Databricks 推出 Omnigent：Agent 协作新抽象

Databricks 推出「Omnigent」

团队认为：Agent 能力的瓶颈，正在从「模型/harness 本身」上移到「如何组合、治理、协作多个 Agent」。Omnigent 就是针对这一层的新抽象：meta-harness。

它要解决什么问题？ Databricks 从自身实践出发（5000+ 工程师用 coding agent、对外交付 Genie 等产品），归纳出三类真实痛点： · 用户侧：同时开 4–5 个 Agent（Claude Code、Codex、Gemini 等），在 Agent、Docs、Slack 之间反复 copy-paste · 构建侧：新 harness、SDK、模型不断出现，换工具就要重写集成逻辑 · 架构侧：高质量 Agent 系统已是「多模型 + 多 harness + 多人协作」，但每个 harness 只认自己的 session，彼此隔离

Omnigent 是什么？ 基于现有 Agent（Claude Code、Codex、Pi、自研 Agent），提供统一接口、策略层和协作层。

关键设计洞察：无论底层 harness 如何调用 LLM，对用户界面本质相同——messages + files in → text streams + tool calls out。Omnigent 据此抽象出通用 API，同时覆盖 CLI coding agent 和 SDK（OpenAI Agents、Claude Agents SDK 等）。

三大能力支柱 1. Composition（组合） · 一行配置切换 Claude Code <-> Codex <-> Pi <-> 自研 Agent · YAML 定义 custom agent，可跨 harness 移植 · 同一 Agent 内可组合不同 harness 的 subagent 内置 Polly（coding orchestrator）、Debby（model debate）示例 价值：把「选哪个 harness」从架构决策降成配置决策。

2. Control（控制） 区别于 prompt 级 guardrail，Omnigent 在 meta 层做有状态、上下文感知的策略： · 成本策略：按 session 追踪 LLM 花费，例如每 $100 暂停并请求继续 · 上下文安全策略：例如 npm 安装新包后，git push 需人工批准；Agent 只能写自己创建的 doc · OS 沙箱：灵活限制文件系统/网络；凭证对 Agent 不可见，由 egress proxy 在批准请求时注入（如 GitHub token） 价值：策略与 harness 解耦，换 Agent 不换治理逻辑。

3. Collaboration（协作） · 通过 URL 共享 live agent session · 多人同时查看 workspace 文件、评论、甚至发送命令 · 同一 Agent 可从 terminal、Web、macOS 原生 App、mobile、REST API 访问 · 可在本机或 Modal/Daytona 等托管沙箱中运行，便于安全协作 价值：Agent session 从个人终端工具，变成可共享的协作 surface。

为何 Databricks 认为这很重要？ 用 Kubernetes / Terraform 类比：工程师不再管单个进程/服务器，而是管整个 fleet。Agent 领域同理——

模型和 harness 会持续变化；你工作的抽象层不应随之反复重建。

Meta-harness 让 session、policy、skills 与具体 harness 解耦，形成可迁移的工作层。