Databricks открыл исходный код Omnigent — meta-harness, который встаёт над coding-агентами вроде Claude Code, Codex и Pi. Вместо того чтобы работать с каждым агентом напрямую, Omnigent добавляет три вещи: композицию агентов в цепочки, контекстные политики и шаринг сессий в реальном времени. Всё это работает на терминале, в вебе, на десктопе и мобильном. Лицензия — Apache 2.0, статус — альфа.
Контекст
Databricks — одна из крупнейших data+AI платформ, известная по Spark, Delta Lake и MLflow. Последние два года компания активно движется в сторону AI-инфраструктуры: покупка MosaicML, собственные модели, глубокая интеграция с корпоративными данными. Omnigent — следующий логичный шаг: не просто запускать агентов, а управлять ими как системой.
Сейчас coding-агенты плодятся быстрее, чем компании успевают разобраться, что с ними делать. Claude Code от Anthropic, Codex от OpenAI, Cursor, Windsurf, Devin — у каждого свой интерфейс, своя логика, своя авторизация. В реальной команде это означает хаос: кто-то работает с одним агентом, кто-то с другим, политики безопасности не унифицированы, сессии не видны коллегам.
Omnigent претендует решить именно эту проблему. Мета-харнесс — не ещё один агент, а инфраструктурный слой: он сидит между разработчиком и агентами, управляет их цепочками (composition), задаёт правила (contextual policies) и позволяет нескольким пользователям работать в одной AI-сессии одновременно (live session sharing).
Аналитика
Ключевой сигнал здесь — не сам Omnigent, а то, что Databricks решил его опенсорснуть. Это классическая стратегия: создаёшь стандарт снизу через сообщество, потом монетизируешь энтерпрайз-слой. Именно так работал MLflow (open-source) → Databricks Managed MLflow (платный). Omnigent, скорее всего, пойдёт по той же логике: база открытая, корпоративные фичи — за подпиской.
Более широкий тренд — созревание рынка AI-агентов. Если в 2024 году все спорили «заменит ли ИИ разработчиков», в 2025–2026 вопрос сместился к «как управлять командой AI-агентов». Появляются инструменты для оркестрации (LangGraph, CrewAI, AutoGen), для наблюдаемости (LangSmith), для деплоя. Omnigent закрывает ещё одну нишу — мета-уровень управления непосредственно в рабочем процессе разработки.
Важна ставка на мультиплатформенность: терминал + веб + десктоп + мобильный. Это значит, что Omnigent метит не только в CLI-инструмент для одиночек, но и в командный продукт. Шаринг сессий в реальном времени — это фактически совместная работа двух и более людей с одним AI-агентом: паттерн «старший разработчик наблюдает за AI-сессией джуна» или «QA аудитирует действия агента» становятся реальными рабочими сценариями.
Кейсы применения в бизнесе
B2B-SaaS стартап: команда из 5–10 разработчиков параллельно использует Claude Code и Codex под разные задачи. Omnigent задаёт единые политики доступа к кодовой базе, позволяет настроить цепочку «генерация → ревью» между агентами и видеть все AI-сессии в одном месте. Результат — меньше расхождений в подходах и аудит-трейл, который пригодится при due diligence.
Корпорация с legacy: несколько команд уже «попробовали» разных AI-агентов в разных проектах — и теперь IT-безопасность требует контроля. Omnigent даёт единую точку применения политик: какой агент имеет доступ к каким репозиториям, что логируется, что запрещено. Без этого слоя всё пришлось бы кастомно настраивать в каждом агенте отдельно.
SMB / IT-студия в КР или СНГ: небольшая команда ведёт 3–5 клиентских проектов одновременно. Omnigent позволяет изолировать AI-сессии по клиентам — контекст одного проекта не попадёт случайно в другой. Плюс live session sharing открывает новый формат сдачи работы: заказчик видит в реальном времени, как агент генерирует код.
Кейсы в личной жизни
Разработчик-фрилансер: работает с несколькими клиентами и хочет использовать разных агентов под разные задачи. Omnigent позволяет переключаться и компоновать их без ручного перекидывания контекста. Плюс — сохранять сессии и возвращаться к ним через день.
Студент / junior-разработчик: учится программированию с помощью AI. Live session sharing позволяет ментору подключиться к сессии и видеть, что именно ученик спрашивает у агента — новый формат code review для AI-assisted обучения.
Контент-мейкер / технический автор: пишет документацию или туториалы по коду. Шаринг AI-сессий позволяет записать «живую» демонстрацию работы с агентом для YouTube-видео или статьи — аудитория видит весь процесс, не только конечный результат.
Omnigent — это не «ещё один агент», а слой управления. Разница такая же, как между одним контейнером Docker и Kubernetes-кластером.
Как применить сегодня
- Найти репозиторий на GitHub (поиск:
databricks/omnigent) — альфа означает нестабильный API, но уже рабочий core для тестирования. - Попробовать сценарий composition: настроить цепочку из двух агентов (генерация + ревью) и сравнить с ручным переключением по скорости и качеству.
- Если в команде уже есть Claude Code и Codex — протестировать live session sharing: один разработчик ведёт сессию, второй наблюдает. Оценить UX для онбординга новых людей.
- Изучить contextual policies — вероятно, самая ценная часть для командной работы: ограничение доступа агентов к определённым файлам или директориям через конфиг.
- Следить за roadmap проекта: в альфе ключевые API могут меняться. Подписаться на релизы репозитория, чтобы не пропустить бету.