Agentes De IA

O time de pesquisa de IA da própria Databricks usa o AI Runtime como ‘cliente zero’ desde o lançamento, treinando modelo de poucos bilhões até quase um trilhão de parâmetro, e descreve um loop de agente, chamado de autoresearch, que propõe mudança, dispara teste em paralelo, avalia métrica e ajusta o plano sozinho, aumentando em 8 vezes o volume de job de treino rodado.

Agent memory pipelines, em Beta, conectam um session store a um memory store e usam um LLM para destilar fato, preferência e decisão de conversas passadas em entradas de memória que o agente recupera depois, rodando sob demanda ou a cada 24 horas.

DurableAgentServer, parte do AgentKit do Agent Bricks CLI, serve agente via uma única API de invocação cobrindo execução síncrona, em stream e em segundo plano, com invocação idempotente via ID gerado pelo cliente, sessão ordenada e recuperação automática de execução interrompida por crash.

Sessão de encerramento da série do Microsoft Reactor sobre Inteligência Artificial, com Jaqueline Ramos, Microsoft Technical Trainer, sobre a próxima evolução da IA por meio de agentes capazes de raciocinar, planejar e colaborar.

Um engenheiro da Databricks construiu um sistema de revisão de segurança com sete agentes especializados (intake, risco, requisitos, revisão dedicada, validação, workflow e aprendizado) rodando sobre Unity Catalog, Foundation Models e Lakeflow Jobs, reduzindo pedido de rotina de dias para minutos sem tirar humano da decisão final.

A Databricks documentou como construiu um fluxo de revisão de segurança com sete agentes de responsabilidade estreita, orquestrados sobre Unity Catalog, Lakeflow Jobs e Databricks Apps, escalando caso de risco baixo automaticamente e escalonando pra revisor humano com evidência estruturada quando o risco é alto ou ambíguo.

A Unity Gateway CLI do Azure Databricks conecta Claude Code, Codex, Gemini CLI e outros agentes de código sem exigir chave de provedor na máquina do dev, enquanto o admin governa acesso e gasto reaproveitando permissão do Unity Catalog, limite de taxa e orçamento de conta, os mesmos mecanismos que já protegem o resto do dado da empresa.

A Databricks integrou o provedor de busca Nimble ao Omnigent pra resolver a inconsistência de qualidade entre as ferramentas de busca na web embutidas em cada harness de agente, com ganho relatado de 46% pra 71% de acurácia em benchmark e custo de busca cortado pela metade.

A Databricks lançou o Consort, um framework agêntico de código aberto que usa branching de banco do Lakebase Postgres pra levar teste de integração de verdade pro loop interno de desenvolvimento, com agentes assumindo papéis como arquiteto, DBA e desenvolvedor.

Sessão introdutória gratuita do Microsoft Reactor São Paulo sobre o GitHub Copilot SDK, pra quem quer construir aplicações com agentes sem implementar o loop do agente do zero.