Vercel的Eve vs Databricks的Omnigent：两大开源AI智能体框架，两种截然不同的战略

内部采用数据

Vercel 表示，它使用 Eve 构建和运行自己的智能体，目前 Vercel 内部已有超过100个智能体在生产环境中运行 在该框架之上。

战略逻辑

• 标准化智能体开发——Vercel 认为，当前的智能体构建就像“框架出现之前的 Web 开发”，每个人都在重复发明轮子。 Eve 的目标是像 Next.js 统一 Web 应用开发那样，将临时拼凑的模式转化为单一、有主见的标准化结构。
• 深化智能体技术栈（Agent Stack）——Eve 是顶层框架，它将 Vercel 现有的智能体基础设施原语（AI SDK、AI Gateway、Workflow SDK、Sandbox、Chat SDK、Connect）整合成一个端到端的开发者体验。
• 推动平台采纳——通过将智能体开发变得像搭建 Next.js 应用一样简单，Vercel 将自己定位为智能体的默认部署目标，就像它曾经成为前端应用的默认选择一样。

Databricks —— Omnigent：“智能体领域的 Kubernetes”

公告内容

在2026年6月13日至18日期间，Databricks 开源了 Omnigent，这是一个“AI 智能体元框架”，以 Alpha 版本发布，采用 Apache 2.0 许可证。 该项目由 Databricks 联合创始人 Matei Zaharia 在 X 平台上宣布。

核心功能

• 多智能体组合——位于现有智能体系统（Claude Code、OpenAI Codex、Pi、自定义智能体 SDK）之上，提供统一的接口用于跨系统路由任务。
• 实时协作——团队可以共享实时的智能体会话，共同审查输出，并实时指导工作流。
• 丰富控制策略——一个有状态策略引擎，跟踪智能体行为并执行超越基于提示词的控制措施，涵盖安全、成本和访问权限。
• 云执行环境——提供操作系统级别的沙箱隔离。
• 供应商无关编排——旨在防止对单一智能体提供商的技术锁定，同时保持集中化治理。

内部采用背景

Databricks 表示，Omnigent 直接汲取了其内部 AI 智能体部署的经验，以及构建基于智能体的产品（如 Genie）的教训。 Databricks 平台目前服务超过 20,000 个组织 和 70% 的财富 500 强企业。 Databricks 还提供 Omnigent 的托管版本，作为其商业平台 Agent Bricks 的一部分。

战略逻辑

• 解决碎片化问题——同时运行多个智能体系统（Claude Code、Codex、Pi、自研系统）的企业面临着非线性增长的集成复杂度。Omnigent 为所有这些系统提供了一个统一的编排和治理层。
• 开源策略——Databricks 在开源基础设施方面拥有成功的先例（Apache Spark、MLflow、Delta Lake），通过开源推动生态采纳，然后通过托管的企业版实现商业化。
• 以治理能力作为差异化优势——随着智能体从实验阶段走向生产环境，组织需要适应智能体行为的审计、成本控制和安全策略，而不仅仅是静态的提示词控制。
• 定位为“智能体领域的 Kubernetes”——如果被广泛采用，Databricks 的抽象层可能成为多智能体集群的默认协调协议，从而为其商业平台创造自然的入口。
• 补充 Agent Bricks——Omnigent 以开源编排层扩展了 Databricks 现有的 Agent Bricks 平台，而专有的 Supervisor Agent 和 Unity Catalog 治理能力仍保留在商业产品中。

两种战略，同一个赌注

Vercel 的 Eve 专注于让单个智能体易于构建、测试和部署——这是一款面向任何构建智能体功能开发者的横向工具。Databricks 的 Omnigent 则专注于管理跨团队和跨供应商的多个智能体带来的混乱——这是一个面向企业级部署的控制面板。两家公司都押注于，开源采纳将推动对其商业平台的需求：Vercel 的部署基础设施和 Databricks 的托管数据与 AI 平台。

对于正在评估这些工具的开发者而言，选择取决于要解决的问题：当你需要快速构建单个智能体并以熟悉的开发者体验交付时，请使用 Eve；当你需要编排和治理一个跨不同框架的智能体集群时，请评估 Omnigent。两者并非直接竞争——事实上，它们可以互补，由 Eve 构建的智能体最终可能由 Omnigent 来编排。