Caratteristiche principali

• Agente come directory — ogni agente è una singola cartella che contiene agent.ts, instructions.md, tools/, skills/, subagents/, channels/ e schedules/. L'albero dei file definisce le capacità dell'agente a colpo d'occhio .
• Esecuzione durevole con tentativi automatici e persistenza dello stato .
• Calcolo in sandbox — gli agenti ottengono una microVM isolata per eseguire il codice che scrivono .
• Approvazioni human-in-the-loop — un semplice flag needsApproval su qualsiasi strumento blocca azioni costose o distruttive .
• Sotto-agenti — gli agenti possono delegare a sotto-agenti (con la stessa struttura di directory) annidati in subagents/ .
• Evals per testare il comportamento degli agenti .
• Integrazione con Vercel Connect — gli agenti richiedono credenziali temporanee e con ambito limitato invece di memorizzare token a lunga durata .
• Progettato per sembrare familiare come lo scaffolding, l'esecuzione e il deploy di un'app Next.js .

Metriche di adozione interna

Vercel ha dichiarato di costruire ed eseguire i propri agenti su Eve e che più di 100 agenti sono in produzione in Vercel utilizzando il framework .

Razionale strategico

• Standardizzare lo sviluppo degli agenti — Vercel sostiene che oggi costruire agenti è "dove era il web prima dei framework", con tutti che reinventano la stessa infrastruttura di base . Eve mira a essere ciò che Next.js è stato per le app web: trasformare pattern ad-hoc in una struttura unica e opinata.
• Approfondire l'Agent Stack — Eve è il framework di livello superiore che collega i primitivi esistenti dell'infrastruttura per agenti di Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) in un'unica esperienza di sviluppo end-to-end .
• Guidare l'adozione della piattaforma — rendendo lo sviluppo di agenti facile come lo scaffolding di un'app Next.js, Vercel si posiziona come la destinazione di deploy predefinita per gli agenti, proprio come è diventata quella predefinita per le app front-end .

Databricks — Omnigent: "Il Kubernetes per gli agenti"

Cosa è stato annunciato

Dal 13 al 18 giugno 2026, Databricks ha reso open-source Omnigent, un "meta-harness per agenti AI", rilasciato in alpha con licenza Apache 2.0 . Il progetto è stato annunciato dal co-fondatore di Databricks Matei Zaharia su X .

Caratteristiche principali

• Composizione multi-agente — si pone al di sopra dei sistemi di agenti esistenti (Claude Code, OpenAI Codex, Pi, SDK personalizzati) e fornisce un'interfaccia unificata per instradare i compiti tra di essi .
• Collaborazione in tempo reale — i team possono condividere sessioni live degli agenti, rivedere insieme gli output e guidare i flussi di lavoro in tempo reale .
• Policy di controllo avanzate — un motore di policy con stato che traccia le azioni degli agenti e applica guardrail che vanno oltre i controlli basati su prompt, coprendo sicurezza, costi e accesso .
• Ambienti di esecuzione cloud con sandboxing a livello di sistema operativo .
• Orchestrazione vendor-neutral — progettato per prevenire il lock-in verso un singolo fornitore di agenti, mantenendo al contempo una governance centralizzata .

Contesto di adozione interna

Databricks ha affermato che Omnigent ha attinto direttamente dalle lezioni apprese dalle sue implementazioni interne di agenti AI e dalla costruzione di prodotti basati su agenti come Genie . La piattaforma Databricks più ampia serve più di 20.000 organizzazioni e il 70% delle aziende Fortune 500 . Databricks offre anche una versione gestita di Omnigent come parte della sua piattaforma commerciale Agent Bricks .

