Databricks busca integrar Claude Code, Codex e Cursor em uma única sessão
Databricks apresenta Omnigets, uma nova camada para a orquestração de agentes de IA no Data + AI Summit 2026.
A Databricks revelou um projeto inovador chamado Omnigets durante o Data + AI Summit 2026. A proposta visa integrar diversos agentes de inteligência artificial, permitindo que operem em conjunto dentro de uma mesma sessão, sem a necessidade de copiar e colar informações entre eles.
Omnigets é descrito como um meta-harness, uma camada que se sobrepõe aos agentes existentes. O cofundador da Databricks, Matei Zaharia, explicou que essa solução foi desenvolvida como um projeto de código aberto, que não requer um banco de dados para funcionar, podendo ser executado em qualquer ambiente.
A proposta central do Omnigets é a padronização. Cada harness de agente é um software distinto, frequentemente ajustado para um modelo específico. Com a implementação do Omnigets, uma interface unificada é criada, facilitando a colaboração e o compartilhamento entre diferentes agentes.
Características do Omnigets
O Omnigets foi projetado para funcionar com os agentes de codificação existentes, e novos agentes foram adicionados em resposta às solicitações dos usuários. Além disso, ele é compatível com agentes personalizados, desenvolvidos a partir de kits como o OpenAI Agent SDK.
Interoperabilidade entre agentes
A Databricks defende que o futuro da inteligência artificial corporativa não será dominado por um único agente, mas por um ecossistema de agentes especializados que precisam interagir. Atualmente, cada agente opera em um ambiente isolado, o que gera desafios práticos para os usuários, que frequentemente precisam transferir manualmente o contexto entre ferramentas.
O Omnigets visa resolver esse problema, permitindo que diferentes agentes se comuniquem dentro de um espaço comum, em vez de depender de um único agente para todas as tarefas.
Coordenação de múltiplos agentes
O objetivo do Omnigets não é substituir agentes como Claude Code, Codex ou Cursor, mas sim coordená-los. Durante a apresentação, Zaharia demonstrou como um desenvolvedor pode iniciar uma tarefa em um agente e, em seguida, transferir o trabalho para outro agente sem perder o contexto acumulado.
Além disso, a plataforma permite que o mesmo trabalho seja acessado simultaneamente por diferentes superfícies, incluindo web, aplicativos móveis e através de uma API REST. A colaboração se estende também a equipes, permitindo que engenheiros compartilhem sessões e interajam com os agentes em tempo real.
Arquitetura do Omnigets
A arquitetura do Omnigets é composta por dois componentes principais: um runner e um servidor opcional. O runner gerencia a execução dos agentes e aplica controles de segurança, enquanto o servidor opcional oferece um histórico centralizado, um catálogo para compartilhamento de agentes e configurações de segurança.
Esses componentes são projetados para fornecer uma interface uniforme, independentemente do tipo de agente, e a camada é desenvolvida como código aberto, podendo ser utilizada em qualquer lugar.
Segurança e controle de custos
Um dos aspectos destacados por Zaharia foi o modelo de controle, que propõe políticas contextuais onde as permissões variam de acordo com as ações anteriores do agente. Por exemplo, se um agente acessar informações confidenciais, ele pode ser restrito em suas ações subsequentes.
Além disso, os usuários podem definir limites de gastos para as tarefas executadas pelos agentes, garantindo um controle financeiro mais eficaz. Para aumentar a segurança, a Databricks implementou um sandbox flexível para proteger o sistema operacional.
Diferença entre Omnigets e Agent Bricks
Enquanto o Omnigets atua como uma camada de orquestração, o Agent Bricks é a plataforma onde os agentes são construídos e executados. O Omnigets se concentra na coordenação e na colaboração entre agentes, enquanto o Agent Bricks fornece o ambiente necessário para que esses agentes operem.
Em resumo, o Omnigets define como os agentes interagem, enquanto o Agent Bricks estabelece o ambiente e a governança que sustentam esses agentes, sendo ambos complementares em vez de concorrentes.
Impacto do Omnigets no mercado corporativo de IA
O lançamento do Omnigets representa uma mudança significativa na abordagem do mercado de IA, onde
