Databricks Open-Sources Omnigent: Ein Meta-Harness, das KI-Agenten über Claude Code, Codex und Pi hinweg zusammenstellt, steuert und teilt

Databricks veröffentlicht Allmächtigein Open-Supply-Meta-Harness für KI-Agenten. Das Projekt wird unter der Apache 2.0-Lizenz ausgeliefert. Das Databricks AI-Crew hat es mit Neon erstellt.

Ein Harness ist die Hülle um ein Modell, die es in einen Agenten verwandelt. Claude Code, Codex und Pi sind Geschirre. Omnigent sitzt eine Ebene über ihnen. Es behandelt jeden Gurt als austauschbaren Teil eines größeren Techniques.

Viele Ingenieure jonglieren mittlerweile mit vier oder fünf Agenten gleichzeitig. Sie kopieren Textual content zwischen Codierungsagenten, Suchtools, Dokumenten und Slack. Jeder Gurt versteht nur seine eigenen Sitzungen. Omnigent fügt eine gemeinsame Ebene hinzu, auf der Komposition, Kontrolle und Zusammenarbeit stattfinden.

Was ist allmächtig?

Omnigent ist eine gemeinsame Schnittstelle über Befehlszeilen-Agenten und Agent-SDKs. Es umschließt Terminal-Codierungsagenten wie Claude Code, Codex und Pi. Es umschließt auch SDKs wie OpenAI Brokers und das Claude Brokers SDK.

Der Entwurf basiert auf einer Beobachtung. Unabhängig davon, wie ein Kabelbaum sein Modell intern aufruft, ist die Benutzeroberfläche dieselbe. Nachrichten und Dateien gehen ein. Textströme und Toolaufrufe kommen heraus. Omnigent standardisiert diese Schnittstelle, sodass Kabelbäume austauschbar werden.

Sie liefern die Modelle und die Infrastruktur. Omnigent führt die Agenten an der Spitze aus. Es kann mehrere von ihnen als austauschbare Mitarbeiter unter einem Orchestrator koordinieren.

Wie Omnigent funktioniert

Die Architektur besteht aus zwei Teilen. Ein Runner umhüllt jeden Agenten in einer Sandbox-Sitzung mit einer einheitlichen API. Ein Server stellt Richtlinien und Freigaben bereit. Der Server stellt jede Sitzung über das Terminal, die App und Internet-APIs bereit.

Ein Befehl startet eine Sitzung in Ihrem Terminal. Außerdem wird eine lokale Internet-Benutzeroberfläche unter gestartet localhost:6767. Dieselbe Sitzung wird im Browser oder auf einem Telefon angezeigt. Nachrichten, Subagenten, Terminals und Dateien bleiben synchron.

Die CLI wird unter zwei Namen installiert: omnigent Und omni. Sie sind austauschbar. Bei der ersten Ausführung werden Modellanmeldeinformationen erkannt, die sich bereits in Ihrer Umgebung befinden.

Zusammensetzung, Kontrolle und Zusammenarbeit

Das Databricks-Crew orientiert sich bei Omnigent an drei Fähigkeiten:

• Zusammensetzung bedeutet, Modelle, Harnesse und Techniken zu kombinieren, ohne Code neu zu schreiben. Sie wechseln zwischen Claude Code, Codex, Pi und benutzerdefinierten Agenten mit einzeiligen Änderungen.
• Kontrolle bedeutet zustandsbehaftete, kontextbezogene Richtlinien. Sie verfolgen Agentenaktionen und erzwingen Leitplanken auf der Meta-Harness-Ebene, nicht über Eingabeaufforderungen. Ein Beispiel: Ein Agent pausiert nach jeweils 100 US-Greenback, die er ausgibt. Ein anderer erfordert die Zustimmung des Menschen git push Sobald der Agent ein neues npm-Paket installiert.
• Zusammenarbeit bedeutet, Reside-Agentensitzungen per URL zu teilen. Teamkollegen beobachten den Agenten bei der Arbeit und chatten in Echtzeit mit ihm. Sie können Dateien kommentieren, die Sitzung mitleiten oder die Konversation aufteilen.

Untermauert wird dies durch eine Betriebssystem-Sandbox namens Omnibox. Es kann den Zugriff auf das Betriebssystem sperren und Netzwerkanforderungen umwandeln. Beispielsweise kann es Ihr GitHub-Token vor dem Agenten verbergen. Das Token wird nur bei genehmigten Anfragen in den Egress-Proxy eingefügt.

Anwendungsfälle und Beispiele

Im Lieferumfang des Repositorys sind zwei Beispielagenten enthalten:

• Polly ist ein Multi-Agent-Kodierungs-Orchestrator. Es schreibt selbst keinen Code. Es plant und delegiert die Arbeit dann an Codierungs-Subagenten in parallelen Git-Arbeitsbäumen. Jeder Diff wird an einen Prüfer von einem anderen Anbieter als dem Autor weitergeleitet. Sie führen das Ergebnis zusammen.
• Debby ist ein Brainstorming-Accomplice mit zwei Köpfen. Ein Kopf ist Claude, der andere GPT. Jede Frage geht an beide, wobei die Antworten nebeneinander angezeigt werden. Typ /debate und die Köpfe kritisieren sich gegenseitig, bevor sie sich annähern.