Razionale strategico

• Risolvere la frammentazione — le aziende che eseguono più sistemi di agenti (Claude Code, Codex, Pi, interni) affrontano una complessità di integrazione che scala in modo non lineare. Omnigent fornisce un singolo livello di orchestrazione e governance sopra tutti loro .
• Playbook open-source — Databricks ha una comprovata esperienza nell'aprire infrastrutture fondamentali (Apache Spark, MLflow, Delta Lake) per guidare l'adozione dell'ecosistema, per poi monetizzare la versione enterprise gestita .
• Governance come elemento differenziante — man mano che gli agenti passano dagli esperimenti alla produzione, le organizzazioni hanno bisogno di auditability, controlli dei costi e policy di sicurezza che si adattino al comportamento degli agenti, non solo a prompt statici .
• Posizionarsi come "Kubernetes per gli agenti" — se ampiamente adottate, le astrazioni di Databricks potrebbero diventare il protocollo di coordinamento predefinito per flotte multi-agente, creando un naturale punto di ingresso alla sua piattaforma commerciale .
• Complemento ad Agent Bricks — Omnigent estende la piattaforma Agent Bricks esistente di Databricks con un livello di orchestrazione open-source, mentre l'agente supervisore proprietario e la governance di Unity Catalog rimangono parte dell'offerta commerciale .

Due strategie, una scommessa

L'Eve di Vercel si concentra sul rendere facile costruire, testare e distribuire il singolo agente — uno strumento orizzontale per qualsiasi sviluppatore che crei funzionalità agentiche. L'Omnigent di Databricks si concentra sulla gestione del caos di più agenti tra team e fornitori — un piano di controllo per il deploy su scala enterprise. Entrambe le aziende scommettono che l'adozione open-source guiderà la domanda per le loro piattaforme commerciali: l'infrastruttura di deploy di Vercel e la piattaforma dati e AI gestita di Databricks.

Per gli sviluppatori che valutano questi strumenti, la scelta dipende dal problema: usa Eve quando devi costruire rapidamente un singolo agente e distribuirlo con un'esperienza di sviluppo familiare; valuta Omnigent quando devi orchestrare e governare una flotta di agenti attraverso framework diversi. I due non sono direttamente in competizione — anzi, potrebbero essere complementari, con gli agenti costruiti con Eve eventualmente orchestrati da Omnigent.

Caratteristiche principali

• Agente come directory — ogni agente è una singola cartella che contiene agent.ts, instructions.md, tools/, skills/, subagents/, channels/ e schedules/. L'albero dei file definisce le capacità dell'agente a colpo d'occhio .
• Esecuzione durevole con tentativi automatici e persistenza dello stato .
• Calcolo in sandbox — gli agenti ottengono una microVM isolata per eseguire il codice che scrivono .
• Approvazioni human-in-the-loop — un semplice flag needsApproval su qualsiasi strumento blocca azioni costose o distruttive .
• Sotto-agenti — gli agenti possono delegare a sotto-agenti (con la stessa struttura di directory) annidati in subagents/ .
• Evals per testare il comportamento degli agenti .
• Integrazione con Vercel Connect — gli agenti richiedono credenziali temporanee e con ambito limitato invece di memorizzare token a lunga durata .
• Progettato per sembrare familiare come lo scaffolding, l'esecuzione e il deploy di un'app Next.js .

Metriche di adozione interna

Vercel ha dichiarato di costruire ed eseguire i propri agenti su Eve e che più di 100 agenti sono in produzione in Vercel utilizzando il framework .

Razionale strategico

• Standardizzare lo sviluppo degli agenti — Vercel sostiene che oggi costruire agenti è "dove era il web prima dei framework", con tutti che reinventano la stessa infrastruttura di base . Eve mira a essere ciò che Next.js è stato per le app web: trasformare pattern ad-hoc in una struttura unica e opinata.
• Approfondire l'Agent Stack — Eve è il framework di livello superiore che collega i primitivi esistenti dell'infrastruttura per agenti di Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) in un'unica esperienza di sviluppo end-to-end .
• Guidare l'adozione della piattaforma — rendendo lo sviluppo di agenti facile come lo scaffolding di un'app Next.js, Vercel si posiziona come la destinazione di deploy predefinita per gli agenti, proprio come è diventata quella predefinita per le app front-end .

