Vercel – Eve: 'Next.js for agenter'

Hvad blev annonceret

På sin Ship 2026-konference den 17. juni lancerede Vercel eve, et open-source agent-rammeverk udgivet som npm-pakken eve under Apache 2.0-licensen. Rammeverket er udtrukket fra den fælles arkitektur, Vercel så efter at have bygget 'hundredvis af agenter' internt.

Nøglefunktioner

• Agent-som-en-mappe – hver agent er én mappe, der indeholder agent.ts, instructions.md, tools/, skills/, subagents/, channels/ og schedules/. Filtræet definerer agentens evner ved et hurtigt blik.
• Varig eksekvering med automatiske genforsøg og fastholdelse af tilstand.
• Sandbox-compute – agenter får en isoleret mikro-VM til at køre den kode, de selv skriver.
• Menneskelig godkendelse – et enkelt needsApproval-flag på ethvert værktøj kan sætte dyre eller destruktive handlinger på pause.
• Underagenter – agenter kan delegere opgaver til underagenter (samme mappestruktur) i subagents/-mappen.
• Evals til test af agentadfærd.
• Vercel Connect-integration – agenter anmoder om midlertidige, afgrænsede legitimationsoplysninger i stedet for at gemme langlivede tokens.
• Designet til at føles som at opsætte, køre og implementere en Next.js-app.

Interne adoptionsmålinger

Vercel oplyste, at de selv bygger og kører deres egne agenter på eve, og at mere end 100 agenter er i produktion hos Vercel ved hjælp af rammeverket.

Strategisk rationale

• Standardiser agentudvikling – Vercel argumenterer for, at det at bygge agenter i dag er 'hvor nettet var før frameworks', hvor alle selv udvikler den samme infrastruktur. Målet er at gøre for agenter, hvad Next.js gjorde for web-apps.
• Uddyb Agent Stack – eve er det øverste lag, der binder Vercels eksisterende agent-infrastruktur (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) sammen til én samlet udvikleroplevelse.
• Fremme platformens adoption – ved at gøre agentudvikling lige så let som at opsætte en Next.js-app, positionerer Vercel sig som den naturlige platform til at køre agenter.

Databricks – Omnigent: 'Kubernetes for agenter'

Hvad blev annonceret

I perioden 13.-18. juni 2026 åbnede Databricks Omnigent, et 'meta-harness for AI-agenter', udgivet i alfa-version under Apache 2.0-licensen. Projektet blev annonceret af Databricks' medstifter Matei Zaharia på X.

Nøglefunktioner

• Multi-agent sammensætning – placerer sig ovenpå eksisterende agentsystemer (Claude Code, OpenAI Codex, Pi, brugerdefinerede agent-SDK'er) og tilbyder en samlet grænseflade til at dirigere opgaver på tværs af dem.
• Live-samarbejde – teams kan dele live-agent-sessioner, gennemgå output sammen og guide arbejdsgange i realtid.
• Avancerede kontrolpolitikker – en stateful politikmotor, der sporer agenthandlinger og håndhæver beskyttelsesforanstaltninger, som går ud over simpel prompt-baseret kontrol, og som dækker sikkerhed, omkostninger og adgang.
• Cloud-eksekveringsmiljøer med OS-level sandboxing.
• Leverandørneutral orkestrering – designet til at forhindre lock-in til en enkelt agent-udbyder, samtidig med at central styring opretholdes.

Internt adoptionskontekst

Databricks oplyste, at Omnigent trækker direkte på erfaringer fra deres interne implementeringer af AI-agenter og fra at bygge agentbaserede produkter som Genie. Den overordnede Databricks-platform betjener mere end 20.000 organisationer og 70% af Fortune 500-virksomhederne. Databricks tilbyder også en administreret version af Omnigent som en del af deres kommercielle Agent Bricks-platform.

