Omnigent 是什么?Databricks AI 团队开源的元 harness,把 16 种编码 Agent 收进一个会话(基础篇)

Omnigent 是什么?Databricks AI 团队开源的元 harness,把 16 种编码 Agent 收进一个会话(基础篇)

6 月 11 日建仓库,11 月 16 日 11,390 星。7 月底第一个包还是 0.7.0rc1,现在是 0.22.0。这个项目叫 Omnigent,官网首页一句话说完了定位:给所有 AI Agent 做的一层元 harness。

「元 harness」这词拗口,问题却很具体:你手上大概率不止一个编码 Agent。Claude Code 一个会话、Codex 一个会话、Cursor 又是一个,各自带自己的配置、权限模型和上下文,想换一个只能从头再来。

它到底是个什么

Omnigent 的做法是在 harness 外面再包一层。Runner 把任意一个 harness 包成统一会话,Server 在会话上叠策略和共享历史,然后终端、浏览器、桌面 App、手机、REST API 接进来的都是同一场会话。README 里点名能接 16 种:Claude Code、Codex、Cursor、OpenCode、Goose、Antigravity、GitHub Copilot、Devin、Kiro、Qwen Code、Kimi Code、Grok Build、Jcode、Hermes、Pi、OpenAI Agents / Open Responses,外加自己用 YAML 写的 agent。

最实在的一个功能是克隆会话换 harness:Claude Code 里聊到一半,把这场会话克隆一份,接着让 Codex 用同一段历史往下做。会话属于你,不属于某个 agent,所以对比两个模型怎么解同一道题,起点能完全一样。

谁做的?官网页脚一行小字:Built by the Databricks AI team, Neon and the Omnigent Contributors。Apache 2.0,Python 写,PyPI 包名就叫 omnigent。

Omnigent 架构:客户端经 REST 连 Server,Server 读写 chat.db 并逐次调用策略引擎,Runner 把 harness 包成统一会话并隔离在沙箱里,harness 再调用模型
Runner 包住 harness,Server 叠策略与历史,会话从任何设备接进来(按官网架构说明绘制)

能力盘一下:会话跟着人走,终端开、浏览器续、手机接;一个会话里混跑多个 agent,可以让一个审另一个的活;模型随便接,自己的 key、Claude 或 ChatGPT 订阅、任何兼容网关都算一等公民;沙箱给了十几种,Modal、Daytona、E2B、Kubernetes、OpenShell、Databricks 都在名单里。内置还有两个 agent:Polly 管编码编排,Debby 管模型辩论。

真正跟别的编排工具不一样的是策略。不是静态白名单,而是有状态的:它记得这一场已经花了多少钱、调了多少次工具,然后在每个动作前给出 ALLOW、ASK、DENY 三种判定。三级同时生效——会话级、Omnigent 配置级、服务端级。管理员压一条全公司成本上限,开发再收一层仓库写入权限,用户自己还能加审批点。

上手

前置要 Python 3.12+、Node 22 LTS、tmux 3.3 以上,Linux 和 macOS 都能跑。

curl -fsSL https://omnigent.ai/install.sh | sh
omni setup
omni claude    # 或 omni codex

omni claude 起来之后,终端和 http://localhost:6767 的 Web UI 是同一场会话,一边打字另一边实时跟着变。想加策略不用翻配置文件,在会话里直接说「别把邮箱、卡号这类 PII 发给模型,发之前问我」,它会自己挂上内置的 PII 策略,之后每条外发请求都被扫一遍。说「这一场最多花 5 美元」也一样,它挑成本策略、配好阈值、等你批准。

数据落在一个目录里:~/.omnigent。chat.db 是 SQLite,存会话和消息;config.yaml 存 harness 的认证引用。想隔离多套环境,改 OMNIGENT_DATA_DIR 就行。

实话

第一,它还是 alpha。 README 自己挂着 alpha 徽章,版本号 0.22 停在 0.x,三个半月发了 47 个版本,平均两天一个。迭代快是好事,也意味着接口随时会动。

第二,星数和 issue 数不成比例。 11,390 星配 2,429 个未关的 issue 和 PR,1,902 个 fork,仓库 465MB。这不像一个打磨完的平台,更像很多人用、很多人踩坑、团队在后面追着修。

第三,策略只能拦,不能撤。 文档写得很直白:post-tool 策略对已经发生的动作无能为力。当刹车用没问题,别指望它当倒车挡。

第四,平台限制要看清。 本地沙箱对文件系统、网络的限制和凭据代理只在 Linux 和 macOS 上;桌面 App 只给了 macOS 两个下载。

最后一句:如果你只用一种 harness、只在一台机器上跑,这一层是纯开销。Omnigent 值钱的地方,在「多 harness、多人、多设备、还要看住它别乱花钱」这四个条件同时成立的时候。想先看横向定位的,可以翻之前那篇十家 Agent 平台横评。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注