Características clave

• Agente como directorio: Cada agente es una carpeta que contiene agent.ts, instructions.md, y subcarpetas para tools/, skills/, subagents/, channels/ y schedules/. La estructura del sistema de archivos define de un vistazo las capacidades del agente .
• Ejecución duradera: Con reintentos automáticos y persistencia del estado, pensado para procesos de larga duración .
• Entorno aislado: Los agentes obtienen una microVM propia para ejecutar el código que generan, evitando riesgos de seguridad .
• Aprobación humana: Un simple flag needsApproval en cualquier herramienta bloquea acciones costosas o destructivas hasta que un humano las autorice .
• Subagentes: Los agentes pueden delegar tareas a subagentes, que siguen la misma estructura de directorio .
• Evaluaciones (Evals): Permite testear el comportamiento de los agentes de forma nativa .
• Conexiones seguras: Con Vercel Connect, los agentes solicitan credenciales temporales y con alcance limitado, en lugar de almacenar tokens de larga duración .

¿Por qué esta apuesta?

Vercel argumenta que desarrollar agentes hoy es como "la web antes de los frameworks": cada equipo reinventa la rueda con el mismo cableado básico . La empresa quiere hacer por los agentes lo que Next.js hizo por las aplicaciones web: convertir patrones ad-hoc en una estructura única y opinada. Al hacer que el desarrollo de agentes sea tan sencillo como crear una app de Next.js, Vercel se posiciona como el destino natural para desplegarlos, repitiendo la jugada que la convirtió en el estándar para el front-end .

Databricks — Omnigent: "El Kubernetes de los agentes"

¿Qué se anunció?

Entre el 13 y el 18 de junio de 2026, Databricks lanzó Omnigent, descrito como un "meta-arreo para agentes de IA" y lanzado en fase alfa bajo licencia Apache 2.0 . El anuncio fue realizado por el propio cofundador de Databricks, Matei Zaharia, en su cuenta de X (antes Twitter) .

Características clave

• Composición multi-agente: Omnigent se sitúa por encima de sistemas de agentes ya existentes (como Claude Code, OpenAI Codex o agentes SDK personalizados) y proporciona una interfaz unificada para enrutar tareas entre ellos .
• Colaboración en vivo: Permite a los equipos compartir sesiones de agentes, revisar resultados y guiar flujos de trabajo en tiempo real .
• Políticas de control avanzadas: Un motor de políticas con estado que rastrea las acciones de los agentes y aplica salvaguardas de seguridad, coste y acceso, yendo más allá de simples instrucciones en el prompt .
• Entornos de ejecución en la nube: Con aislamiento a nivel de sistema operativo .
• Orquestación neutral: Diseñado para evitar la dependencia de un solo proveedor de agentes, manteniendo una gobernanza centralizada .

¿Por qué esta apuesta?

Databricks observa que las empresas que ejecutan múltiples sistemas de agentes (Claude Code, Codex, Pi, agentes propios) se enfrentan a una complejidad de integración que crece de forma no lineal. Omnigent ofrece una capa de orquestación y gobernanza única sobre todos ellos . La compañía sigue su exitoso manual de juego open-source: liberar la infraestructura base (como hizo con Apache Spark, MLflow o Delta Lake) para impulsar la adopción del ecosistema, y luego monetizar con la versión empresarial gestionada . En este caso, esa versión gestionada se ofrece como parte de su plataforma comercial Agent Bricks .

Dos estrategias, una misma apuesta

Vercel se enfoca en el desarrollador individual que necesita crear un agente de forma rápida y eficiente. Databricks se enfoca en el CIO o el arquitecto de datos que necesita gestionar la complejidad de múltiples agentes en una gran organización. No son competidores directos; de hecho, son complementarios: los agentes construidos con eve podrían ser orquestados perfectamente por Omnigent.

Para el desarrollador que está evaluando estas herramientas, la decisión depende del problema: usa eve cuando necesites construir un agente rápidamente y desplegarlo con una experiencia de desarrollo familiar; evalúa Omnigent cuando tengas que orquestar y gobernar un ecosistema de agentes de diferentes orígenes.

