Vercel's Eve vs. Databricks' Omnigent: Dua Strategi Open Source untuk AI Agent

Fitur Utama

• Agent-as-a-directory — setiap agen adalah satu folder berisi agent.ts, instructions.md, tools/, skills/, subagents/, channels/, dan schedules/. Struktur pohon file ini langsung mendefinisikan kemampuan agen .
• Durable execution dengan retry otomatis dan penyimpanan status (state persistence) bawaan .
• Sandboxed compute — agen mendapatkan microVM terisolasi untuk menjalankan kode yang mereka tulis .
• Human-in-the-loop approvals — cukup tambahkan flag needsApproval pada tool mana pun untuk mengontrol tindakan mahal atau berbahaya .
• Subagents — agen dapat mendelegasikan tugas ke sub-agen (dengan struktur folder yang sama) yang ditempatkan di dalam subagents/ .
• Evals untuk menguji perilaku agen .
• Integrasi Vercel Connect — agen meminta kredensial sementara yang terbatas cakupannya, alih-alih menyimpan token jangka panjang .
• Dirancang agar terasa seperti membuat, menjalankan, dan mendeploy aplikasi Next.js .

Metrik Adopsi Internal

Vercel menyatakan bahwa mereka membangun dan menjalankan agen mereka sendiri di atas eve, dan lebih dari 100 agen sudah berproduksi di Vercel menggunakan framework ini .

Alasan Strategis

• Membakukan pengembangan agen — Vercel berargumen bahwa membangun agen saat ini ibarat "kondisi web sebelum ada framework," di mana setiap orang membuat plumbing yang sama dari awal . eve ingin menjadi apa yang Next.js lakukan untuk aplikasi web: mengubah pola ad-hoc menjadi satu struktur terstandarisasi.
• Memperdalam Agent Stack — eve adalah lapisan framework teratas yang menyatukan primitif infrastruktur agen Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) menjadi satu pengalaman pengembangan end-to-end .
• Mendorong adopsi platform — dengan membuat pengembangan agen semudah membuat aplikasi Next.js, Vercel memposisikan dirinya sebagai target deployment default untuk agen, sebagaimana ia menjadi default untuk aplikasi front-end .

Databricks — Omnigent: "Kubernetes untuk Agen"

Apa yang Diumumkan

Pada 13–18 Juni 2026, Databricks merilis Omnigent sebagai open source, sebuah "meta-harness untuk AI agent," dalam versi alpha di bawah lisensi Apache 2.0 . Proyek ini diumumkan oleh salah satu pendiri Databricks, Matei Zaharia, melalui akun X pribadinya .

Fitur Utama

• Multi-agent composition — berada di atas sistem agen yang sudah ada (seperti Claude Code, OpenAI Codex, Pi, atau SDK agen kustom) dan menyediakan antarmuka terpadu untuk merutekan tugas di antara mereka .
• Live collaboration — tim dapat berbagi sesi agen langsung, meninjau keluaran bersama, dan memandu alur kerja secara real-time .
• Rich control policies — mesin kebijakan (policy engine) yang melacak tindakan agen dan menegakkan aturan di luar kontrol berbasis prompt, mencakup keamanan, biaya, dan akses .
• Cloud execution environments dengan sandboxing tingkat sistem operasi .
• Orkestrasi vendor-netral — dirancang untuk mencegah ketergantungan (lock-in) pada satu penyedia agen tertentu sambil mempertahankan tata kelola terpusat .

Konteks Adopsi Internal

Databricks mengatakan Omnigent diambil langsung dari pelajaran deployment agen AI internal mereka dan dari pengalaman membangun produk berbasis agen seperti Genie . Platform Databricks yang lebih luas melayani lebih dari 20.000 organisasi dan 70% perusahaan Fortune 500 . Databricks juga menawarkan versi managed dari Omnigent sebagai bagian dari platform komersial Agent Bricks .

Alasan Strategis

• Mengatasi fragmentasi — perusahaan yang menjalankan banyak sistem agen (Claude Code, Codex, Pi, buatan sendiri) menghadapi kompleksitas integrasi yang meningkat secara tidak linear. Omnigent menyediakan satu lapisan orkestrasi dan tata kelola di atas semuanya .
• Pola open source — Databricks punya rekam jejak dalam merilis infrastruktur fundamental sebagai open source (Apache Spark, MLflow, Delta Lake) untuk mendorong adopsi ekosistem, lalu memonetisasi versi enterprise yang dikelola .
• Tata kelola sebagai pembeda — saat agen bergerak dari eksperimen ke produksi, organisasi membutuhkan auditabilitas, kontrol biaya, dan kebijakan keamanan yang beradaptasi dengan perilaku agen, bukan sekadar prompt statis .
• Posisi sebagai "Kubernetes untuk agen" — jika diadopsi secara luas, abstraksi Databricks bisa menjadi protokol koordinasi standar untuk armada multi-agen, menciptakan jalur alami menuju platform komersial mereka .
• Pelengkap Agent Bricks — Omnigent memperluas platform Agent Bricks yang sudah ada dengan lapisan orkestrasi open source, sementara Supervisor Agent milik dan tata kelola Unity Catalog tetap menjadi bagian dari penawaran komersial .

Dua Strategi, Satu Taruhan

Eve dari Vercel berfokus pada kemudahan membangun, menguji, dan mendeploy agen individu — alat horizontal untuk pengembang mana pun yang ingin membangun fitur berbasis agen. Omnigent dari Databricks berfokus pada pengelolaan kompleksitas banyak agen di berbagai tim dan vendor — bidang kendali (control plane) untuk deployment skala enterprise. Kedua perusahaan bertaruh bahwa adopsi open source akan mendorong permintaan terhadap platform komersial mereka: infrastruktur deployment Vercel dan platform data & AI terkelola Databricks.

Bagi pengembang yang mengevaluasi alat-alat ini, pilihan tergantung pada masalah yang dihadapi: gunakan eve saat Anda perlu membangun satu agen dengan cepat dan mengirimkannya dengan pengalaman pengembangan yang sudah dikenal; evaluasi Omnigent saat Anda perlu mengorkestrasi dan mengatur armada agen di berbagai framework yang berbeda. Keduanya tidak bersaing secara langsung — malah, mereka bisa saling melengkapi, dengan agen yang dibangun menggunakan eve pada akhirnya bisa diorkestrasi oleh Omnigent.