Databricks vil samle AI-agenter i én styrt arbeidsflate

Databricks lanserer Omnigent som åpen kildekode. Selskapet kaller det et “meta-harness”: et kontrollag over agentverktøy som Claude Code, Codex, Pi og egne agenter.

Poenget er ikke enda en chatbot. Poenget er at virksomheter allerede bruker flere agentmiljøer samtidig, men mangler et felles sted å styre dem. Databricks beskriver en hverdag der utviklere har fire-fem agenter åpne, kopierer kontekst mellom verktøy, og prøver å få ulike harness, modeller og SDK-er til å samarbeide.

Omnigent skal ligge over disse verktøyene. Det tilbyr ett grensesnitt for terminal, web, skrivebord og mobil. Agenter kan kjøres i egne sesjoner, deles med kolleger og styres med policyer. Databricks sier løsningen er publisert under Apache 2.0.

Dette er en viktig retning for enterprise-AI. De første agentprosjektene ble ofte solgt som enkle arbeidsflyter: gi modellen et mål, la den bruke verktøy, få et resultat. I praksis har virksomheter raskt endt opp med mer kompliserte oppsett. Én agent gjør research. En annen skriver kode. En tredje tester. En fjerde sjekker policy. Noen kjører lokalt. Andre i skyen. Noen har tilgang til produksjonsdata, andre skal aldri ha det.

Da holder det ikke med gode prompts. Det trengs et styringslag.

Databricks peker på tre områder: komposisjon, kontroll og samarbeid. Komposisjon betyr at ulike modeller, harness og agenter kan byttes eller kombineres uten at alt må skrives om. Kontroll betyr at regler legges i meta-laget, ikke bare i prompten. Samarbeid betyr at live agent-sesjoner kan deles, kommenteres og styres av flere personer.

Særlig kontrollsporet er relevant for CIO og CISO. Databricks beskriver policyer som kan følge dynamisk tilstand i en agentsesjon. Et eksempel er at en agent som har lastet ned en ny npm-pakke, må ha menneskelig godkjenning før den får pushe til Git. Et annet er at agenten bare får skrive til dokumenter den selv har opprettet. Løsningen kan også pause en agent når kostnaden passerer en terskel, for eksempel 100 dollar.

Dette er mer håndfast enn den vanlige praten om “AI governance”. Her handler governance om konkrete beslutninger før agenten får handle: hvilke filer kan røres, hvilke nettverkskall kan sendes, hvilke hemmeligheter kan skjules, når må et menneske inn, og hvor mye penger kan en sesjon bruke.

Databricks inkluderer også en OS-sandkasse fra eget sikkerhetsteam. Den skal kunne låse ned operativsystemtilgang og avskjære eller endre nettverkstrafikk. Selskapet bruker som eksempel at en agent ikke skal få se en GitHub-token direkte, men at token kan injiseres i en egress-proxy bare for godkjente forespørsler.

For norske virksomheter er dette interessant fordi agentbruk nå flytter seg fra individuell produktivitet til delt produksjonsarbeid. Når én utvikler eksperimenterer med en kodeagent, er risikoen begrenset. Når et team bygger faste arbeidsløp der agenter kan lese kode, skrive filer, kjøre tester, åpne pull requests og bruke interne API-er, blir det en drifts- og sikkerhetsmodell.

Da må virksomheten kunne svare på noen enkle spørsmål. Hvem eier agentsesjonen? Hvem kan se den? Hvilke verktøy fikk agenten bruke? Hvilke data ble lest? Hvilke kostnader påløp? Hvilke handlinger ble blokkert? Hvilke handlinger krevde godkjenning? Uten slike svar blir agentbruk vanskelig å revidere.

Omnigent er ikke alene om å peke i denne retningen. Microsoft, GitHub, Anthropic og flere andre bygger også rundt agentstyring, sandkasser og observerbarhet. Det som gjør Databricks-lanseringen interessant, er at den tydelig flytter diskusjonen opp ett nivå: fra hvilken modell som er best, til hvordan virksomheten kan styre mange agenter på tvers av modeller og verktøy.

Det er sannsynligvis der de neste 12 månedene avgjøres for enterprise-agentene. Ikke i demoen, men i kontrollplanet rundt den.

Kilder og medier

• Primærkilde: Databricks, “Introducing Omnigent: A Meta-Harness to Combine, Control and Share Your Agents”, https://www.databricks.com/blog/introducing-omnigent-meta-harness-combine-control-and-share-your-agents
• Kildekreditering: Databricks beskriver Omnigent som åpen kildekode under Apache 2.0, med støtte for agentverktøy som Claude Code, Codex, Pi og egne agenter.
• Thumbnail: OpenAI Image 2 / hogby.ai