Databricks ha rilasciato Omnigent, un framework open source progettato come un "meta-harness" per agenti AI. Concesso con licenza Apache 2.0, è stato sviluppato in collaborazione con Neon. Omnigent non è semplicemente un modello o un ambiente di esecuzione, ma una struttura che si pone sopra i singoli agenti per consentire loro di collaborare in modo fluido.
Che cosa è Omnigent
Omnigent fornisce un'interfaccia comune per agenti e SDK AI, trasformando il modo in cui vengono utilizzati. Esso avvolge agenti per sviluppatori come Claude Code, Codex e Pi, come anche SDK popolari come OpenAI Agents e Claude Agents. Il suo design si basa sull'osservazione che, non importa come un agente richiama internamente un modello, l'interfaccia visibile all'utente rimane la stessa.
Ogni messaggio o file che entra, e ogni struttura o stream di testo che esce, può essere gestito in modo uniforme da Omnigent. Questa standardizzazione rende i diversi agenti intercambiabili all'interno dello stesso sistema.
Gli utenti forniscono i modelli necessari e l’infrastruttura, mentre Omnigent li esegue al suo interno. È in grado di coordinare diversi agenti come "lavoratori intercambiabili" in un'unica infrastruttura.
Come funziona Omnigent
L'architettura di Omnigent è composta da due elementi principali:
- Un runner che incapsula qualsiasi agente in una sessione sandboxata con un'API uniforme
- Un server che permette di implementare politiche e condividere sessioni, esponendole attraverso terminale, applicazione e API web
Un singolo comando avvia una sessione nel terminale e contemporaneamente lancia un'interfaccia web a localhost:6767. La stessa sessione diventa accessibile dal browser o da dispositivi mobili, mantenendo sincronizzati messaggi, sottosessioni, terminali e file.
Il CLI di Omnigent è installabile con due nomi, omnigent e omni, intercambiabili per comodità. Al primo utilizzo, rileva automaticamente le credenziali disponibili nell'ambiente, eliminando la necessità di configurazioni articolate.
Composizione, controllo e collaborazione
I team Databricks presentano Omnigent come fondato su tre funzionalità chiave:
- Composizione, la capacità di assemblare modelli, agenti e tecniche senza riscrivere codice. Si può passare da Claude Code a Codex, Pi o agenti personalizzati con modifiche di una sola riga
- Controllo basato su politiche contestuali e stateful. Omnigent traccia le azioni compiute dagli agenti e le controlla a livello di meta-harness, non soltanto con prompt. Come esempio si può definire una pausa automatica al costo di $100, o richiedere l'approvazione manuale per effettuare
git pushuna volta installato un nuovo pacchetto npm - Collaborazione in tempo reale, condivisione di sessioni di agenti tramite URL. I membri del team possono osservare e interagire con l'agente contemporaneamente a loro piacimento: commentare file, guidare la sessione congiuntamente o creare una ramificazione in corso
Sotto questi scenari, Omnigent include una sandbox di sistema chiamata Omnibox, che può limitare l'accesso al sistema operativo e trasformare le richieste di rete. Ad esempio, è in grado di nascondere la credenziale del token GitHub agli agenti, rivelando il token solo nel egress proxy su richieste approvate.
Utilizzo e esempi
Il progetto include due esempi completi:
- Polly, un orchestratore di agenti multipli per sviluppo software. Non scrive codice da sé, pianifica e delega il lavoro a agenti concorrenti in branch git separati. Ogni differenza (diff) è inviata a un revisore diverso rispetto al venditore.
- Debby, un partner di brainstorming con due intelligenze: una è Claude, l’altra GPT. Ogni domanda viene sottoposta a entrambi, con risposte affiancate. Digitando
/debate, le due intelligenze si confrontano prima di arrivare a una conclusione.
Ognuna di queste idee può essere espansa a modelli più complessi. Un modello consigliere di frontiera può guidare un lavoratore open-source economico. Un agente principale può orchestrare sottogruppi in parallelo. Diversi modelli linguistici possono essere distribuiti in modo sequenziale per piano, ricerca e generazione.Demo interattiva'
Gli esperti di Marktechpost hanno creato una dimostrazione interattiva (presentata in una simulazione) che illustra il flusso di lavoro del meta-harness di Omnigent. Si può selezionare un compito per l’orchestratore Polly, che ne pianifica l'esecuzione e delega il lavoro a tre agenti sottoposti – Claude Code, Codex e Pi – che operano in parallelo e visualizzano in tempo reale i loro progressi.
- Si seleziona una task: ad esempio, Costruire un endpoint REST con test
- Si applicano politiche di controllo: ad esempio, metter in pausa a ogni $3.00 o richiedere approvazione per git push dopo un npm install
- Si avvia una sessione interattiva, sincronizzabile in diversi tipi di interfaccia (web, mobile, terminale)
Una simulazione del costo in tempo reale cresce mentre l’orchestratore delega il compito, interrompendo in base a determinate condizioni. Gli utilizzatori vedranno le modifiche effettuate, cross-rivedute da un modello diverso da quello che le ha eseguite, e indicate come pronte per il merge. Questa demo non utilizza modelli di linguaggio reali, ma ne simula il comportamento per illustrare la logica complessiva di Omnigent.
Omnigent vs un singolo agente
Per meglio illustrare le sue potenzialità, Omnigent si distingue nettamente da un singolo agente come Claude Code o simili.
| Capacità | Agente singolo (es. Claude Code) | Meta-harness di Omnigent |
|---|