Omnigent: Databricks åpner koden på verktøyet som samler Claude Code, Codex og Pi i ett grensesnitt

Hvis du bruker mer enn én AI-kodingsagent og har brukt for mye tid på å kopiere tekst mellom vinduene, er Omnigent verdt å sjekke ut. Databricks slapp i går et open source-prosjekt som legger seg som et felles skall over eksisterende agenter – Claude Code, Codex, Pi og andre – og gir deg komposisjon, styringsregler og live samarbeid på én gang.

Prosjektet heter Omnigent, er lisensiert under Apache 2.0, og er foreløpig i alpha. Det betyr at det ikke er produksjonsklart ennå, men at du kan grave i koden, teste det og følge utviklingen fra dag én.

Det interessante er ikke at nok et orchestration-verktøy har dukket opp – det er at Databricks har valgt å løse problemet på et annet lag enn konkurrentene. I stedet for å bygge en ny agent, har de bygget et lag over agentene du allerede bruker.

Hva er Omnigent, og hva gjør det i praksis?

Omnigent er en meta-harness – et rammeverk som pakker inn eksisterende AI-agenter og eksponerer dem gjennom et felles grensesnitt. Du bytter mellom Claude Code, Codex, Pi og egne agenter med én linjes endring i konfigurasjonen, uten å måtte re-integrere noe som helst.

Arkitekturen er todelt: en runner som kjører en agent i en isolert sandkasse med et uniform API på toppen, og en server som håndterer styringsregler og deling. Alt dette er tilgjengelig via terminal, web-UI på localhost:6767, desktop og mobil – og alle grensesnittene holdes synkroniserte i sanntid.

Tre ting skiller Omnigent fra andre verktøy i dette rommet:

Komposisjon: bytt agent uten å starte på nytt

Det vanligste problemet med å bruke flere agenter er ikke at de er dårlige – det er friksjonen ved å flytte seg mellom dem. Du mister kontekst, du kopierer resultater manuelt, og du ender opp med å velge én agent fordi det er for kjipt å bytte.

Omnigent fjerner dette ved å behandle agenter som utbyttbare komponenter. Du kan kjøre Claude Code til én del av oppgaven og sende resten til Codex, uten å forlate terminalen eller miste sesjonstilstanden. Det inkluderer også støtte for OpenAI Agents SDK, Claude Agents SDK og egne agenter via YAML-konfigurasjon.

Et eksempel fra prosjektets egne demo-agenter illustrerer poenget godt: Polly er en multi-agent-orkestrator som planlegger en oppgave og delegerer den til tre sub-agenter – Claude Code, Codex og Pi – som kjører parallelt i separate git worktrees. Hvert diff blir kryssreviewet av en agent fra en annen leverandør før det merges. Det er den typen arbeidsflyt som tidligere krevde mye tilpasset infrastruktur.

Styringsregler: stopp agenten før den gjør noe dumt

Det som ofte mangler i agent-verktøy er kontroll på det som skjer mellom prompten og resultatet. Omnigent løser dette med stateful contextual policies – regler som håndheves på meta-harness-laget, ikke gjennom prompten til agenten.

Reglene stables på tre nivåer: server-wide, per agent og per sesjon. Strengere regler sjekkes alltid først. Eksempler på hva du kan sette opp: pause kjøringen automatisk når en kostnadsterskel nås, eller krev manuell godkjenning før git push etter at npm-pakker er installert. YAML-konfigurasjon gir deg myke advarsler og harde grenser på budsjettet.

Sandkassen heter Omnibox og håndterer sikkerhet på OS-nivå. Credentials som GitHub-tokens injiseres bare gjennom egress-proxyer på godkjente forespørsler, og holdes skjult for agenten selv. Det er en solid tilnærming for dem som er bekymret for hva agenter egentlig gjør i bakgrunnen.

Live samarbeid: del sesjonen med en URL

Den tredje funksjonen er kanskje den mest uventede: live session sharing. Du deler en URL, og kollegaen kan se hva agenten gjør i sanntid, chatte med den, kommentere på filer, co-drive sesjonen eller forke samtalen i en ny retning.

Det minner litt om Google Docs-dynamikken – men for AI-agenter. For team som jobber med kodegjennomganger eller debugging er dette potensielt ganske nyttig, spesielt sammenlignet med dagens løsning som gjerne er «ta skjermskudd og lim inn i Slack».

For team som ikke vil sette opp en alltid-på server, støtter Omnigent også skybaserte sandkasser via Modal og Daytona – uten at du trenger lokal infrastruktur.

Hva koster det, og hva trenger du for å komme i gang?

Omnigent er gratis og åpen kildekode på GitHub under Apache 2.0. Du håndterer modellene, infrastrukturen og utgiftene selv – Omnigent er bare skallet rundt dem. Det støtter egne API-nøkler, Claude- og ChatGPT-abonnementer, OpenAI/Anthropic-kompatible gateways og Databricks-arbeidsområder.

Du trenger Python 3.12+, Node.js 22 LTS og tmux for å kjøre det lokalt. Installasjonen er én linje:

curl -fsSL https://omnigent.ai/install.sh | sh

Prosjektet er i alpha, og det er verdt å ta med i betraktningen. Omnigent Server med MCP-støtte er ikke sluppet ennå, og roadmapen er ikke komplett. Off-network teamsamarbeid krever en alltid-på deployed server, noe som legger til litt mer kompleksitet enn reklamen antyder.

Men alpha betyr også at du kan påvirke retningen tidlig – noe som er en fordel for den typen teknologiinteresserte som allerede eksperimenterer med Claude Managed Agents eller har utforsket OpenAI Codex CLI siden den kom.

Debby-agenten er et smart triks

En liten detalj jeg likte å lese om: en av demo-agentene som følger med heter Debby. Den kombinerer Claude og GPT som to separate modeller i en brainstorming-sesjon, viser svarene side om side, og har en /debate-modus der modellene argumenterer mot hverandre. Det er den typen småting som viser at utviklerne faktisk tenker på bruksmønsteret, ikke bare arkitekturen.

Det minner litt om Open Swarm-tilnærmingen – koordiner flere agenter i parallell i stedet for å sette alt på én modell. Forskjellen er at Omnigent legger laget lavere i stacken, noe som gjør at du kan bruke dine egne verktøy uten å bygge om alt.

Ofte stilte spørsmål