Strategisk rationale

• Løs fragmentering – virksomheder, der kører flere agentsystemer (Claude Code, Codex, Pi, in-house), står over for en kompleksitet, der vokser uhæmmet. Omnigent tilbyder et enkelt orkestrerings- og styringslag oven på dem alle.
• Open-source-playbook – Databricks har en dokumenteret track record i at open-source grundlæggende infrastruktur (Apache Spark, MLflow, Delta Lake) for at drive økosystem-adoption og derefter tjene penge på den administrerede enterprise-version.
• Styring som differentieringsfaktor – efterhånden som agenter bevæger sig fra eksperimenter til produktion, har organisationer brug for revisionsspor, omkostningskontrol og sikkerhedspolitikker, der tilpasser sig agenters adfærd.
• Positioner som 'Kubernetes for agenter' – hvis Omnigent bliver bredt vedtaget, kan Databricks' abstraktioner blive den standardiserede koordineringsprotokol for multi-agent-flåder, hvilket skaber en naturlig indgang til deres kommercielle platform.
• Suppler Agent Bricks – Omnigent udvider Databricks' eksisterende Agent Bricks-platform med et open-source orkestreringslag, mens den proprietære Supervisor Agent og Unity Catalog-styring forbliver en del af det kommercielle tilbud.

To strategier, ét væddemål

Vercels eve fokuserer på at gøre den enkelte agent nem at bygge, teste og implementere – et vandret værktøj for enhver udvikler, der bygger agentiske funktioner. Databricks' Omnigent fokuserer på at håndtere kaosset af flere agenter på tværs af teams og leverandører – et kontrolplan til implementering i virksomhedsskala. Begge virksomheder satser på, at open-source-adoption vil drive efterspørgslen efter deres kommercielle platforme: Vercels implementeringsinfrastruktur og Databricks' administrerede data- og AI-platform.

For udviklere, der vurderer disse værktøjer, afhænger valget af problemet: Brug eve, når du hurtigt skal bygge en enkelt agent og sende den med en velkendt udvikleroplevelse; evaluer Omnigent, når du skal orkestrere og styre en flåde af agenter på tværs af forskellige rammeverk. De to er ikke direkte konkurrenter – faktisk kan de være komplementære, hvor agenter bygget med eve til sidst orkestreres af Omnigent.

Vercel – Eve: 'Next.js for agenter'

Hvad blev annonceret

På sin Ship 2026-konference den 17. juni lancerede Vercel eve, et open-source agent-rammeverk udgivet som npm-pakken eve under Apache 2.0-licensen. Rammeverket er udtrukket fra den fælles arkitektur, Vercel så efter at have bygget 'hundredvis af agenter' internt.

Nøglefunktioner

• Agent-som-en-mappe – hver agent er én mappe, der indeholder agent.ts, instructions.md, tools/, skills/, subagents/, channels/ og schedules/. Filtræet definerer agentens evner ved et hurtigt blik.
• Varig eksekvering med automatiske genforsøg og fastholdelse af tilstand.
• Sandbox-compute – agenter får en isoleret mikro-VM til at køre den kode, de selv skriver.
• Menneskelig godkendelse – et enkelt needsApproval-flag på ethvert værktøj kan sætte dyre eller destruktive handlinger på pause.
• Underagenter – agenter kan delegere opgaver til underagenter (samme mappestruktur) i subagents/-mappen.
• Evals til test af agentadfærd.
• Vercel Connect-integration – agenter anmoder om midlertidige, afgrænsede legitimationsoplysninger i stedet for at gemme langlivede tokens.
• Designet til at føles som at opsætte, køre og implementere en Next.js-app.

Interne adoptionsmålinger

Vercel oplyste, at de selv bygger og kører deres egne agenter på eve, og at mere end 100 agenter er i produktion hos Vercel ved hjælp af rammeverket.

Strategisk rationale

• Standardiser agentudvikling – Vercel argumenterer for, at det at bygge agenter i dag er 'hvor nettet var før frameworks', hvor alle selv udvikler den samme infrastruktur. Målet er at gøre for agenter, hvad Next.js gjorde for web-apps.
• Uddyb Agent Stack – eve er det øverste lag, der binder Vercels eksisterende agent-infrastruktur (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) sammen til én samlet udvikleroplevelse.
• Fremme platformens adoption – ved at gøre agentudvikling lige så let som at opsætte en Next.js-app, positionerer Vercel sig som den naturlige platform til at køre agenter.

