Databricks 谈智能体规模化:用 Agent Bricks、Omnigent 与 Unity Gateway 共享基础设施,避免集成与观测碎片化
Databricks 指出,每新增一个智能体都可能带来独立的集成、策略与可观测性栈;更稳妥的做法是用 Agent Bricks、Omnigent 与 Unity Gateway 提供统一的构建、编排与访问管控。
Databricks 官方账号 10 月 23 日发帖称,每新增一个智能体,都可能再叠一套集成、策略与可观测性栈;当智能体开始跨数据、模型、工具与业务系统行动时,这种碎片化会迅速抬高成本。帖文给出的替代模式是为“选择、上下文与控制”建设共享基础设施,并列了三块能力:Agent Bricks 用于构建、治理与优化智能体集群;Omnigent 用于跨不同 harness 组合智能体;Unity Gateway 用于集中访问、成本控制与可观测性。
配图把 Agent Loop 放在中心,周围环绕工具、沙箱、模型、持久执行、上下文、界面、治理、身份、监控、MCP、部署与评估等组件。
flowchart LR
B[Agent Bricks<br/>构建/治理/优化] --> F[智能体集群]
O[Omnigent<br/>跨 harness 组合] --> F
G[Unity Gateway<br/>访问/成本/观测] --> F
F --> S[数据 / 模型 / 工具 / 业务系统]
帖文指向 Databricks 博客《How to scale agentic applications without creating AI sprawl》。对企业平台团队来说,它把问题从“再接一个智能体产品”拉回到“共享控制面”:访问入口、成本计量和运行观测如果仍按项目各自搭建,智能体数量上去以后运维面会先崩。帖文未展开三块产品的具体发布状态与计费细节,落地评估仍需对照官方文档。
对企业而言,智能体项目失败很少是因为“不会调模型”,更多是权限、工具连接、成本与日志散落在各个业务队手里。Databricks 把 Agent Bricks、Omnigent、Unity Gateway 放在同一叙事里,想说明治理与观测应先于智能体数量扩张。平台团队可以据此盘点:现有智能体是否共用身份与网关、是否能按队组限流与审计、失败重试是否有统一面板。若各业务线仍在自建 MCP 与策略引擎,后续合并成本会高于先选共享控制面。
Shared infrastructure for agent fleets: Agent Bricks, Omnigent, Unity Gateway
Every new agent can become another integration, policy set and observability stack to maintain.
As agents take actions across data, models, tools and business systems, that fragmentation gets expensive fast. The better pattern is shared infrastructure for choice, context and control:
1️⃣ Agent Bricks for building, governing and optimizing agent fleets 2️⃣ Omnigent for composing agents across harnesses 3️⃣ Unity Gateway for centralized access, cost controls and observability