Kluczowe funkcje

• Agent jako katalog – każdy agent to pojedynczy folder zawierający agent.ts, instructions.md, tools/, skills/, subagents/, channels/ i schedules/. Struktura plików natychmiast definiuje możliwości agenta .
• Trwałe wykonywanie z automatycznymi ponownymi próbami i trwałym stanem .
• Izolowane środowisko obliczeniowe – agenci otrzymują izolowaną maszynę wirtualną do uruchamiania kodu, który sami piszą .
• Zatwierdzenia z udziałem człowieka – pojedyncza flaga needsApproval na dowolnym narzędziu blokuje kosztowne lub destrukcyjne działania .
• Podagenci – agenci mogą delegować zadania do pod-agentów (o tej samej strukturze katalogów) zagnieżdżonych w subagents/ .
• Ewaluacje do testowania zachowania agentów .
• Integracja Vercel Connect – agenci żądają tymczasowych poświadczeń o ograniczonym zakresie, zamiast przechowywać długoterminowe tokeny .
• Zaprojektowany tak, aby przypominał tworzenie, uruchamianie i wdrażanie aplikacji Next.js .

Wewnętrzne metryki adopcji

Vercel oświadczył, że sam buduje i uruchamia swoje agenty na Eve, a ponad 100 agentów jest w produkcji w Vercel przy użyciu tego frameworka .

Uzasadnienie strategiczne

• Standaryzacja tworzenia agentów – Vercel argumentuje, że budowanie agentów jest dziś tam, "gdzie był internet przed frameworkami", gdzie każdy ręcznie tworzy tę samą infrastrukturę . Eve ma być tym, czym Next.js stał się dla aplikacji webowych: przekształcić ad-hocowe wzorce w jedną, ustrukturyzowaną całość.
• Pogłębienie stosu agentów – Eve to framework najwyższego poziomu, który łączy istniejące prymitywy infrastruktury agentów Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) w jedno kompleksowe doświadczenie deweloperskie .
• Napędzanie adopcji platformy – poprzez uczynienie tworzenia agentów tak prostym, jak szkieletowanie aplikacji Next.js, Vercel pozycjonuje się jako domyślny cel wdrożeniowy dla agentów, tak jak stał się domyślnym celem dla aplikacji frontendowych .

Databricks – Omnigent: "Kubernetes dla agentów"

Co ogłoszono

Od 13 do 18 czerwca 2026 roku Databricks udostępnił jako open-source Omnigent, "meta-system dla agentów AI" (ang. meta-harness), wydany w fazie alfa na licencji Apache 2.0 . Projekt został ogłoszony przez współzałożyciela Databricks, Mateia Zaharię, na platformie X .

Kluczowe funkcje

• Kompozycja wieloagentowa – działa jako warstwa nad istniejącymi systemami agentów (Claude Code, OpenAI Codex, Pi, niestandardowe SDK agentów) i zapewnia ujednolicony interfejs do kierowania zadań między nimi .
• Współpraca na żywo – zespoły mogą współdzielić sesje agentów na żywo, wspólnie przeglądać wyniki i kierować przepływami pracy w czasie rzeczywistym .
• Bogate polityki kontroli – stanowy silnik polityk, który śledzi działania agentów i egzekwuje zabezpieczenia wykraczające poza kontrolę opartą na promptach, obejmujące bezpieczeństwo, koszty i dostęp .
• Środowiska wykonawcze w chmurze z izolacją na poziomie systemu operacyjnego .
• Orkiestracja neutralna wobec dostawcy – zaprojektowana, aby zapobiegać uzależnieniu od jednego dostawcy agentów, przy jednoczesnym zachowaniu scentralizowanego zarządzania .

Kontekst wewnętrznej adopcji

Databricks poinformował, że Omnigent czerpał bezpośrednio z doświadczeń wewnętrznych wdrożeń agentów AI oraz z budowania produktów opartych na agentach, takich jak Genie . Szersza platforma Databricks obsługuje ponad 20 000 organizacji i 70% firm z listy Fortune 500 . Databricks oferuje również zarządzaną wersję Omnigent jako część swojej komercyjnej platformy Agent Bricks .

