主な特徴

• エージェント＝1ディレクトリ — 各エージェントは単一のフォルダで構成され、その中に agent.ts、instructions.md、tools/、skills/、subagents/、channels/、schedules/ を含みます。ファイルツリーを見るだけで、そのエージェントの能力が一目でわかります。
• Durable Execution（永続的実行） — 自動リトライと状態の永続化を内蔵。
• サンドボックス化された計算環境 — エージェントは、自身が書いたコードを実行するための独立したマイクロVMを取得します。
• Human-in-the-loop承認 — 任意のツールに needsApproval フラグを1つ付けるだけで、高コストまたは破壊的なアクションに人間の承認を必須にできます。
• サブエージェント — エージェントは subagents/ 内にネストされたサブエージェント（同じディレクトリ構造）にタスクを委譲できます。
• Evals（評価） — エージェントの動作をテストするための機能。
• Vercel Connect統合 — エージェントは長期トークンを保存する代わりに、一時的でスコープが限定された認証情報を要求します。
• 設計思想は「Next.jsアプリケーションをスキャフォールディングし、実行し、デプロイする」感覚に近いものとなっています。

社内導入実績

Vercelは、自社のエージェントをeve上で構築・運用しており、100を超えるエージェントが本番稼働中であると発表しました。

戦略的意図

• エージェント開発の標準化 — Vercelは、今日のエージェント構築は「フレームワーク登場前のWeb開発」のような状態であり、誰もが同じような配管処理を手作業で行っていると指摘します。eveは、Next.jsがWebアプリケーションにもたらしたように、アドホックなパターンを単一の意見のある構造に変えることを目指しています。
• エージェントスタックの深化 — eveは、Vercelの既存のエージェント基盤プリミティブ（AI SDK、AI Gateway、Workflow SDK、Sandbox、Chat SDK、Connect）を1つのエンドツーエンドの開発者体験に統合するトップレイヤーフレームワークです。
• プラットフォーム採用の促進 — エージェント開発をNext.jsアプリのスキャフォールディングと同じくらい簡単にすることで、Vercelはフロントエンドアプリのデフォルト環境となったのと同様に、エージェントのデフォルトデプロイ先としての地位を確立しようとしています。

Databricks — Omnigent: 「エージェントのKubernetes」

発表内容

2026年6月13日から18日にかけて、Databricksはオープンソースの Omnigent を発表しました。「AIエージェントのためのメタハーネス」と位置づけられ、Apache 2.0ライセンスでアルファ公開されました。このプロジェクトは、Databricksの共同創業者であるMatei Zahariaが自身のXアカウントで発表しました。

主な特徴

• マルチエージェント構成 — Claude Code、OpenAI Codex、Pi、カスタムエージェントSDKなど、既存のエージェントシステムの上位に位置し、それらをまたいでタスクをルーティングするための統一インターフェースを提供します。
• ライブコラボレーション — チームメンバーがリアルタイムでエージェントセッションを共有し、出力結果をレビューし、ワークフローを共同でガイドできます。
• リッチな制御ポリシー — ステートフルなポリシーエンジンにより、エージェントのアクションを追跡し、プロンプトベースの制御だけでは難しい、セキュリティ、コスト、アクセスに関するガードレールを強制します。
• クラウド実行環境 — OSレベルのサンドボックス化を備えています。
• ベンダーニュートラルなオーケストレーション — 中央集権的なガバナンスを維持しながら、特定のエージェントプロバイダーへのロックインを防ぐように設計されています。

社内導入の背景

Databricksは、Omnigentの開発にあたり、自社でのAIエージェント導入や、Genie などのエージェントベース製品の構築から得られた教訓を直接活用したと述べています。Databricksプラットフォーム全体では、2万以上の組織とフォーチュン500企業の70%にサービスを提供しています。また、DatabricksはOmnigentのマネージド版を、商用のAgent Bricksプラットフォームの一部として提供しています。

