做 Agent 平台的思路其实就两条。一条是给你一块画布，把模型、知识库、工具拖成流程，Dify、Flowise、n8n 都是这个路子。另一条是假定你的数据本来就躺在某个仓库里，那 Agent 就该长在数据旁边。Databricks 走的是后一条，产品叫 Agent Bricks。
从「一句话生成」改成「开发者平台」
它去年的定位和今年完全不是一回事，这一点很多人没注意到。2025 年 6 月 11 日的 Data + AI Summit 上，Agent Bricks 是以 Beta 登场的，卖点很”自动”：你给一句任务描述，接上企业数据，平台自己生成合成数据和任务基准，然后自动在质量和成本之间调优，省掉反复试错。当时的砖头是按场景切的：Knowledge Assistant 管文档问答，Information Extraction 管结构化抽取，Supervisor 管多 Agent 编排。
今年 DAIS 之后，Agent Bricks 被重新定义成”开发者的 Agent 平台”：任何模型、任何框架、数据在哪儿都能接，部署和管控收在同一个工作区里。它现在讲的是三件事。
第一是模型自由。OpenAI、Anthropic、Gemini、Qwen 都在同一个平台里，今年新增了 Kimi，另外跟 SpaceX 合作把 Grok 原生接了进来。切换模型不用改架构，这一点对于被 token 账单追着跑的团队是刚需。
第二是上下文。Genie 负责把业务数据变成可追问的答案，Lakebase 给 Agent 提供持久记忆和会话，外部系统走 MCP，文档解析直接用 SQL 函数——ai_parse_document、ai_extract、ai_classify，官方说在他们内部的文档任务基准上，质量和成本都优于前沿模型和专用系统。
第三是控制。Unity AI Gateway 把 Databricks 内外的模型、MCP、外部 Agent 统一收口，做路由、限额、审计；再接上 LakeWatch 做 PII 告警和安全事件响应。Agent 的推理 trace、记忆写入、生成内容全部落在 Lakehouse 里，跟其它数据一起治理，而不是塞在某个厂商的黑盒里。
一个跑起来的 Agent 有四个零件
拆开看，一个部署好的 Agent 也就四块：跑在 Databricks App 里的运行时、隔离开的代码沙箱、Lakebase 里的记忆和会话，以及通过 Unity Gateway 出去的模型调用。工具那侧是 Genie、MCP 和 Unity Catalog 里的函数，权限跟着 Unity Catalog 走。
数字也很硬。2026 年 8 月 13 日，Databricks 完成 50 亿美元融资，估值 1900 亿美元，领投是 Coatue。同期披露 Q2 年化收入 70 亿美元，同比增长超过 80%，调整后自由现金流连续 12 个月为正。客户两万多家，财富 500 强里覆盖 70%，年消费超过 100 万美元的有 1000 家，超过 1000 万美元的有 100 家。去年才推出来的 Lakebase，年化已经过 1 亿美元。官方点名的客户里有阿斯利康、7-Eleven、福克斯和 Block。
上手只要三条命令
前提是一个 Databricks 工作区，装好 Databricks CLI 和 Python 3.10+：
pip install databricks-agentbricks
databricks auth login --host https://<你的工作区> --profile me
agentbricks init --framework langgraph my-agent
cd my-agent && agentbricks dev # 本地起在 :8000
agentbricks deploy my-agent # 部署成 Databricks App
init 会写一份 agent.toml，声明这个 Agent 要用哪个记忆库、会话存、trace 实验；deploy 就按这份声明把资源开出来、把权限授给 Agent 的 service principal，最后打印一个 URL。框架目前支持 LangGraph 和 OpenAI Agents SDK，CLI 官方标着 experimental，命令和行为都可能变。没有账号的可以先用 Free Edition，永久免费，但只限个人非商用，算力规格也小。
实话：门槛在工作区，不在命令
这东西和 docker compose up 就能跑的 Dify 不是一个物种。Unity Catalog 的权限体系、DBU 计费、工作区网络，一个都绕不开。绑定也深：运行时是 Databricks Apps，记忆在 Lakebase，网关是 Unity AI Gateway，想搬走基本等于重写。
更能说明问题的是产品线的收缩。Agent Bricks 的定价页脚注写得很清楚：Knowledge Assistant 和 Supervisor Agent 已经不对新客户开放。也就是说，”一句话生成 Agent”那块砖没那么好卖，真正掏钱的还是愿意写代码、要 trace、要评估的团队——这跟 MLflow 那条线是一脉相承的。如果你本来就在用 LangGraph 写 Agent，迁过来的成本最低；如果你是冲着零代码来的，CrewAI 或者前面那批画布平台更对路。
还有一个现实问题：Databricks 没有中国大陆的 region，国内团队要用，网络和合规得自己想办法。所以它适合的是数据已经在 Delta Lake 上、有平台团队、预算按年算的中大型公司。个人和小团队先算一笔账，Agent 的成本结构里服务器和 API 那两栏，往往比平台费更值得先看。