Uzasadnienie strategiczne

• Rozwiązanie problemu fragmentacji – przedsiębiorstwa korzystające z wielu systemów agentów (Claude Code, Codex, Pi, własne) stają przed złożonością integracji, która skaluje się nieliniowo. Omnigent zapewnia pojedynczą warstwę orkiestracji i zarządzania nad nimi wszystkimi .
• Sprawdzona strategia open-source – Databricks ma udokumentowane osiągnięcia w otwieraniu kodu źródłowego fundamentalnej infrastruktury (Apache Spark, MLflow, Delta Lake) w celu napędzania adopcji ekosystemu, a następnie zarabiania na zarządzanej wersji korporacyjnej .
• Zarządzanie jako wyróżnik – w miarę jak agenci przechodzą od eksperymentów do produkcji, organizacje potrzebują audytowalności, kontroli kosztów i polityk bezpieczeństwa, które dostosowują się do zachowania agentów, a nie tylko statycznych promptów .
• Pozycjonowanie jako "Kubernetes dla agentów" – jeśli zostanie szeroko przyjęty, abstrakcje Databricks mogą stać się domyślnym protokołem koordynacji dla flot wieloagentowych, tworząc naturalną ścieżkę do komercyjnej platformy .
• Uzupełnienie dla Agent Bricks – Omnigent rozszerza istniejącą platformę Agent Bricks Databricks o otwartą warstwę orkiestracji, podczas gdy autorskie funkcje, takie jak Supervisor Agent i Unity Catalog Governance, pozostają częścią oferty komercyjnej .

Dwie strategie, jeden zakład

Eve od Vercel koncentruje się na tym, aby pojedynczy agent był łatwy do zbudowania, przetestowania i wdrożenia – to narzędzie horyzontalne dla każdego dewelopera tworzącego funkcje agentowe. Omnigent od Databricks koncentruje się na zarządzaniu chaosem wielu agentów w różnych zespołach i u dostawców – to panel sterowania dla wdrożeń na skalę przedsiębiorstwa. Obie firmy zakładają, że adopcja open-source napędzi popyt na ich komercyjne platformy: infrastrukturę wdrożeniową Vercel i zarządzaną platformę danych i AI Databricks.

Dla deweloperów oceniających te narzędzia wybór zależy od problemu: użyj Eve, gdy potrzebujesz szybko zbudować pojedynczego agenta i wdrożyć go ze znajomym doświadczeniem deweloperskim; oceń Omnigent, gdy potrzebujesz orkiestrować i zarządzać flotą agentów w różnych frameworkach. Te dwa rozwiązania nie są bezpośrednio konkurencyjne – w rzeczywistości mogą się uzupełniać, a agenci zbudowani w Eve mogą być ostatecznie orkiestrowani przez Omnigent.

Kluczowe funkcje

• Agent jako katalog – każdy agent to pojedynczy folder zawierający agent.ts, instructions.md, tools/, skills/, subagents/, channels/ i schedules/. Struktura plików natychmiast definiuje możliwości agenta .
• Trwałe wykonywanie z automatycznymi ponownymi próbami i trwałym stanem .
• Izolowane środowisko obliczeniowe – agenci otrzymują izolowaną maszynę wirtualną do uruchamiania kodu, który sami piszą .
• Zatwierdzenia z udziałem człowieka – pojedyncza flaga needsApproval na dowolnym narzędziu blokuje kosztowne lub destrukcyjne działania .
• Podagenci – agenci mogą delegować zadania do pod-agentów (o tej samej strukturze katalogów) zagnieżdżonych w subagents/ .
• Ewaluacje do testowania zachowania agentów .
• Integracja Vercel Connect – agenci żądają tymczasowych poświadczeń o ograniczonym zakresie, zamiast przechowywać długoterminowe tokeny .
• Zaprojektowany tak, aby przypominał tworzenie, uruchamianie i wdrażanie aplikacji Next.js .

Wewnętrzne metryki adopcji

Vercel oświadczył, że sam buduje i uruchamia swoje agenty na Eve, a ponad 100 agentów jest w produkcji w Vercel przy użyciu tego frameworka .

Uzasadnienie strategiczne

• Standaryzacja tworzenia agentów – Vercel argumentuje, że budowanie agentów jest dziś tam, "gdzie był internet przed frameworkami", gdzie każdy ręcznie tworzy tę samą infrastrukturę . Eve ma być tym, czym Next.js stał się dla aplikacji webowych: przekształcić ad-hocowe wzorce w jedną, ustrukturyzowaną całość.
• Pogłębienie stosu agentów – Eve to framework najwyższego poziomu, który łączy istniejące prymitywy infrastruktury agentów Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) w jedno kompleksowe doświadczenie deweloperskie .
• Napędzanie adopcji platformy – poprzez uczynienie tworzenia agentów tak prostym, jak szkieletowanie aplikacji Next.js, Vercel pozycjonuje się jako domyślny cel wdrożeniowy dla agentów, tak jak stał się domyślnym celem dla aplikacji frontendowych .