戦略的意図

• 断片化の解消 — Claude Code、Codex、Pi、自社開発など、複数のエージェントシステムを運用する企業は、非線形に拡大する統合の複雑さに直面しています。Omnigentは、それらすべての上位に単一のオーケストレーションとガバナンス層を提供します。
• オープンソースの確立された戦略 — Databricksは、Apache Spark、MLflow、Delta Lakeといった基盤インフラをオープンソース化し、エコシステムの採用を促進した上で、マネージドエンタープライズ版を収益化するという実績を持っています。
• ガバナンスを差別化要因に — エージェントが実験から本番運用へと移行するにつれ、組織は監査可能性、コスト管理、そしてエージェントの振る舞いに適応するセキュリティポリシーを必要とします。これは静的なプロンプトだけでは実現できません。
• 「エージェントのKubernetes」としてのポジショニング — 広く採用されれば、Databricksの抽象化はマルチエージェントフリートのデフォルトの調整プロトコルとなり、商用プラットフォームへの自然な導線を生み出します。
• Agent Bricksとの補完関係 — Omnigentは、Databricksの既存のAgent Bricksプラットフォームをオープンソースのオーケストレーション層で拡張する一方、独自のSupervisor AgentやUnity Catalogによるガバナンスは商用製品の一部として残ります。

2つの戦略、1つの賭け

Vercelのeveは、個々のエージェントを簡単に構築、テスト、デプロイできるようにすることに焦点を当てています。これは、エージェント機能を開発するあらゆる開発者向けの水平ツールです。一方、DatabricksのOmnigentは、チームやベンダーをまたいだ複数のエージェントのカオスを管理すること、つまりエンタープライズスケールでのデプロイのための制御プレーンに焦点を当てています。両社とも、オープンソースの採用が自社の商用プラットフォーム（Vercelのデプロイインフラ、Databricksのマネージドデータ＆AIプラットフォーム）への需要を促進するという賭けに出ています。

これらのツールを評価する開発者にとって、選択は問題の性質に依存します。単一のエージェントを素早く構築し、使い慣れた開発者体験で出荷したい場合はeveを。異なるフレームワークにまたがるエージェント群をオーケストレーションし、統治する必要がある場合はOmnigentを評価すべきです。両者は直接競合するものではなく、実際、eveで構築されたエージェントが最終的にOmnigentによってオーケストレーションされるという補完関係になり得ます。

主な特徴

• エージェント＝1ディレクトリ — 各エージェントは単一のフォルダで構成され、その中に agent.ts、instructions.md、tools/、skills/、subagents/、channels/、schedules/ を含みます。ファイルツリーを見るだけで、そのエージェントの能力が一目でわかります。
• Durable Execution（永続的実行） — 自動リトライと状態の永続化を内蔵。
• サンドボックス化された計算環境 — エージェントは、自身が書いたコードを実行するための独立したマイクロVMを取得します。
• Human-in-the-loop承認 — 任意のツールに needsApproval フラグを1つ付けるだけで、高コストまたは破壊的なアクションに人間の承認を必須にできます。
• サブエージェント — エージェントは subagents/ 内にネストされたサブエージェント（同じディレクトリ構造）にタスクを委譲できます。
• Evals（評価） — エージェントの動作をテストするための機能。
• Vercel Connect統合 — エージェントは長期トークンを保存する代わりに、一時的でスコープが限定された認証情報を要求します。
• 設計思想は「Next.jsアプリケーションをスキャフォールディングし、実行し、デプロイする」感覚に近いものとなっています。

社内導入実績

Vercelは、自社のエージェントをeve上で構築・運用しており、100を超えるエージェントが本番稼働中であると発表しました。

戦略的意図

• エージェント開発の標準化 — Vercelは、今日のエージェント構築は「フレームワーク登場前のWeb開発」のような状態であり、誰もが同じような配管処理を手作業で行っていると指摘します。eveは、Next.jsがWebアプリケーションにもたらしたように、アドホックなパターンを単一の意見のある構造に変えることを目指しています。
• エージェントスタックの深化 — eveは、Vercelの既存のエージェント基盤プリミティブ（AI SDK、AI Gateway、Workflow SDK、Sandbox、Chat SDK、Connect）を1つのエンドツーエンドの開発者体験に統合するトップレイヤーフレームワークです。
• プラットフォーム採用の促進 — エージェント開発をNext.jsアプリのスキャフォールディングと同じくらい簡単にすることで、Vercelはフロントエンドアプリのデフォルト環境となったのと同様に、エージェントのデフォルトデプロイ先としての地位を確立しようとしています。