Databricks – Omnigent: 'Kubernetes for agenter'

Hvad blev annonceret

I perioden 13.-18. juni 2026 åbnede Databricks Omnigent, et 'meta-harness for AI-agenter', udgivet i alfa-version under Apache 2.0-licensen. Projektet blev annonceret af Databricks' medstifter Matei Zaharia på X.

Nøglefunktioner

• Multi-agent sammensætning – placerer sig ovenpå eksisterende agentsystemer (Claude Code, OpenAI Codex, Pi, brugerdefinerede agent-SDK'er) og tilbyder en samlet grænseflade til at dirigere opgaver på tværs af dem.
• Live-samarbejde – teams kan dele live-agent-sessioner, gennemgå output sammen og guide arbejdsgange i realtid.
• Avancerede kontrolpolitikker – en stateful politikmotor, der sporer agenthandlinger og håndhæver beskyttelsesforanstaltninger, som går ud over simpel prompt-baseret kontrol, og som dækker sikkerhed, omkostninger og adgang.
• Cloud-eksekveringsmiljøer med OS-level sandboxing.
• Leverandørneutral orkestrering – designet til at forhindre lock-in til en enkelt agent-udbyder, samtidig med at central styring opretholdes.

Internt adoptionskontekst

Databricks oplyste, at Omnigent trækker direkte på erfaringer fra deres interne implementeringer af AI-agenter og fra at bygge agentbaserede produkter som Genie. Den overordnede Databricks-platform betjener mere end 20.000 organisationer og 70% af Fortune 500-virksomhederne. Databricks tilbyder også en administreret version af Omnigent som en del af deres kommercielle Agent Bricks-platform.

Strategisk rationale

• Løs fragmentering – virksomheder, der kører flere agentsystemer (Claude Code, Codex, Pi, in-house), står over for en kompleksitet, der vokser uhæmmet. Omnigent tilbyder et enkelt orkestrerings- og styringslag oven på dem alle.
• Open-source-playbook – Databricks har en dokumenteret track record i at open-source grundlæggende infrastruktur (Apache Spark, MLflow, Delta Lake) for at drive økosystem-adoption og derefter tjene penge på den administrerede enterprise-version.
• Styring som differentieringsfaktor – efterhånden som agenter bevæger sig fra eksperimenter til produktion, har organisationer brug for revisionsspor, omkostningskontrol og sikkerhedspolitikker, der tilpasser sig agenters adfærd.
• Positioner som 'Kubernetes for agenter' – hvis Omnigent bliver bredt vedtaget, kan Databricks' abstraktioner blive den standardiserede koordineringsprotokol for multi-agent-flåder, hvilket skaber en naturlig indgang til deres kommercielle platform.
• Suppler Agent Bricks – Omnigent udvider Databricks' eksisterende Agent Bricks-platform med et open-source orkestreringslag, mens den proprietære Supervisor Agent og Unity Catalog-styring forbliver en del af det kommercielle tilbud.

To strategier, ét væddemål

Vercels eve fokuserer på at gøre den enkelte agent nem at bygge, teste og implementere – et vandret værktøj for enhver udvikler, der bygger agentiske funktioner. Databricks' Omnigent fokuserer på at håndtere kaosset af flere agenter på tværs af teams og leverandører – et kontrolplan til implementering i virksomhedsskala. Begge virksomheder satser på, at open-source-adoption vil drive efterspørgslen efter deres kommercielle platforme: Vercels implementeringsinfrastruktur og Databricks' administrerede data- og AI-platform.

For udviklere, der vurderer disse værktøjer, afhænger valget af problemet: Brug eve, når du hurtigt skal bygge en enkelt agent og sende den med en velkendt udvikleroplevelse; evaluer Omnigent, når du skal orkestrere og styre en flåde af agenter på tværs af forskellige rammeverk. De to er ikke direkte konkurrenter – faktisk kan de være komplementære, hvor agenter bygget med eve til sidst orkestreres af Omnigent.