Databricks ha introdotto Unity Gateway CLI, uno strumento da riga di comando progettato per collegare i coding agent utilizzati dagli sviluppatori a Unity Gateway e centralizzare la gestione di modelli, strumenti, configurazioni di sicurezza e politiche di spesa. Il nuovo sistema utilizza il comando ug e permette alle aziende di lasciare ai team di sviluppo la possibilità di lavorare con agenti e modelli differenti senza dover gestire separatamente controlli di accesso, budget, policy e registrazione dell’utilizzo per ciascuna piattaforma. Databricks colloca il rilascio in un contesto nel quale il ricambio dei modelli è diventato particolarmente rapido: negli ultimi sei mesi sono arrivati sistemi come GPT-6, Claude Opus 5.5, Gemini 3.8 e Grok 4.7, insieme a modelli open-weight come Kimi K3, GLM-5 e DeepSeek V4.1, con un ritmo che l’azienda quantifica in circa un nuovo modello frontier ogni cinque giorni. Standardizzare l’intera infrastruttura su un solo fornitore può quindi impedire di adottare rapidamente alternative più performanti o meno costose, mentre supportare contemporaneamente numerosi provider tende a frammentare i meccanismi di controllo.
Unity Gateway consente agli amministratori di configurare da un’unica console i modelli predefiniti, i server MCP, le skill, Smart Routing e le politiche di spesa attraverso la sezione Govern e quindi Agent Configuration. Una volta pubblicata una configurazione, lo sviluppatore può avviare uno degli agenti supportati attraverso la CLI: ug autentica l’utente, collega l’agente selezionato a Unity Gateway, applica automaticamente le impostazioni definite centralmente e quindi apre la normale interfaccia dell’agente. In questo modo è possibile passare da un agente abilitato a un altro senza doverlo configurare manualmente ogni volta. Le organizzazioni possono inoltre distribuire ug attraverso i propri sistemi di device management, predisponendo la stessa configurazione per tutti gli utenti e bloccando alcune impostazioni quando necessario.
Quando viene reso disponibile un nuovo agente o un nuovo modello, gli amministratori possono impostarlo come configurazione iniziale consigliata e pubblicare la modifica per l’intero gruppo di sviluppatori. Alla successiva esecuzione di ug, la CLI sincronizza la configurazione aggiornata e avvia l’agente raccomandato con il modello scelto. Le impostazioni possono essere cambiate successivamente sulla base della qualità dei modelli, del costo o delle necessità dei singoli team e possono essere applicate anche in maniera più selettiva, per esempio introducendo gradualmente un nuovo modello soltanto per determinati gruppi di utenti. Lo stesso meccanismo permette di distribuire strumenti MCP e skill condivise, mettendo a disposizione degli sviluppatori tool autorizzati e workflow già predisposti indipendentemente dall’agente utilizzato.
La CLI supporta la configurazione di Codex, Claude Code, Gemini CLI, OpenCode, GitHub Copilot CLI e Pi, mentre Cursor Agent può essere collegato attraverso la registrazione del relativo server MCP. Gli agenti vengono eseguiti attraverso Databricks AI Gateway. Per utilizzare Unity Gateway CLI sono richiesti Python 3.12 o versione successiva e uv; npm diventa necessario nei casi in cui la CLI debba installare automaticamente un agente che lo utilizza. L’installazione può essere eseguita tramite un singolo comando uv tool install riferito al repository di Unity Gateway.
Al primo avvio di un agente basato su modello, ug richiede la selezione di un workspace Databricks, effettua l’autenticazione dell’utente e scrive localmente la configurazione necessaria all’agente. Le esecuzioni successive riutilizzano workspace e credenziali già memorizzati. I precedenti comandi ucode continuano a funzionare e anche il package Python mantiene il nome ucode per ragioni di compatibilità. Prima di sovrascrivere un file di configurazione esistente, ug ne crea inoltre una copia di backup; attraverso ug revert è possibile ripristinare i file salvati in precedenza.
