Mistral AI lancerede i dag det nye orkestreringslag Workflows, som skal gøre AI-agenter...
AGENTS.md er en åben standard, der giver AI-kodningsagenter struktureret vejledning i softwareprojekter. Forstå formatet, og hvordan det styrker AI-udvikling.


Når en AI-kodningsagent starter en opgave, indlæser den automatisk den nærmeste AGENTS.md-fil i sit kontekstvindue. Agenten søger fra projektets rod (typisk Git-roden) og ned til den aktuelle mappe. I hver mappe tjekker den først for AGENTS.override.md, derefter AGENTS.md. Det betyder, at hvert delprojekt kan have sine egne, skræddersyede instruktioner.
Selve filen er skrevet i Markdown og dækker typisk seks kerneområder: build- og testkommandoer, projektstruktur, kodestil, Git-workflow, sikkerhedsregler og grænser for, hvad agenten må og ikke må. En god AGENTS.md giver agenten en specifik rolle, præcise kommandoer at køre, klare begrænsninger at overholde, og eksempler på korrekt output.
AGENTS.md adskiller sig fra en README ved at indeholde den ekstra kontekst, som kodningsagenter har brug for, men som ville virke overflødig for menneskelige udviklere. Det kan være præcise testkommandoer, mappekonventioner eller regler for håndtering af API-nøgler.
Standarden understøttes af værktøjer som GitHub Copilot, Cursor, Windsurf, OpenAI Codex, Kilo Code og Factory. Formatet er værktøjsagnostisk: én fil, der virker på tværs af alle AI-agenter.
For virksomheder med flere udviklingsteams løser AGENTS.md et konkret problem: konsistens. Når ti udviklere bruger AI-kodningsagenter på det samme projekt, sikrer AGENTS.md, at alle agenter følger de samme standarder som menneskelige udviklere. Det reducerer fejl, forbedrer kodekvalitet og forkorter review-tiden.
Produktivitetsgevinsterne er målbare. Ifølge GitHub viser analyser af over 2.500 repositories et klart mønster: Projekter med velskrevne AGENTS.md-filer opnår markant hurtigere og mere præcise AI-resultater. Agenten ved, hvilke tests den skal køre, hvilken mappestruktur den skal følge, og hvilke mønstre der er acceptable.
AGENTS.md er også relevant i et governance-perspektiv. Filen fungerer som dokumentation af, hvilke regler og begrænsninger der gælder for AI-agenter i et givet projekt. Det er værdifuldt for virksomheder, der skal demonstrere AI Governance og kontrol over deres AI-værktøjer i overensstemmelse med EU AI Act.
Standarden er bakket op af de største aktører i branchen. Platinum-medlemmer af Agentic AI Foundation inkluderer Amazon Web Services, Anthropic, Google, Microsoft og OpenAI. Det giver virksomheder tillid til, at formatet ikke forsvinder, og at det vil udvikle sig i takt med nye AI-kodningsværktøjer.
AGENTS.md er ikke en erstatning for god softwarearkitektur eller dokumentation. Filen kan fortælle en AI-agent, hvordan den skal arbejde i et projekt, men den kan ikke kompensere for manglende tests, uklar kodestruktur eller dårlig arkitektur. Den er et supplement til eksisterende best practices, ikke en erstatning.
Det er heller ikke det samme som værktøjsspecifikke konfigurationsfiler som CLAUDE.md (Anthropic) eller .cursorrules (Cursor). Disse filer er designet til ét specifikt værktøj og kan bruge værktøjsspecifikke funktioner. AGENTS.md er derimod værktøjsagnostisk og skriver til den laveste fællesnævner, så enhver AI-agent kan læse den. Mange teams bruger begge dele: AGENTS.md som den universelle standard og en værktøjsspecifik fil til avancerede funktioner.
Endelig er AGENTS.md ikke en sikkerhedsmekanisme i sig selv. Den kan instruere agenter om, hvad de ikke må gøre, men den håndhæver det ikke teknisk. For reel sikkerhed kræves guardrails og tekniske kontroller oven på de vejledende regler i filen.
Agentic Coding: AI-agenter, der selvstændigt skriver, tester og refaktorerer kode baseret på instruktioner.
AI Agent: Et AI-system, der handler autonomt og bruger værktøjer til at udføre opgaver.
Prompt Engineering: Teknikken bag at formulere præcise instruktioner til AI-systemer, herunder via kontekstfiler.
Agentic AI: Paradigmet for AI-systemer, der planlægger, beslutter og handler selvstændigt mod et mål.
MCP (Model Context Protocol): En åben protokol for at forbinde AI-modeller med eksterne værktøjer og datakilder, også doneret til AAIF.
Vibe Coding: En tilgang til softwareudvikling, hvor udvikleren beskriver intentionen, og AI-agenten skriver koden.