Daily Akamuga – Databricks baru-baru ini meluncurkan Omnigent, sebuah ‘meta-harness’ sumber terbuka untuk agen kecerdasan buatan (AI). Proyek ini dirilis di bawah lisensi Apache 2.0 dan dikembangkan oleh tim AI Databricks. Dengan adanya Omnigent, pengguna kini dapat mengelola dan berkolaborasi dengan berbagai agen AI yang berbeda dalam satu sistem yang terintegrasi.
Apa Itu Omnigent?
Omnigent berfungsi sebagai antarmuka umum yang berada di atas agen baris perintah dan SDK agen. Ini membungkus agen pengkodean terminal seperti Claude Code, Codex, dan Pi, serta SDK seperti OpenAI Agents dan Claude Agents SDK. Desainnya didasari oleh pengamatan bahwa meskipun suatu harness memanggil modelnya secara internal, antarmuka yang dihadapi pengguna tetap sama; pesan dan file masuk, sementara aliran teks dan panggilan alat keluar. Omnigent memodernisasi antarmuka ini sehingga harness dapat dipertukarkan.
Pengguna menyediakan model dan infrastruktur, sementara Omnigent menjalankan agen di atasnya dan dapat mengoordinasi beberapa di antaranya sebagai pekerja yang dapat dipertukarkan di bawah satu pengatur.
Cara Kerja Omnigent
Arsitektur Omnigent terdiri dari dua bagian. Pertama, sebuah runner yang membungkus agen dalam sesi terisolasi dengan API yang seragam. Kedua, sebuah server yang menyediakan kebijakan dan berbagi. Server ini mengekspos setiap sesi melalui terminal, aplikasi, dan API web.
Dengan satu perintah, pengguna dapat memulai sesi di terminal yang juga meluncurkan antarmuka web lokal. Sesi yang sama muncul di browser atau perangkat mobile, menjaga keselarasan pesan, sub-agen, terminal, dan file.
CLI dapat diinstal dengan dua nama, omnigent dan omni, yang bisa digunakan secara bergantian. Pada menjalankan pertama, sistem akan mendeteksi kredensial model yang sudah ada di lingkungan pengguna.
Manfaat Omnigent: Kolaborasi dan Kontrol
Tim Databricks merencanakan Omnigent berdasarkan tiga kemampuan utama:
-
Komposisi: Kemampuan ini memungkinkan pengguna untuk mengombinasikan model, harness, dan teknik tanpa perlu menulis ulang kode. Peralihan antara Claude Code, Codex, Pi, dan agen kustom dapat dilakukan dengan perubahan satu baris kode.
-
Kontrol: Omnigent melacak tindakan agen dan menegakkan kebijakan dalam lapisan meta-harness, bukan hanya melalui perintah. Contohnya, pengguna dapat menjeda agen setelah setiap pengeluaran $100 atau memerlukan persetujuan manusia untuk melakukan push pada Git setelah agen menginstal paket npm baru.
-
Kolaborasi: Fitur berbagi sesi agen secara langsung memungkinkan rekan satu tim untuk menyaksikan kerja agen dan berinteraksi dengannya secara real-time. Mereka dapat memberikan komentar, mengarahkan sesi, atau membagi percakapan.
Sebuah sandbox OS, yang disebut Omnibox, menjadi dasar dari kemampuan ini. Omnibox dapat membatasi akses OS dan mengubah permintaan jaringan, misalnya, menyembunyikan token GitHub dari agen, sehingga hanya diinjeksi pada permintaan yang disetujui.
Kasus Penggunaan dan Demonstrasi Interaktif
Dua contoh agen disertakan dalam repositori Omnigent. Pertama, Polly, yang berfungsi sebagai pengatur pengkodean multi-agen yang tidak menulis kode sendiri, tetapi merencanakan dan mendelegasikan pekerjaan ke sub-agen pengkodean secara paralel. Masing-masing peninjauan hasil dari vendor yang berbeda dari penulis.
Kedua, Debby, berpura-pura menjadi mitra berpikir dengan dua ‘kepala’, Claude dan GPT. Setiap pertanyaan diajukan kepada keduanya, dengan jawaban ditampilkan berdampingan untuk dibandingkan. Pengguna bisa melihat mereka berdiskusi dengan perintah /debate sebelum mencapai konsensus.
Perbandingan Omnigent dengan Harness Tunggal
Satu keunggulan utama Omnigent adalah kemampuannya untuk mengintegrasikan berbagai agen dan model. Satu-harness tunggal seperti Claude Code hanya bisa mengolah model di dalamnya, sedangkan Omnigent menawarkan fleksibilitas untuk mengganti agen dan model dengan lebih efisien.
Selain itu, Omnigent memungkinkan sesi dapat diakses dari berbagai platform seperti terminal, web, desktop, dan handphone. Kebijakan yang ada juga melacak keadaan, tidak hanya hanya berupa daftar izinkan atau larang, yang meningkatkan kontrol pengguna terhadap pemakaian agen.
Kesimpulan
Sebagai proyek yang masih dalam tahap pengembangan awal, Omnigent menawarkan berbagai fitur inovatif yang dapat meningkatkan efisiensi kolaborasi dan kontrol dalam penggunaan agen AI. Dengan lisensi Apache 2.0, proyek ini memiliki potensi untuk memasuki berbagai aplikasi industri, meskipun kelebihan dan keterbatasannya perlu dieksplorasi lebih lanjut. Pengguna yang tertarik untuk memanfaatkan Omnigent harus menyiapkan infrastruktur yang diperlukan serta mengadaptasi model yang mereka miliki untuk bisa berintegrasi di dalam sistem ini.