Omnigent: Databricks' neuer Open-Source-Meta-Harness zum Komponieren, Steuern und Teilen von KI-Agenten

Databricks hat Omnigent als Open-Source-Projekt veröffentlicht – einen sogenannten „Meta-Harness“, der ein zentrales Problem für Entwickler lösen soll: die Zersplitterung der KI-Programmieragenten. Anstatt bestehende Werkzeuge wie Claude Code, OpenAI Codex oder Pi zu ersetzen, legt sich Omnigent als übergeordnete Schicht darüber. So entsteht eine einheitliche Oberfläche, auf der Arbeit, Kontext und Steuerungseinstellungen erhalten bleiben, selbst wenn Entwickler zwischen verschiedenen Agenten wechseln .

Was ist ein Meta-Harness und warum ist er wichtig?

In der heutigen KI-Landschaft ist ein „Harness“ die Software-Hülle, die ein großes Sprachmodell (Large Language Model) in einen funktionsfähigen Agenten verwandelt, der mit Tools interagieren, Code schreiben und Aufgaben ausführen kann. Das Problem, das Databricks und frühe Nutzer beschreiben: Jeder dieser Harnesse ist eine eigene, abgeschottete Insel. Claude Code merkt sich zwar seine eigenen Sitzungen und Regeln, doch dieser Kontext geht sofort verloren, sobald ein Entwickler für eine bestimmte Teilaufgabe Codex oder Pi nutzen muss .

Omnigent, das am 13. Juni 2026 als Apache-2.0-Open-Source-Projekt freigegeben wurde , ist nicht noch ein weiterer KI-Agent. Es ist ein „Meta-Harness“, eine übergeordnete Instanz, die auf den bereits genutzten Agenten aufsetzt und ihnen eine gemeinsame Laufzeitschicht für Komposition, Kontrolle und Kollaboration bereitstellt . Entwickler bringen ihre eigenen Modelle, API-Schlüssel und Infrastruktur mit; Omnigent sorgt dafür, dass Sitzungen und Richtlinien unabhängig davon bestehen bleiben, welcher Agent darunter gerade arbeitet .

Die drei Grundpfeiler von Omnigent

Die Mission von Omnigent, der Zersplitterung der Agentenlandschaft ein Ende zu bereiten, basiert auf drei zentralen Fähigkeiten :

1. Komposition
Omnigent ermöglicht es Entwicklern, mehrere Agenten-Harnesse und große Sprachmodelle zu kombinieren, ohne ihren gesamten Workflow neu schreiben zu müssen. Dazu gehört das Bilden von Multi-Agenten-Teams, bei denen verschiedene Harnesse unterschiedliche Teile einer Aufgabe bearbeiten, oder sogar der Austausch eines Modells gegen ein anderes – mitten in einer laufenden Sitzung – mit nur einer einzigen Konfigurationszeile .

2. Kontrolle
Ohne eine gemeinsame Schicht müssen Governance-Richtlinien wie Kostenlimits oder Zugriffsregeln für jedes einzelne Tool neu implementiert werden. Omnigent führt zustandsbehaftete, datenzentrierte Richtlinien und Kostenbudgets ein, die auf der Meta-Harness-Ebene durchgesetzt werden. So folgen die Regeln stets der Arbeit und nicht dem spezifisch verwendeten Werkzeug .

3. Kollaboration
Der vielleicht direkteste Mehrwert ist die Möglichkeit, laufende Agentensitzungen in Echtzeit zu teilen. Ein Entwickler kann eine komplexe Aufgabe auf seinem Desktop-Terminal beginnen, die exakt gleiche Sitzung auf seinem Smartphone fortsetzen und sie per URL-Link mit einem Teammitglied zur direkten Zusammenarbeit teilen .

Erste Schritte: Lizenzierung, Installation und Repository

Omnigent ist vollständig quelloffen und unter der freizügigen Apache-2.0-Lizenz veröffentlicht . Das Projekt befindet sich derzeit im Alpha-Status, steht Entwicklern also bereits zur Nutzung und für Beiträge zur Verfügung, ist aber möglicherweise noch nicht in allen Funktionen vollständig oder absolut stabil .

