5000人4个月烧光全年Token预算之后：Databricks让Agent自己管自己

AI编程进入下半场后，大家拼的已经不是有没有Agent，而是谁能管好越来越多的Agent。Claude Code写代码、Codex查资料、Gemini搜文档、Cursor改项目——表面上效率翻倍，实际上每天在不同窗口间来回切换，上下文断了、状态丢了，Token却一直在烧。

据说Uber内部因为大量使用Agent，5000人团队4个月就烧掉了一整年的Token预算。Agent越多，协作成本反而越高。

就在这个背景下，Databricks开源了 Omnigent。它的思路很直接：既然人管理一堆Agent很累，那就让Agent自己去协作。开源仅5天，GitHub就获得了3000多个Star。

核心能力

1. 多Agent同会话：在一个对话里直接切换不同Agent。比如用Claude Code写后端代码时，中途要查某个库的文档，可以直接在同一会话切到Codex，问完再切回Claude Code继续写，不用再复制粘贴上下文。

2. 内置多Agent编排示例：Polly不写代码，只负责规划和分配任务，拆分后交给不同sub-Agent执行；Debby则让Claude和GPT同时回答一个问题，由用户选择满意的答案。

3. meta-harness层策略控制：过去控制Agent行为只能靠prompt指令，比如"不要访问.env文件"，但Agent不一定遵守。Omnigent把控制层抽到meta-harness层，Agent无法绕过，比如限制只能访问src目录。

4. 实时成本控制：可以实时看到每个对话花了多少钱，设置soft limit（提醒）和hard limit（强制断开）。超过hard limit自动暂停，需审批后才能继续，防止成本失控。

5. PII保护：对发出的消息进行扫描，发现邮箱、手机号等敏感信息时停止请求并要求审批，避免敏感信息被模型泄露。

实用细节

多人协作编辑：发一个链接给队友，对方就能看到整个Agent会话并在具体内容旁留言评论，还可以合并对话在同一设备上同时工作，类似AI时代的Pair Programming。

会话Fork：队友觉得方案好但想用另一种方法实现，直接Fork当前会话即可，双方从不同角度探索，最后对比分析，互不干扰。

跨设备同步：Agent在公司跑任务，下班回家后在浏览器或手机端打开同一个会话就能继续，不用重新开启环境或复制上下文。

安全沙箱：Agent需要访问GitHub、数据库或API时，有安全隔离机制保证敏感凭证不被直接暴露，Agent能完成工作但拿不到Token和密钥。

多模型切换：支持Claude、GPT、OpenRouter、Ollama等统一接入，写代码用Claude、查资料用GPT，不用来回切换工具。

安装方式

一键安装脚本：

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omniget/main/scripts/install_oss.sh|sh

脚本会自动检测并安装依赖（uv、git、node.js、tmux），在本地启动WebUI，浏览器打开 localhost:6767 即可使用。

也可以手动安装：uv tool install omnigent、pip install omnigent 或 brew install omnigent-ai/tap/omnigent。启动后使用 omgnt 或 omni 命令。

当前状态

项目刚开源5天，仍处于Alpha阶段，稳定性还需进一步检验，暂不建议直接用于生产环境。安装配置有一定难度，需要准备Python、Node.js、tmux等环境。

项目基于 Apache-2.0 协议开放。

开源地址：https://github.com/omnigent-ai/omnigent