Principais recursos

• Agente como um diretório — cada agente é uma única pasta contendo agent.ts, instructions.md, tools/, skills/, subagents/, channels/ e schedules/. A árvore de arquivos define as capacidades do agente num relance .
• Execução durável com repetições automáticas e persistência de estado .
• Computação em sandbox — os agentes recebem uma microVM isolada para executar o código que escrevem .
• Aprovação humana no circuito — uma única flag needsApproval em qualquer ferramenta bloqueia ações caras ou destrutivas .
• Subagentes — agentes podem delegar a subagentes (com a mesma estrutura de diretório) aninhados dentro de subagents/ .
• Avaliações (Evals) para testar o comportamento do agente .
• Integração com Vercel Connect — agentes solicitam credenciais temporárias e com escopo definido, em vez de armazenar tokens de longa duração .
• Projetado para parecer com a criação, execução e implantação de um aplicativo Next.js .

Métricas de adoção interna

A Vercel afirmou que constrói e executa seus próprios agentes no eve, e que mais de 100 agentes estão em produção na Vercel usando o framework .

Racional estratégico

• Padronizar o desenvolvimento de agentes — a Vercel argumenta que construir agentes hoje é "onde a web estava antes dos frameworks", com cada um reinventando a mesma estrutura básica . O eve aspira ser o que o Next.js fez para aplicações web: transformar padrões ad-hoc em uma estrutura única e opinativa.
• Aprofundar o Agent Stack — o eve é o framework de topo que amarra os primitivos de infraestrutura de agente existentes da Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) em uma experiência de desenvolvedor completa .
• Impulsionar a adoção da plataforma — ao tornar o desenvolvimento de agentes tão fácil quanto criar um aplicativo Next.js, a Vercel se posiciona como o destino padrão de implantação para agentes, assim como se tornou o padrão para aplicações front-end .

Databricks — Omnigent: "Kubernetes para Agentes"

O que foi anunciado

Entre 13 e 18 de junho de 2026, a Databricks abriu o código-fonte do Omnigent, um "meta-harness para agentes de IA", lançado em alfa sob a licença Apache 2.0 . O projeto foi anunciado pelo cofundador da Databricks, Matei Zaharia, no X .

Principais recursos

• Composição multi-agente — fica acima dos sistemas de agentes existentes (Claude Code, OpenAI Codex, Pi, SDKs de agentes personalizados) e fornece uma interface unificada para rotear tarefas entre eles .
• Colaboração ao vivo — equipes podem compartilhar sessões de agentes ao vivo, revisar resultados juntos e guiar fluxos de trabalho em tempo real .
• Políticas de controle robustas — um mecanismo de política com estado que rastreia ações de agentes e impõe guardrails além dos controles baseados em prompt, cobrindo segurança, custo e acesso .
• Ambientes de execução em nuvem com sandbox em nível de sistema operacional .
• Orquestração neutra em relação a fornecedores — projetado para evitar o lock-in com qualquer provedor de agente único, mantendo a governança centralizada .

Contexto de adoção interna

A Databricks disse que o Omnigent se baseou diretamente nas lições de suas implantações internas de agentes de IA e na construção de produtos baseados em agentes, como o Genie . A plataforma Databricks mais ampla atende mais de 20.000 organizações e 70% das empresas Fortune 500 . A Databricks também oferece uma versão gerenciada do Omnigent como parte de sua plataforma comercial Agent Bricks .

Racional estratégico

• Resolver a fragmentação — empresas que executam vários sistemas de agentes (Claude Code, Codex, Pi, internos) enfrentam uma complexidade de integração que escala de forma não linear. O Omnigent fornece uma camada única de orquestração e governança acima de todos eles .
• Estratégia open-source — a Databricks tem um histórico comprovado de abrir o código-fonte de infraestrutura fundamental (Apache Spark, MLflow, Delta Lake) para impulsionar a adoção do ecossistema e depois monetizar a versão empresarial gerenciada .
• Governança como diferencial — à medida que os agentes passam de experimentos para produção, as organizações precisam de auditabilidade, controles de custo e políticas de segurança que se adaptam ao comportamento do agente, não apenas a prompts estáticos .
• Posicionar-se como "Kubernetes para agentes" — se amplamente adotado, as abstrações da Databricks podem se tornar o protocolo de coordenação padrão para frotas multi-agentes, criando uma rampa natural para sua plataforma comercial .
• Complemento ao Agent Bricks — o Omnigent estende a plataforma Agent Bricks existente da Databricks com uma camada de orquestração open-source, enquanto o Supervisor Agent proprietário e a governança do Unity Catalog permanecem como parte da oferta comercial .

Duas estratégias, uma aposta

O eve da Vercel foca em tornar o agente individual fácil de construir, testar e implantar — uma ferramenta horizontal para qualquer desenvolvedor construindo funcionalidades de agente. O Omnigent da Databricks foca em gerenciar o caos de múltiplos agentes entre equipes e fornecedores — um plano de controle para implantação em escala empresarial. Ambas as empresas apostam que a adoção do open-source impulsionará a demanda por suas plataformas comerciais: a infraestrutura de implantação da Vercel e a plataforma gerenciada de dados e IA da Databricks.

Para desenvolvedores avaliando essas ferramentas, a escolha depende do problema: use o eve quando precisar construir um único agente rapidamente e enviá-lo com uma experiência de desenvolvedor familiar; avalie o Omnigent quando precisar orquestrar e governar uma frota de agentes em diferentes frameworks. As duas não são concorrentes diretas — na verdade, podem ser complementares, com agentes construídos no eve sendo eventualmente orquestrados pelo Omnigent.