• Lizenz: Apache 2.0 .
• GitHub-Repository: github.com/omnigent-ai/omnigent .
• Schnellstart-Installation: Eine Kurzanleitung finden Sie unter omnigent.ai/quickstart/install .
• Offizielle Dokumentation: Die vollständige Dokumentation ist unter omnigent.ai zu finden .

Das Projekt wurde von Matei Zaharia vorgestellt, dem ursprünglichen Erfinder von Apache Spark, und in Zusammenarbeit mit Neon entwickelt .

Zeitlicher Ablauf und der Data + AI Summit 2026

Omnigent wurde am 13. Juni 2026 als Open Source freigegeben , nur zwei Tage vor dem Flaggschiff-Event von Databricks, dem Data + AI Summit 2026, der vom 15. bis 18. Juni im Moscone Center in San Francisco stattfindet . Durch diesen Veröffentlichungszeitpunkt wird Omnigent unmittelbar zu einem zentralen Gesprächsthema auf der weltweit größten Konferenz für Daten- und KI-Experten.

Omnigent vs. Agent Bricks: Zwei unterschiedliche Werkzeuge für verschiedene Anforderungen

Ein häufiger Punkt der Verwirrung ist die Frage, wie Omnigent mit der Enterprise-Plattform von Databricks, Agent Bricks, zusammenhängt. Die kurze Antwort: Sie ergänzen sich, richten sich aber an völlig unterschiedliche Nutzer und lösen andere Probleme. Omnigent ist ein schlankes, dezentrales Entwicklerwerkzeug zur Koordination mehrerer Agenten von Drittanbietern. Agent Bricks ist eine zentralisierte, streng kontrollierte Enterprise-Plattform zum Erstellen und Bereitstellen von Agenten, die direkt auf Geschäftsdaten operieren.

Im Kern löst Omnigent das Problem, die externen KI-Werkzeuge zu orchestrieren, die ein Entwickler bereits nutzt, während Agent Bricks das Problem angeht, KI-Agenten für Unternehmensanwendungen auf sichere und kontrollierte Weise zu bauen und zu verwalten .

Dimension	Omnigent	Agent Bricks
Typ	Open-Source-Meta-Harness.	Enterprise-Agentenplattform von Databricks.
Zielgruppe	Entwickler, die mehrere externe Agenten-Tools orchestrieren.	Enterprise-Teams, die überwachte Agenten auf Geschäftsdaten aufbauen.
Umfang	Bietet eine einzige UI-Schicht für Claude Code, Codex, Pi und eigene, per YAML definierte Agenten.	Vereinheitlicht Modellzugriff, Ausführung, Governance und Kontext in einem System für geschäftsdatenbewusste Agenten.
Lizenzierung	Apache 2.0.	In den Quellen nicht spezifiziert; folgt dem nutzungsabhängigen Preismodell von Databricks ohne Vorab-Lizenzgebühr.
Kernfokus	Komposition, Kontrolle und Zusammenarbeit über verschiedene Werkzeuge hinweg.	Enterprise-Governance, Identitätsmanagement, Modellzugriff und automatisierte Optimierung auf Geschäftsdaten.
Läuft auf	Ihrem Laptop, Terminal, Web, Desktop und Smartphone.	Der verwalteten Databricks Data Intelligence Platform.

Agent Bricks ist eine Komplettlösung, die KI-Agenten aus dem Pilotstadium in die Produktion bringen soll. Sie nutzt die Mosaic-AI-Forschungs-Engine, um die Erstellung, Bewertung und Optimierung von Agenten zu automatisieren, und gewährleistet dabei durch den Unity Catalog Governance auf Unternehmensniveau . Omnigent hingegen ist die portable Schicht, bei der Entwickler ihre eigenen Schlüssel mitbringen und die sicherstellt, dass deren Kontext und Richtlinien nicht länger von dem gerade angesagten Programmierassistenten abhängig sind.