Andere praktische Muster folgen der gleichen Type. Ein Frontier-Advisor-Modell kann einen günstigeren Open-Supply-Mitarbeiter unterstützen. Ein Lead-Agent kann parallele Subagenten orchestrieren. Verschiedene LLMs können Planung, Suche und Codegenerierung in einem Ablauf abwickeln.

Interaktive Konzeptdemo

Das Marktechpost-Crew hat eine interaktive Demo (unten) erstellt, mit der Sie den Meta-Harness-Workflow von Omnigent aus erster Hand erleben können. Sie wählen eine Aufgabe für die Polly Orchestrator, der es plant und an drei Unteragenten delegiert: Claude Code, Codex und Pi die parallel laufen und ihre Schritte reside streamen. Ein Sitzungskostenmesser tickt, während sie arbeiten, und die beiden Richtlinienschalter zeigen die Kontrollebene von Omnigent in Aktion: Das Kostenbudget pausiert den Lauf bei 3,00 $ für Ihre Genehmigung, und eine kontextbezogene Richtlinie stoppt a git push Das folgt einer NPM-Set up, bis Sie es zulassen. Sobald die Unteragenten fertig sind, wird jedes Diff von einem anderen Anbieter als dem, der es geschrieben hat, einer Gegenprüfung unterzogen und dann als bereit für die Zusammenführung markiert. Auf den Registerkarten „Terminal“, „Internet“ und „Mobil“ wird dieselbe Sitzung angezeigt, die über alle Schnittstellen hinweg synchron bleibt. Es handelt sich um eine anschauliche Simulation, es werden keine Reside-Modelle aufgerufen.

Omnigent vs. ein einzelnes Geschirr

Erste Schritte

Omnigent benötigt Python 3.12+, Node.js 22 LTS und tmux. Ein Befehl installiert alles:

curl -fsSL https://omnigent.ai/set up.sh | sh

Richten Sie dann die Modellanmeldeinformationen ein:

Omnigent akzeptiert vier Anmeldeinformationstypen. Dabei handelt es sich um einen Erstanbieter-API-Schlüssel und ein Claude- oder ChatGPT-Abonnement. Die anderen sind ein OpenAI- oder Anthropic-kompatibles Gateway und ein Databricks-Arbeitsbereich. Der /mannequin Der Befehl schaltet die Modelle während der Sitzung um.

Ein benutzerdefinierter Agent ist eine kurze YAML-Datei. Es deklariert eine Eingabeaufforderung, einen Kabelbaum, Instruments und optionale Subagenten.

title: my_agent
immediate: You're a useful knowledge analyst.

executor:
  harness: claude-sdk          # or: codex, codex-native, claude-native, openai-agents, pi

instruments:
  researcher:
    kind: agent
    immediate: Seek for related data and summarize it.

Führen Sie es mit einem Befehl aus:

omnigent run path/to/my_agent.yaml

Richtlinien verwenden denselben YAML-Ansatz. Diese eingebauten Kappen werden zunächst mit einer sanften Warnung ausgegeben:

Insurance policies use the identical YAML method. This builtin caps spend with a delicate warning first:

insurance policies:
  funds:
    kind: operate
    handler: omnigent.insurance policies.builtins.price.cost_budget
    factory_params:
      max_cost_usd: 5.00          # onerous spend cap
      ask_thresholds_usd: (3.00)  # delicate warning on the way in which

Richtlinien sind auf drei Ebenen gestapelt. Sie gelten serverweit, professional Agent und professional Sitzung. Zuerst werden die strengeren Sitzungsregeln überprüft.

Stärken und Grenzen

Stärken

• Eine Schnittstelle zu Claude Code, Codex, Pi und benutzerdefinierten Agenten
• Sitzungen sind über Terminal, Internet, Desktop und Telefon erreichbar
• Richtlinien, die den Standing verfolgen, nicht nur zulassen oder verweigern
• Die Reside-Sitzungsfreigabe ersetzt das Kopieren und Einfügen zwischen Instruments
• Cloud-Sandboxen auf Modal und Daytona benötigen keinen lokalen Laptop computer
• Apache 2.0-Lizenz mit Zielen wie Fly.io, Railway und Render

Einschränkungen

• Das Projekt befindet sich in der Alpha-Section und befindet sich noch in einem frühen Stadium seines Lebenszyklus
• Es erfordert die Einrichtung von Python, Node.js und tmux
• Sie bringen Ihre eigenen Modelle, Infrastruktur und Ausgaben mit
• Roadmap-Artikel wie der Omnigent Server MCP werden noch nicht ausgeliefert
• Teamkollegen außerhalb des Netzwerks benötigen einen ständig aktiven Server, um beitreten zu können

Schauen Sie sich das an Repo, Schnellstart, Und Technische Particulars . Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 150k+ML SubReddit und Abonnieren Unser E-newsletter. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Möchten Sie mit uns zusammenarbeiten, um Ihr GitHub-Repo ODER Ihre Hugging Face Web page ODER Produktveröffentlichung ODER Ihr Webinar usw. zu bewerben? Vernetzen Sie sich mit uns