I server MCP Databricks vengono registrati localmente come server stdio che eseguono ug mcp-proxy. Il proxy si occupa anche dell’aggiornamento dei token OAuth Databricks utilizzando il profilo CLI dell’utente. Le skill provenienti da Unity Catalog possono invece essere registrate come strumenti MCP oppure scaricate direttamente nelle directory locali utilizzate dagli agenti. Tra i comandi disponibili figurano inoltre ug status, per controllare lo stato della configurazione, ug doctor, destinato alla diagnostica, ug usage, utilizzato per visualizzare consumo e budget, e ug upgrade per l’aggiornamento della CLI. La documentazione Databricks considera ug il metodo consigliato per collegare i coding agent a Unity Gateway, in alternativa alla configurazione manuale degli endpoint e dell’autenticazione, e permette anche di cambiare modello durante una sessione tramite /model oppure di aggiungere strumenti e skill con ug mcp add e ug skills add.
Il repository è distribuito con la Databricks License, che consente di visualizzare, utilizzare, copiare, modificare, pubblicare e distribuire il software a condizione che venga impiegato all’interno dei servizi Databricks o per collegarsi a essi. La licenza prevede inoltre condizioni specifiche per la redistribuzione e la cessazione automatica dei diritti concessi in caso di violazione delle condizioni previste.
Una delle funzioni centrali del sistema riguarda il controllo dei costi. Gli amministratori possono attivare Smart Routing in maniera centralizzata, facendo in modo che le attività più semplici vengano instradate verso modelli meno costosi e quelle più complesse verso modelli con capacità superiori. Il routing può scegliere un modello per la sessione principale e un modello differente per eventuali attività delegate dall’agente a un subagent, senza richiedere allo sviluppatore di selezionare manualmente il modello per ciascun compito. Databricks riferisce che, nel proprio benchmark interno dedicato al coding, Smart Routing ha prodotto una riduzione dei costi del 35%.
Unity Gateway permette inoltre di stabilire configurazioni predefinite sensibili al budget. Al raggiungimento di determinate soglie di spesa, il sistema può raccomandare agenti o modelli meno costosi per le nuove sessioni, senza interrompere quelle già in corso. Lo sviluppatore può verificare direttamente tramite ug usage quanto è stato consumato e quale budget rimane disponibile.
Il controllo centralizzato si estende anche alla tracciabilità delle attività degli agenti. Unity Gateway può registrare trace che comprendono chiamate a strumenti locali e utilizzo delle skill; gli amministratori abilitano la funzione centralmente e ug configura i client compatibili affinché esportino i dati nella tabella unificata delle trace del lakehouse. Questi dati possono quindi essere analizzati con Genie per individuare problemi ricorrenti negli strumenti, risposte eccessivamente grandi e altre situazioni che generano consumo inutile di token. Databricks ha utilizzato internamente questo sistema insieme a Genie One per individuare e correggere sette bug relativi a strumenti MCP, stimando un risparmio annuale di circa 1,2 milioni di dollari tra spesa AI evitata e produttività recuperata.
La piattaforma è già utilizzata anche in ambienti aziendali esterni. John Xing, CTO di Concurrence, ha spiegato che Unity Gateway CLI consente alla società di far transitare attraverso un unico collegamento controllato tutto il traffico verso modelli e strumenti generato dai coding agent, mantenendo l’attribuzione delle richieste fino al singolo utente e limitando l’accesso ai modelli e agli strumenti MCP approvati. Dall’introduzione del sistema, gli agenti utilizzati da Concurrence hanno elaborato oltre 61 miliardi di token in input attraverso circa 360.000 richieste, mentre utilizzo e spesa possono essere monitorati centralmente.
Databricks utilizza a sua volta Unity Gateway CLI nella propria organizzazione di engineering per distribuire nuovi modelli e modifiche destinate all’ottimizzazione dei costi senza cambiare il normale flusso di lavoro degli sviluppatori. L’obiettivo operativo è separare la scelta dell’interfaccia e dell’agente utilizzato dal singolo sviluppatore dalla gestione aziendale di modelli, strumenti, autenticazione, tracciamento e spesa, facendo passare queste funzioni attraverso un livello comune di configurazione e controllo.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)