Databricks ने Omnigent ओपन-सोर्स किया, एक Apache 2.0 परियोजना जिसे वह एक meta-harness कहती है, और उस शब्द में जो अंतर है वही पूरा विचार है। एक harness वह है जो एक model को लपेटकर उसे एक agent बना देता है: Claude Code, OpenAI Codex और Pi हर एक harness हैं। Omnigent उनसे एक परत ऊपर बैठता है और हर harness को एक बड़े सिस्टम का एक विनिमेय हिस्सा मानता है, interface को मानकीकृत करते हुए ताकि तुम कुछ भी फिर से लिखे बिना अलग-अलग agent systems के बीच स्विच कर सको। प्रेरणा, टीम के अपने शब्दों में, वह गड़बड़ है जिसमें अधिकांश लोग पहले से हैं: "बहुत से इंजीनियर अब एक साथ चार-पांच agents संभालते हैं। वे coding agents, search tools, Docs और Slack के बीच text copy करते हैं। हर harness सिर्फ अपने ही sessions समझता है।" Omnigent वह साझा परत जोड़ता है जो harnesses में नहीं है। architecture में यह दो हिस्से हैं, एक Runner जो किसी भी agent को एक sandbox session में एक समान API के पीछे लपेटता है, और एक Server जो policies और sharing रखता है; एक command एक terminal session और localhost:6767 पर एक local web UI शुरू करता है जो फिर browser और phone में sync होता है।
pitch तीन C के इर्द-गिर्द संगठित है। Composition: एक-line बदलाव से Claude Code, Codex, Pi, OpenAI और Claude Agents SDK, या YAML में परिभाषित एक custom agent के बीच स्विच करो, और session के बीच models बदलने के लिए एक /model command का उपयोग करो। Control: stateful, contextual policies जो meta-harness परत पर guardrails लागू करती हैं, prompt के जरिए नहीं, दिए गए उदाहरण हैं एक agent को $100 खर्च के बाद रोकना, या एक npm install के बाद वाले git push से पहले मानव अनुमोदन मांगना, YAML policies server, agent और session scopes में ढेर की हुई, सबसे सख्त पहले जांची जाती। Collaboration: एक live agent session को URL से साझा करो ताकि साथी real time में देख, comment, co-drive या fork कर सकें। repo में दो उदाहरण agents आते हैं: Polly, एक multi-agent coding orchestrator जो git worktrees में parallel sub-agents को काम सौंपता है और merge से पहले हर diff को cross-review के लिए एक अलग vendor को route करता है, और Debby, एक brainstorming साथी जो Claude और GPT दोनों चलाता है जिसे तुम /debate कह सकते हो ताकि दोनों converge होने से पहले एक-दूसरे की आलोचना करें।
जिस हिस्से पर सबसे ज्यादा रुकना चाहिए वह यह है कि guardrails कहां रहते हैं, क्योंकि यही वह जवाब है जिसके इर्द-गिर्द पूरा उद्योग घूम रहा है। Omnigent policy को model के बाहर, orchestration परत पर लागू करता है, एक ऐसे system prompt में नहीं जिससे model को बाहर निकलने के लिए मनाया जा सके, और इसका Omnibox OS sandbox और आगे जाता है, रहस्यों को agent की पहुंच से पूरी तरह बाहर रखते हुए। उनके उदाहरण में, एक GitHub token agent को कभी दिखाया ही नहीं जाता; यह केवल egress proxy द्वारा inject होता है, और केवल उन requests पर जिन्हें policy ने अनुमोदित किया है। इसे इस हफ्ते की OWASP रिपोर्ट के सामने रखो, जिसने prompt injection को शीर्ष production failure mode बताया और नुस्खा दिया: blast radius सीमित करो, model पर खुद को संभालने का भरोसा करने के बजाय। Omnigent उस नुस्खे के एक सीधे कार्यान्वयन के करीब है: मान लो agent compromise हो सकता है, इसलिए सीमित करो कि वह क्या तक पहुंच सकता है, अपरिवर्तनीय कार्यों पर gate लगाओ, और credential को कहीं ऐसी जगह रखो जहां न agent न कोई injected निर्देश उसे कभी देख सके।
जिस runtime प्रतिस्पर्धा को हम track कर रहे हैं, यह वह परत है जो meta हो रही है। अब तक की लड़ाई इस पर रही कि कौन सा harness या runtime जीतता है, OpenClaw, Hermes, Claude Code, hosted enterprise platforms। Omnigent का दांव यह है कि कोई पूरी तरह नहीं जीतता, कि इंजीनियर एक साथ कई चलाते रहते हैं, और टिकाऊ स्थिति उन सबके ऊपर का control plane है: vendor-तटस्थ composition, अनुप्रस्थ policy, और साझा sessions। यह default रूप से चुपचाप एक multi-vendor design भी है, Polly vendors के पार diffs का cross-review करती, Debby Claude को GPT के विरुद्ध खड़ा करती, model विविधता को एक fallback के बजाय एक feature मानते हुए। ईमानदार चेतावनियां साफ कही गई हैं: यह alpha और शुरुआती है, setup को Python 3.12, Node.js 22 और tmux चाहिए, तुम अपने models, infrastructure और खर्च लाते हो, और, एक ऐसे tool के लिए जिसका पूरा pitch ही interoperability है उल्लेखनीय रूप से, अभी कोई MCP support नहीं है, Omnigent Server MCP roadmap पर सूचीबद्ध है, shipped नहीं। पर यह विचार उस तरह का है जो टिकने की प्रवृत्ति रखता है: एक बार जब तुम पांच agents संभाल रहे हो, तो आगे तुम्हें छठा नहीं चाहिए, तुम्हें एक ही जगह चाहिए उन्हें compose, govern और देखने के लिए।