Principais recursos

• Agente como um diretório — cada agente é uma única pasta contendo agent.ts, instructions.md, tools/, skills/, subagents/, channels/ e schedules/. A árvore de arquivos define as capacidades do agente num relance .
• Execução durável com repetições automáticas e persistência de estado .
• Computação em sandbox — os agentes recebem uma microVM isolada para executar o código que escrevem .
• Aprovação humana no circuito — uma única flag needsApproval em qualquer ferramenta bloqueia ações caras ou destrutivas .
• Subagentes — agentes podem delegar a subagentes (com a mesma estrutura de diretório) aninhados dentro de subagents/ .
• Avaliações (Evals) para testar o comportamento do agente .
• Integração com Vercel Connect — agentes solicitam credenciais temporárias e com escopo definido, em vez de armazenar tokens de longa duração .
• Projetado para parecer com a criação, execução e implantação de um aplicativo Next.js .

Métricas de adoção interna

A Vercel afirmou que constrói e executa seus próprios agentes no eve, e que mais de 100 agentes estão em produção na Vercel usando o framework .

Racional estratégico

• Padronizar o desenvolvimento de agentes — a Vercel argumenta que construir agentes hoje é "onde a web estava antes dos frameworks", com cada um reinventando a mesma estrutura básica . O eve aspira ser o que o Next.js fez para aplicações web: transformar padrões ad-hoc em uma estrutura única e opinativa.
• Aprofundar o Agent Stack — o eve é o framework de topo que amarra os primitivos de infraestrutura de agente existentes da Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) em uma experiência de desenvolvedor completa .
• Impulsionar a adoção da plataforma — ao tornar o desenvolvimento de agentes tão fácil quanto criar um aplicativo Next.js, a Vercel se posiciona como o destino padrão de implantação para agentes, assim como se tornou o padrão para aplicações front-end .

Databricks — Omnigent: "Kubernetes para Agentes"

O que foi anunciado

Entre 13 e 18 de junho de 2026, a Databricks abriu o código-fonte do Omnigent, um "meta-harness para agentes de IA", lançado em alfa sob a licença Apache 2.0 . O projeto foi anunciado pelo cofundador da Databricks, Matei Zaharia, no X .

Principais recursos

• Composição multi-agente — fica acima dos sistemas de agentes existentes (Claude Code, OpenAI Codex, Pi, SDKs de agentes personalizados) e fornece uma interface unificada para rotear tarefas entre eles .
• Colaboração ao vivo — equipes podem compartilhar sessões de agentes ao vivo, revisar resultados juntos e guiar fluxos de trabalho em tempo real .
• Políticas de controle robustas — um mecanismo de política com estado que rastreia ações de agentes e impõe guardrails além dos controles baseados em prompt, cobrindo segurança, custo e acesso .
• Ambientes de execução em nuvem com sandbox em nível de sistema operacional .
• Orquestração neutra em relação a fornecedores — projetado para evitar o lock-in com qualquer provedor de agente único, mantendo a governança centralizada .

Contexto de adoção interna

A Databricks disse que o Omnigent se baseou diretamente nas lições de suas implantações internas de agentes de IA e na construção de produtos baseados em agentes, como o Genie . A plataforma Databricks mais ampla atende mais de 20.000 organizações e 70% das empresas Fortune 500 . A Databricks também oferece uma versão gerenciada do Omnigent como parte de sua plataforma comercial Agent Bricks .

Racional estratégico

• Resolver a fragmentação — empresas que executam vários sistemas de agentes (Claude Code, Codex, Pi, internos) enfrentam uma complexidade de integração que escala de forma não linear. O Omnigent fornece uma camada única de orquestração e governança acima de todos eles .
• Estratégia open-source — a Databricks tem um histórico comprovado de abrir o código-fonte de infraestrutura fundamental (Apache Spark, MLflow, Delta Lake) para impulsionar a adoção do ecossistema e depois monetizar a versão empresarial gerenciada .
• Governança como diferencial — à medida que os agentes passam de experimentos para produção, as organizações precisam de auditabilidade, controles de custo e políticas de segurança que se adaptam ao comportamento do agente, não apenas a prompts estáticos .
• Posicionar-se como "Kubernetes para agentes" — se amplamente adotado, as abstrações da Databricks podem se tornar o protocolo de coordenação padrão para frotas multi-agentes, criando uma rampa natural para sua plataforma comercial .
• Complemento ao Agent Bricks — o Omnigent estende a plataforma Agent Bricks existente da Databricks com uma camada de orquestração open-source, enquanto o Supervisor Agent proprietário e a governança do Unity Catalog permanecem como parte da oferta comercial .

Duas estratégias, uma aposta

O eve da Vercel foca em tornar o agente individual fácil de construir, testar e implantar — uma ferramenta horizontal para qualquer desenvolvedor construindo funcionalidades de agente. O Omnigent da Databricks foca em gerenciar o caos de múltiplos agentes entre equipes e fornecedores — um plano de controle para implantação em escala empresarial. Ambas as empresas apostam que a adoção do open-source impulsionará a demanda por suas plataformas comerciais: a infraestrutura de implantação da Vercel e a plataforma gerenciada de dados e IA da Databricks.

Para desenvolvedores avaliando essas ferramentas, a escolha depende do problema: use o eve quando precisar construir um único agente rapidamente e enviá-lo com uma experiência de desenvolvedor familiar; avalie o Omnigent quando precisar orquestrar e governar uma frota de agentes em diferentes frameworks. As duas não são concorrentes diretas — na verdade, podem ser complementares, com agentes construídos no eve sendo eventualmente orquestrados pelo Omnigent.