Databricks — Omnigent: "Il Kubernetes per gli agenti"

Cosa è stato annunciato

Dal 13 al 18 giugno 2026, Databricks ha reso open-source Omnigent, un "meta-harness per agenti AI", rilasciato in alpha con licenza Apache 2.0 . Il progetto è stato annunciato dal co-fondatore di Databricks Matei Zaharia su X .

Caratteristiche principali

• Composizione multi-agente — si pone al di sopra dei sistemi di agenti esistenti (Claude Code, OpenAI Codex, Pi, SDK personalizzati) e fornisce un'interfaccia unificata per instradare i compiti tra di essi .
• Collaborazione in tempo reale — i team possono condividere sessioni live degli agenti, rivedere insieme gli output e guidare i flussi di lavoro in tempo reale .
• Policy di controllo avanzate — un motore di policy con stato che traccia le azioni degli agenti e applica guardrail che vanno oltre i controlli basati su prompt, coprendo sicurezza, costi e accesso .
• Ambienti di esecuzione cloud con sandboxing a livello di sistema operativo .
• Orchestrazione vendor-neutral — progettato per prevenire il lock-in verso un singolo fornitore di agenti, mantenendo al contempo una governance centralizzata .

Contesto di adozione interna

Databricks ha affermato che Omnigent ha attinto direttamente dalle lezioni apprese dalle sue implementazioni interne di agenti AI e dalla costruzione di prodotti basati su agenti come Genie . La piattaforma Databricks più ampia serve più di 20.000 organizzazioni e il 70% delle aziende Fortune 500 . Databricks offre anche una versione gestita di Omnigent come parte della sua piattaforma commerciale Agent Bricks .

Razionale strategico

• Risolvere la frammentazione — le aziende che eseguono più sistemi di agenti (Claude Code, Codex, Pi, interni) affrontano una complessità di integrazione che scala in modo non lineare. Omnigent fornisce un singolo livello di orchestrazione e governance sopra tutti loro .
• Playbook open-source — Databricks ha una comprovata esperienza nell'aprire infrastrutture fondamentali (Apache Spark, MLflow, Delta Lake) per guidare l'adozione dell'ecosistema, per poi monetizzare la versione enterprise gestita .
• Governance come elemento differenziante — man mano che gli agenti passano dagli esperimenti alla produzione, le organizzazioni hanno bisogno di auditability, controlli dei costi e policy di sicurezza che si adattino al comportamento degli agenti, non solo a prompt statici .
• Posizionarsi come "Kubernetes per gli agenti" — se ampiamente adottate, le astrazioni di Databricks potrebbero diventare il protocollo di coordinamento predefinito per flotte multi-agente, creando un naturale punto di ingresso alla sua piattaforma commerciale .
• Complemento ad Agent Bricks — Omnigent estende la piattaforma Agent Bricks esistente di Databricks con un livello di orchestrazione open-source, mentre l'agente supervisore proprietario e la governance di Unity Catalog rimangono parte dell'offerta commerciale .

Due strategie, una scommessa

L'Eve di Vercel si concentra sul rendere facile costruire, testare e distribuire il singolo agente — uno strumento orizzontale per qualsiasi sviluppatore che crei funzionalità agentiche. L'Omnigent di Databricks si concentra sulla gestione del caos di più agenti tra team e fornitori — un piano di controllo per il deploy su scala enterprise. Entrambe le aziende scommettono che l'adozione open-source guiderà la domanda per le loro piattaforme commerciali: l'infrastruttura di deploy di Vercel e la piattaforma dati e AI gestita di Databricks.

Per gli sviluppatori che valutano questi strumenti, la scelta dipende dal problema: usa Eve quando devi costruire rapidamente un singolo agente e distribuirlo con un'esperienza di sviluppo familiare; valuta Omnigent quando devi orchestrare e governare una flotta di agenti attraverso framework diversi. I due non sono direttamente in competizione — anzi, potrebbero essere complementari, con gli agenti costruiti con Eve eventualmente orchestrati da Omnigent.