Características clave

• Agente como directorio: Cada agente es una carpeta que contiene agent.ts, instructions.md, y subcarpetas para tools/, skills/, subagents/, channels/ y schedules/. La estructura del sistema de archivos define de un vistazo las capacidades del agente .
• Ejecución duradera: Con reintentos automáticos y persistencia del estado, pensado para procesos de larga duración .
• Entorno aislado: Los agentes obtienen una microVM propia para ejecutar el código que generan, evitando riesgos de seguridad .
• Aprobación humana: Un simple flag needsApproval en cualquier herramienta bloquea acciones costosas o destructivas hasta que un humano las autorice .
• Subagentes: Los agentes pueden delegar tareas a subagentes, que siguen la misma estructura de directorio .
• Evaluaciones (Evals): Permite testear el comportamiento de los agentes de forma nativa .
• Conexiones seguras: Con Vercel Connect, los agentes solicitan credenciales temporales y con alcance limitado, en lugar de almacenar tokens de larga duración .

¿Por qué esta apuesta?

Vercel argumenta que desarrollar agentes hoy es como "la web antes de los frameworks": cada equipo reinventa la rueda con el mismo cableado básico . La empresa quiere hacer por los agentes lo que Next.js hizo por las aplicaciones web: convertir patrones ad-hoc en una estructura única y opinada. Al hacer que el desarrollo de agentes sea tan sencillo como crear una app de Next.js, Vercel se posiciona como el destino natural para desplegarlos, repitiendo la jugada que la convirtió en el estándar para el front-end .

Databricks — Omnigent: "El Kubernetes de los agentes"

¿Qué se anunció?

Entre el 13 y el 18 de junio de 2026, Databricks lanzó Omnigent, descrito como un "meta-arreo para agentes de IA" y lanzado en fase alfa bajo licencia Apache 2.0 . El anuncio fue realizado por el propio cofundador de Databricks, Matei Zaharia, en su cuenta de X (antes Twitter) .

Características clave

• Composición multi-agente: Omnigent se sitúa por encima de sistemas de agentes ya existentes (como Claude Code, OpenAI Codex o agentes SDK personalizados) y proporciona una interfaz unificada para enrutar tareas entre ellos .
• Colaboración en vivo: Permite a los equipos compartir sesiones de agentes, revisar resultados y guiar flujos de trabajo en tiempo real .
• Políticas de control avanzadas: Un motor de políticas con estado que rastrea las acciones de los agentes y aplica salvaguardas de seguridad, coste y acceso, yendo más allá de simples instrucciones en el prompt .
• Entornos de ejecución en la nube: Con aislamiento a nivel de sistema operativo .
• Orquestación neutral: Diseñado para evitar la dependencia de un solo proveedor de agentes, manteniendo una gobernanza centralizada .

¿Por qué esta apuesta?

Databricks observa que las empresas que ejecutan múltiples sistemas de agentes (Claude Code, Codex, Pi, agentes propios) se enfrentan a una complejidad de integración que crece de forma no lineal. Omnigent ofrece una capa de orquestación y gobernanza única sobre todos ellos . La compañía sigue su exitoso manual de juego open-source: liberar la infraestructura base (como hizo con Apache Spark, MLflow o Delta Lake) para impulsar la adopción del ecosistema, y luego monetizar con la versión empresarial gestionada . En este caso, esa versión gestionada se ofrece como parte de su plataforma comercial Agent Bricks .

Dos estrategias, una misma apuesta

Vercel se enfoca en el desarrollador individual que necesita crear un agente de forma rápida y eficiente. Databricks se enfoca en el CIO o el arquitecto de datos que necesita gestionar la complejidad de múltiples agentes en una gran organización. No son competidores directos; de hecho, son complementarios: los agentes construidos con eve podrían ser orquestados perfectamente por Omnigent.

Para el desarrollador que está evaluando estas herramientas, la decisión depende del problema: usa eve cuando necesites construir un agente rápidamente y desplegarlo con una experiencia de desarrollo familiar; evalúa Omnigent cuando tengas que orquestar y gobernar un ecosistema de agentes de diferentes orígenes.