Ключевые особенности

• Агент как каталог — каждый агент представляет собой отдельную папку, содержащую agent.ts, instructions.md, tools/, skills/, subagents/, channels/ и schedules/. Файловая структура с первого взгляда определяет возможности агента .
• Надёжное выполнение с автоматическими повторными попытками и сохранением состояния .
• Изолированные вычисления — агенты получают собственную микро-ВМ для выполнения кода .
• Подтверждение человеком — один флаг needsApproval на любом инструменте блокирует дорогостоящие или опасные действия до одобрения оператором .
• Суб-агенты — агенты могут делегировать задачи суб-агентам (с той же структурой каталога), вложенным в subagents/ .
• Evals — система для тестирования поведения агента .
• Интеграция Vercel Connect — агенты запрашивают временные, ограниченные по области действия учётные данные вместо хранения долгосрочных токенов .
• Разработан так, чтобы напоминать процесс создания, запуска и развёртывания Next.js-приложения .

Внутренние показатели внедрения

Vercel заявила, что создаёт и запускает собственных агентов на базе Eve, и более 100 агентов находятся в продакшене в самой Vercel .

Стратегическое обоснование

• Стандартизация разработки агентов — Vercel утверждает, что создание агентов сегодня находится «на том этапе, где был веб до появления фреймворков», и каждый разработчик пишет одну и ту же инфраструктуру с нуля . Eve призвана сделать для агентов то же, что Next.js сделала для веб-приложений: превратить разрозненные паттерны в единую, стандартизированную структуру.
• Углубление стека агентов — Eve — это верхний уровень фреймворка, который объединяет существующие примитивы инфраструктуры агентов Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) в единый сквозной пользовательский опыт .
• Стимулирование принятия платформы — упрощая разработку агентов до уровня создания Next.js-приложения, Vercel позиционирует себя как платформа развёртывания по умолчанию для агентов, подобно тому, как она стала стандартом для фронтенд-приложений .

Databricks — Omnigent: «Kubernetes для агентов»

Что было анонсировано

13–18 июня 2026 года Databricks открыла исходный код Omnigent — «мета-обвязки для ИИ-агентов», выпущенной в альфа-версии под лицензией Apache 2.0 . Проект был анонсирован сооснователем Databricks Матеем Захарией на X (Twitter) .

Ключевые особенности

• Композиция мультиагентных систем — работает поверх существующих агентных систем (Claude Code, OpenAI Codex, Pi, собственные SDK агентов) и предоставляет единый интерфейс для маршрутизации задач между ними .
• Совместная работа в реальном времени — команды могут совместно использовать сессии агентов, просматривать результаты и управлять рабочими процессами .
• Расширенные политики контроля — движок политик с отслеживанием состояния, который фиксирует действия агентов и обеспечивает соблюдение ограничений, выходящих за рамки простых промптов, включая безопасность, стоимость и доступ .
• Облачные среды выполнения с изоляцией на уровне ОС .
• Вендор-нейтральная оркестровка — разработана для предотвращения привязки к одному поставщику агентов при сохранении централизованного управления .

Контекст внутреннего внедрения

Databricks сообщила, что Omnigent напрямую основан на опыте внутреннего развёртывания ИИ-агентов и создания продуктов на их основе, таких как Genie . Платформа Databricks в целом обслуживает более 20 000 организаций и 70% компаний из списка Fortune 500 . Databricks также предлагает управляемую версию Omnigent в составе своей коммерческой платформы Agent Bricks .

Стратегическое обоснование

• Решение проблемы фрагментации — компании, использующие несколько агентных систем (Claude Code, Codex, Pi, собственные разработки), сталкиваются со сложностью интеграции, которая растёт нелинейно. Omnigent предоставляет единый уровень оркестровки и управления для всех них .
• Проверенная стратегия open-source — Databricks имеет успешный опыт открытия исходного кода базовой инфраструктуры (Apache Spark, MLflow, Delta Lake) для стимулирования принятия экосистемой, с последующей монетизацией управляемых корпоративных версий .
• Управление как ключевое преимущество — по мере перехода агентов от экспериментов к продакшену, организациям требуются аудит, контроль затрат и политики безопасности, адаптирующиеся к поведению агента, а не просто статичные промпты .
• Позиционирование как «Kubernetes для агентов» — в случае широкого принятия, абстракции Databricks могут стать стандартным протоколом координации для мультиагентных систем, создавая естественный путь к коммерческой платформе компании .
• Дополнение к Agent Bricks — Omnigent расширяет существующую платформу Agent Bricks открытым слоем оркестровки, в то время как проприетарный Supervisor Agent и управление через Unity Catalog остаются частью коммерческого предложения .

Две стратегии, одна ставка

Eve от Vercel фокусируется на том, чтобы сделать отдельного агента простым в создании, тестировании и развёртывании — это горизонтальный инструмент для любого разработчика, создающего агентные функции. Omnigent от Databricks, напротив, направлен на управление хаосом множества агентов от разных команд и вендоров — это плоскость контроля для корпоративных развёртываний. Обе компании ставят на то, что принятие open-source подстегнёт спрос на их коммерческие платформы: инфраструктуру развёртывания Vercel и управляемую платформу данных и ИИ Databricks.

Для разработчиков, оценивающих эти инструменты, выбор зависит от задачи: используйте Eve, когда нужно быстро создать отдельного агента с привычным опытом разработки; обратите внимание на Omnigent, когда требуется оркестровать и управлять целым парком агентов из разных фреймворков. Эти два продукта не являются прямыми конкурентами — более того, они могут дополнять друг друга: агенты, созданные на Eve, могут в конечном итоге оркестроваться через Omnigent.