Databricks – Omnigent: "Kubernetes dla agentów"

Co ogłoszono

Od 13 do 18 czerwca 2026 roku Databricks udostępnił jako open-source Omnigent, "meta-system dla agentów AI" (ang. meta-harness), wydany w fazie alfa na licencji Apache 2.0 . Projekt został ogłoszony przez współzałożyciela Databricks, Mateia Zaharię, na platformie X .

Kluczowe funkcje

• Kompozycja wieloagentowa – działa jako warstwa nad istniejącymi systemami agentów (Claude Code, OpenAI Codex, Pi, niestandardowe SDK agentów) i zapewnia ujednolicony interfejs do kierowania zadań między nimi .
• Współpraca na żywo – zespoły mogą współdzielić sesje agentów na żywo, wspólnie przeglądać wyniki i kierować przepływami pracy w czasie rzeczywistym .
• Bogate polityki kontroli – stanowy silnik polityk, który śledzi działania agentów i egzekwuje zabezpieczenia wykraczające poza kontrolę opartą na promptach, obejmujące bezpieczeństwo, koszty i dostęp .
• Środowiska wykonawcze w chmurze z izolacją na poziomie systemu operacyjnego .
• Orkiestracja neutralna wobec dostawcy – zaprojektowana, aby zapobiegać uzależnieniu od jednego dostawcy agentów, przy jednoczesnym zachowaniu scentralizowanego zarządzania .

Kontekst wewnętrznej adopcji

Databricks poinformował, że Omnigent czerpał bezpośrednio z doświadczeń wewnętrznych wdrożeń agentów AI oraz z budowania produktów opartych na agentach, takich jak Genie . Szersza platforma Databricks obsługuje ponad 20 000 organizacji i 70% firm z listy Fortune 500 . Databricks oferuje również zarządzaną wersję Omnigent jako część swojej komercyjnej platformy Agent Bricks .

Uzasadnienie strategiczne

• Rozwiązanie problemu fragmentacji – przedsiębiorstwa korzystające z wielu systemów agentów (Claude Code, Codex, Pi, własne) stają przed złożonością integracji, która skaluje się nieliniowo. Omnigent zapewnia pojedynczą warstwę orkiestracji i zarządzania nad nimi wszystkimi .
• Sprawdzona strategia open-source – Databricks ma udokumentowane osiągnięcia w otwieraniu kodu źródłowego fundamentalnej infrastruktury (Apache Spark, MLflow, Delta Lake) w celu napędzania adopcji ekosystemu, a następnie zarabiania na zarządzanej wersji korporacyjnej .
• Zarządzanie jako wyróżnik – w miarę jak agenci przechodzą od eksperymentów do produkcji, organizacje potrzebują audytowalności, kontroli kosztów i polityk bezpieczeństwa, które dostosowują się do zachowania agentów, a nie tylko statycznych promptów .
• Pozycjonowanie jako "Kubernetes dla agentów" – jeśli zostanie szeroko przyjęty, abstrakcje Databricks mogą stać się domyślnym protokołem koordynacji dla flot wieloagentowych, tworząc naturalną ścieżkę do komercyjnej platformy .
• Uzupełnienie dla Agent Bricks – Omnigent rozszerza istniejącą platformę Agent Bricks Databricks o otwartą warstwę orkiestracji, podczas gdy autorskie funkcje, takie jak Supervisor Agent i Unity Catalog Governance, pozostają częścią oferty komercyjnej .

Dwie strategie, jeden zakład

Eve od Vercel koncentruje się na tym, aby pojedynczy agent był łatwy do zbudowania, przetestowania i wdrożenia – to narzędzie horyzontalne dla każdego dewelopera tworzącego funkcje agentowe. Omnigent od Databricks koncentruje się na zarządzaniu chaosem wielu agentów w różnych zespołach i u dostawców – to panel sterowania dla wdrożeń na skalę przedsiębiorstwa. Obie firmy zakładają, że adopcja open-source napędzi popyt na ich komercyjne platformy: infrastrukturę wdrożeniową Vercel i zarządzaną platformę danych i AI Databricks.

Dla deweloperów oceniających te narzędzia wybór zależy od problemu: użyj Eve, gdy potrzebujesz szybko zbudować pojedynczego agenta i wdrożyć go ze znajomym doświadczeniem deweloperskim; oceń Omnigent, gdy potrzebujesz orkiestrować i zarządzać flotą agentów w różnych frameworkach. Te dwa rozwiązania nie są bezpośrednio konkurencyjne – w rzeczywistości mogą się uzupełniać, a agenci zbudowani w Eve mogą być ostatecznie orkiestrowani przez Omnigent.