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.
O Databricks MVP Domonkos Pal publicou um guia prático sobre quando um skill de agente basta pra gerar relatório e quando vale migrar pra um Databricks App, com skill e app compartilhando a mesma camada de governança.
Configurar o Omnigent para rodar com um modelo quantizado local via llama.cpp é mais simples do que parece, e ainda revela que o Ollama, apesar de mais popular, é mais lento e mais trabalhoso de configurar pro mesmo modelo.
O Omnigent propõe uma camada compartilhada para orquestrar múltiplos agentes de código sem perder contexto entre eles. Acho que essa é a pergunta certa, mas a resposta ainda depende de execução.
A pergunta que o Omnigent tenta responder importa mais do que ‘qual agente é melhor’, mas ‘meta-harness universal’ é uma categoria que merece ceticismo.