fungerer de i praksis (2026).

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *

Meld deg på nyhetsbrevet

Få oppdateringer om AI nyhetene rett i inboxen!

Du liker kanskje denne også
Jan Sverre arbeider med Suno AI musikk-generering på datamaskinen, kreativt workspace med hodetelefoner

Suno AI – 150 Låter Testet: Hva Funker og Hva Er Bortkastet Tid

Jeg testet 150 Suno-låter og fant tydelige mønstre. Her er hva som faktisk gir kvalitet, og hva som bare kaster bort tid.
Jan Sverre med headphones og lydmikser i boardroom-møte med forvirrede executives

Suno AI Copyright 2026 – Opphavsrett og Rettigheter for AI-Musikk

Kan du tjene penger på Suno-musikk? Her er en praktisk gjennomgang av rettigheter, risiko og hva du bør avklare før publisering.
Jan Sverre riding a dinosaur in safari outfit, photorealistic AI-generated image demonstrating Nano Banana Pro capabilities

Jeg testet Nano Banana Pro: AI som faktisk skriver norsk i bilder

Endelig! En AI som kan generere norsk tekst i bilder med 94% nøyaktighet. Jeg testet Nano Banana Pro grundig – her er resultatene.
Jan Sverre tester GPT-5.2 ved en transparent OpenAI GPT-skjerm

GPT-5.2: Jeg testet OpenAIs nyeste modell – her er hva som faktisk fungerer

GPT-5.2 er ute med tre versjoner. Jeg har testet thinking-modellen, sammenlignet med 5.1, og funnet ut hva som faktisk er bedre. Her er mine erfaringer.