Databricks ha annunciato Omnigent, una piattaforma open source progettata per integrare, coordinare e controllare agenti AI sviluppati con modelli e framework differenti attraverso un’unica infrastruttura operativa. Il progetto, pubblicato con licenza Apache 2.0 e sviluppato in collaborazione con Neon, affronta una delle principali complessità emerse con la diffusione degli agenti AI: la gestione simultanea di strumenti, modelli e ambienti diversi all’interno dello stesso flusso di lavoro.
L’idea alla base di Omnigent è che la prossima fase dell’evoluzione dell’intelligenza artificiale non riguardi esclusivamente modelli sempre più potenti, ma la capacità di orchestrare ecosistemi composti da numerosi agenti specializzati. In questo scenario, piattaforme come Claude Code, Codex, Pi e altri strumenti agentici non vengono considerati sistemi isolati, ma componenti intercambiabili che possono essere combinati e coordinati da un livello superiore di controllo.
Per raggiungere questo obiettivo, Databricks introduce il concetto di Meta Harness, un ulteriore livello di astrazione che si posiziona sopra i singoli framework agentici. Tradizionalmente ogni agente possiede il proprio ambiente di esecuzione, le proprie API e le proprie modalità operative. Omnigent uniforma queste differenze attraverso un’infrastruttura comune che permette di sostituire modelli, agenti e framework senza modificare il codice applicativo che li utilizza.
L’architettura è composta principalmente da due elementi. Il componente Runner esegue gli agenti all’interno di ambienti sandbox isolati e fornisce un’interfaccia API standardizzata indipendentemente dal framework utilizzato. Il componente Server gestisce invece le politiche operative, la sincronizzazione delle sessioni e la condivisione degli ambienti di lavoro tra differenti dispositivi e interfacce. Questo approccio consente di mantenere una singola sessione attiva accessibile contemporaneamente da terminale, browser web, applicazioni mobili e altri strumenti di sviluppo.
Uno degli aspetti più significativi della piattaforma riguarda la composizione dinamica degli agenti. Gli sviluppatori possono combinare modelli diversi all’interno dello stesso workflow, assegnando compiti differenti a seconda delle caratteristiche di ciascun sistema. Ad esempio, un modello particolarmente avanzato può essere utilizzato per attività di pianificazione e ragionamento, mentre modelli open source più economici possono occuparsi dell’esecuzione operativa delle attività. Questa architettura consente di ottimizzare costi e prestazioni senza dover vincolare l’intero sistema a un singolo fornitore di modelli AI.
Omnigent introduce inoltre un sistema di controllo basato sullo stato della sessione anziché sulle singole richieste. Le organizzazioni possono definire regole operative che monitorano il comportamento complessivo degli agenti durante l’esecuzione. Le policy possono intervenire automaticamente in presenza di condizioni specifiche, come il superamento di soglie di costo, modifiche a repository software o altre operazioni considerate sensibili dal punto di vista aziendale.
La piattaforma integra anche funzionalità avanzate di collaborazione. Le sessioni possono essere condivise in tempo reale tra più utenti attraverso un semplice collegamento, consentendo a sviluppatori, analisti e responsabili di progetto di osservare simultaneamente le attività degli agenti, commentare il lavoro svolto e intervenire direttamente all’interno del processo operativo. Le sessioni possono inoltre essere duplicate per creare ambienti separati destinati a test, sperimentazioni o revisioni indipendenti.
Particolare attenzione è stata dedicata alla sicurezza. Databricks ha sviluppato Omnibox, una sandbox a livello di sistema operativo progettata per intercettare e controllare le comunicazioni degli agenti verso servizi esterni. L’obiettivo è impedire che credenziali sensibili, token di accesso o altri dati riservati vengano esposti direttamente ai modelli AI. Le autorizzazioni vengono invece gestite attraverso un sistema proxy che inserisce automaticamente le credenziali soltanto nelle richieste esplicitamente autorizzate.
Per dimostrare le potenzialità della piattaforma, Databricks ha presentato due implementazioni di riferimento. Polly opera come orchestratore multi-agente per attività di sviluppo software, distribuendo automaticamente i compiti tra differenti sistemi AI e coordinando le revisioni del codice. Debby, invece, utilizza simultaneamente modelli differenti per attività di brainstorming e analisi, consentendo il confronto diretto tra le risposte generate e favorendo processi decisionali basati su più prospettive.
Con Omnigent, Databricks propone quindi una visione dell’intelligenza artificiale in cui il valore non deriva esclusivamente dai singoli modelli, ma dalla capacità di costruire una meta-infrastruttura in grado di coordinare, governare e ottimizzare interi ecosistemi di agenti AI operanti in parallelo.