Databricks — Omnigent: 「エージェントのKubernetes」

発表内容

2026年6月13日から18日にかけて、Databricksはオープンソースの Omnigent を発表しました。「AIエージェントのためのメタハーネス」と位置づけられ、Apache 2.0ライセンスでアルファ公開されました。このプロジェクトは、Databricksの共同創業者であるMatei Zahariaが自身のXアカウントで発表しました。

主な特徴

• マルチエージェント構成 — Claude Code、OpenAI Codex、Pi、カスタムエージェントSDKなど、既存のエージェントシステムの上位に位置し、それらをまたいでタスクをルーティングするための統一インターフェースを提供します。
• ライブコラボレーション — チームメンバーがリアルタイムでエージェントセッションを共有し、出力結果をレビューし、ワークフローを共同でガイドできます。
• リッチな制御ポリシー — ステートフルなポリシーエンジンにより、エージェントのアクションを追跡し、プロンプトベースの制御だけでは難しい、セキュリティ、コスト、アクセスに関するガードレールを強制します。
• クラウド実行環境 — OSレベルのサンドボックス化を備えています。
• ベンダーニュートラルなオーケストレーション — 中央集権的なガバナンスを維持しながら、特定のエージェントプロバイダーへのロックインを防ぐように設計されています。

社内導入の背景

Databricksは、Omnigentの開発にあたり、自社でのAIエージェント導入や、Genie などのエージェントベース製品の構築から得られた教訓を直接活用したと述べています。Databricksプラットフォーム全体では、2万以上の組織とフォーチュン500企業の70%にサービスを提供しています。また、DatabricksはOmnigentのマネージド版を、商用のAgent Bricksプラットフォームの一部として提供しています。

戦略的意図

• 断片化の解消 — Claude Code、Codex、Pi、自社開発など、複数のエージェントシステムを運用する企業は、非線形に拡大する統合の複雑さに直面しています。Omnigentは、それらすべての上位に単一のオーケストレーションとガバナンス層を提供します。
• オープンソースの確立された戦略 — Databricksは、Apache Spark、MLflow、Delta Lakeといった基盤インフラをオープンソース化し、エコシステムの採用を促進した上で、マネージドエンタープライズ版を収益化するという実績を持っています。
• ガバナンスを差別化要因に — エージェントが実験から本番運用へと移行するにつれ、組織は監査可能性、コスト管理、そしてエージェントの振る舞いに適応するセキュリティポリシーを必要とします。これは静的なプロンプトだけでは実現できません。
• 「エージェントのKubernetes」としてのポジショニング — 広く採用されれば、Databricksの抽象化はマルチエージェントフリートのデフォルトの調整プロトコルとなり、商用プラットフォームへの自然な導線を生み出します。
• Agent Bricksとの補完関係 — Omnigentは、Databricksの既存のAgent Bricksプラットフォームをオープンソースのオーケストレーション層で拡張する一方、独自のSupervisor AgentやUnity Catalogによるガバナンスは商用製品の一部として残ります。

2つの戦略、1つの賭け

Vercelのeveは、個々のエージェントを簡単に構築、テスト、デプロイできるようにすることに焦点を当てています。これは、エージェント機能を開発するあらゆる開発者向けの水平ツールです。一方、DatabricksのOmnigentは、チームやベンダーをまたいだ複数のエージェントのカオスを管理すること、つまりエンタープライズスケールでのデプロイのための制御プレーンに焦点を当てています。両社とも、オープンソースの採用が自社の商用プラットフォーム（Vercelのデプロイインフラ、Databricksのマネージドデータ＆AIプラットフォーム）への需要を促進するという賭けに出ています。

これらのツールを評価する開発者にとって、選択は問題の性質に依存します。単一のエージェントを素早く構築し、使い慣れた開発者体験で出荷したい場合はeveを。異なるフレームワークにまたがるエージェント群をオーケストレーションし、統治する必要がある場合はOmnigentを評価すべきです。両者は直接競合するものではなく、実際、eveで構築されたエージェントが最終的にOmnigentによってオーケストレーションされるという補完関係になり得ます。