Omnigent

最近Databricks开源了一个重磅项目——Omnigent它被定义为**AI Agent的Meta-Harness（元马具/元层）。简单来说，它不是另一个单一AI编码代理，而是坐在Claude Code、OpenAI Codex、Pi以及你自定义Agent之上的统一层，让开发者能轻松组合、控制和实时协作**多个Agent，极大提升复杂AI工作流的效率。

Omnigent 网站截图

在AI Agent快速发展的今天，单个工具往往难以应对复杂任务。工程师们需要混合不同模型、编排多Agent工作流，但现有Harness（Claude Code等）之间难以互操作，控制和协作也成难题。Omnigent正是为此而生，它像一个“AI Agent的Kubernetes”，提供统一的接口和强大治理能力，目前处于Alpha阶段，Apache 2.0开源，欢迎大家试用反馈。

Omnigent三大核心价值

1. Composition（组合）——无缝混用多模型与Agent Omnigent允许你无需重写代码，就能组合多个模型、Harness和技术。一行配置即可在Claude Code、Codex、Pi和你自己的自定义Agent之间切换或并行使用。

内置Polly & Debby等多Agent：Polly是编码编排器，Debby支持模型辩论。你还可以用YAML轻松构建自己的Agent团队。想象一下，让擅长不同任务的AI“工人”协同作战，处理复杂编码、研究或自动化流程，效率翻倍。这解决了单一Agent的局限，让多Agent系统真正落地。

2. Control（控制）——安全、可控的Agent运行环境 传统Prompt工程难以可靠控制Agent行为，而Omnigent在Meta层提供状态化、数据中心的策略（Contextual Policies）：

• 状态化花费上限（spend caps）
• 智能模型路由
• 风险-based升级机制

更强大的是Secure OS Sandbox：严格限制文件系统和网络访问，隐藏凭证，通过代理安全访问。支持“YOLO模式”（大胆运行）但保持安全。所有控制都在Harness层实现，而非脆弱的Prompt提示，让你敢放手让Agent自主运行，而不用时刻盯着。

这对企业级应用或处理敏感数据的场景特别友好，大幅降低风险。

3. Collaboration（协作）——实时共享与多端访问 Omnigent支持通过URL分享实时Agent会话，包含完整历史。团队成员可以从任意设备（终端、Web、原生App、移动端）加入，实时查看、评论和引导Agent执行。历史记录透明，极大提升团队协作效率，尤其适合远程分布式开发团队。

架构与使用体验

Omnigent的架构简洁强大：

• Runner：将任何Agent包装在沙箱化的统一会话中。
• Server：添加策略、共享历史，并通过多种接口暴露（终端、Web、App、REST API）。

部署灵活，支持Docker快速启动，也可部署到云平台。开发者可轻松集成现有工作流。

谁适合使用Omnigent？

• 独立开发者：想实验多Agent组合，快速迭代项目。
• 工程团队：需要治理复杂AI编码任务、控制成本和安全。
• AI研究者和企业：追求可控、可协作的生产级Agent系统。

作为Databricks CTO Matei Zaharia团队基于内部需求快速开发的项目（仅用6周），Omnigent体现了顶级团队对AI工程化的务实思考。它不是取代现有工具，而是让它们组成更强大的生态。

如何开始？

1. 访问官网或 GitHub
2. 加入Discord社区获取最新反馈和支持。
3. 通过Docker或源码快速部署，配置你的API Keys，即可启动Agent会话。

Omnigent目前仍是Alpha，但已展现巨大潜力。随着社区贡献，它有望成为AI Agent领域的标准层。

在AI从单一模型向Agentic系统演进的浪潮中，Omnigent提供了一个统一、可控、协作的底座。如果你正在构建复杂AI应用，或对多Agent编排感兴趣，强烈推荐立即体验。它或许会成为你下一个生产力飞跃的关键工具！