Ключевые особенности

• Агент как каталог — каждый агент представляет собой отдельную папку, содержащую agent.ts, instructions.md, tools/, skills/, subagents/, channels/ и schedules/. Файловая структура с первого взгляда определяет возможности агента .
• Надёжное выполнение с автоматическими повторными попытками и сохранением состояния .
• Изолированные вычисления — агенты получают собственную микро-ВМ для выполнения кода .
• Подтверждение человеком — один флаг needsApproval на любом инструменте блокирует дорогостоящие или опасные действия до одобрения оператором .
• Суб-агенты — агенты могут делегировать задачи суб-агентам (с той же структурой каталога), вложенным в subagents/ .
• Evals — система для тестирования поведения агента .
• Интеграция Vercel Connect — агенты запрашивают временные, ограниченные по области действия учётные данные вместо хранения долгосрочных токенов .
• Разработан так, чтобы напоминать процесс создания, запуска и развёртывания Next.js-приложения .

Внутренние показатели внедрения

Vercel заявила, что создаёт и запускает собственных агентов на базе Eve, и более 100 агентов находятся в продакшене в самой Vercel .

Стратегическое обоснование

• Стандартизация разработки агентов — Vercel утверждает, что создание агентов сегодня находится «на том этапе, где был веб до появления фреймворков», и каждый разработчик пишет одну и ту же инфраструктуру с нуля . Eve призвана сделать для агентов то же, что Next.js сделала для веб-приложений: превратить разрозненные паттерны в единую, стандартизированную структуру.
• Углубление стека агентов — Eve — это верхний уровень фреймворка, который объединяет существующие примитивы инфраструктуры агентов Vercel (AI SDK, AI Gateway, Workflow SDK, Sandbox, Chat SDK, Connect) в единый сквозной пользовательский опыт .
• Стимулирование принятия платформы — упрощая разработку агентов до уровня создания Next.js-приложения, Vercel позиционирует себя как платформа развёртывания по умолчанию для агентов, подобно тому, как она стала стандартом для фронтенд-приложений .

Databricks — Omnigent: «Kubernetes для агентов»

Что было анонсировано

13–18 июня 2026 года Databricks открыла исходный код Omnigent — «мета-обвязки для ИИ-агентов», выпущенной в альфа-версии под лицензией Apache 2.0 . Проект был анонсирован сооснователем Databricks Матеем Захарией на X (Twitter) .

Ключевые особенности

• Композиция мультиагентных систем — работает поверх существующих агентных систем (Claude Code, OpenAI Codex, Pi, собственные SDK агентов) и предоставляет единый интерфейс для маршрутизации задач между ними .
• Совместная работа в реальном времени — команды могут совместно использовать сессии агентов, просматривать результаты и управлять рабочими процессами .
• Расширенные политики контроля — движок политик с отслеживанием состояния, который фиксирует действия агентов и обеспечивает соблюдение ограничений, выходящих за рамки простых промптов, включая безопасность, стоимость и доступ .
• Облачные среды выполнения с изоляцией на уровне ОС .
• Вендор-нейтральная оркестровка — разработана для предотвращения привязки к одному поставщику агентов при сохранении централизованного управления .

Контекст внутреннего внедрения

Databricks сообщила, что Omnigent напрямую основан на опыте внутреннего развёртывания ИИ-агентов и создания продуктов на их основе, таких как Genie . Платформа Databricks в целом обслуживает более 20 000 организаций и 70% компаний из списка Fortune 500 . Databricks также предлагает управляемую версию Omnigent в составе своей коммерческой платформы Agent Bricks .

Стратегическое обоснование

• Решение проблемы фрагментации — компании, использующие несколько агентных систем (Claude Code, Codex, Pi, собственные разработки), сталкиваются со сложностью интеграции, которая растёт нелинейно. Omnigent предоставляет единый уровень оркестровки и управления для всех них .
• Проверенная стратегия open-source — Databricks имеет успешный опыт открытия исходного кода базовой инфраструктуры (Apache Spark, MLflow, Delta Lake) для стимулирования принятия экосистемой, с последующей монетизацией управляемых корпоративных версий .
• Управление как ключевое преимущество — по мере перехода агентов от экспериментов к продакшену, организациям требуются аудит, контроль затрат и политики безопасности, адаптирующиеся к поведению агента, а не просто статичные промпты .
• Позиционирование как «Kubernetes для агентов» — в случае широкого принятия, абстракции Databricks могут стать стандартным протоколом координации для мультиагентных систем, создавая естественный путь к коммерческой платформе компании .
• Дополнение к Agent Bricks — Omnigent расширяет существующую платформу Agent Bricks открытым слоем оркестровки, в то время как проприетарный Supervisor Agent и управление через Unity Catalog остаются частью коммерческого предложения .

Две стратегии, одна ставка

Eve от Vercel фокусируется на том, чтобы сделать отдельного агента простым в создании, тестировании и развёртывании — это горизонтальный инструмент для любого разработчика, создающего агентные функции. Omnigent от Databricks, напротив, направлен на управление хаосом множества агентов от разных команд и вендоров — это плоскость контроля для корпоративных развёртываний. Обе компании ставят на то, что принятие open-source подстегнёт спрос на их коммерческие платформы: инфраструктуру развёртывания Vercel и управляемую платформу данных и ИИ Databricks.

Для разработчиков, оценивающих эти инструменты, выбор зависит от задачи: используйте Eve, когда нужно быстро создать отдельного агента с привычным опытом разработки; обратите внимание на Omnigent, когда требуется оркестровать и управлять целым парком агентов из разных фреймворков. Эти два продукта не являются прямыми конкурентами — более того, они могут дополнять друг друга: агенты, созданные на Eve, могут в конечном итоге оркестроваться через Omnigent.