AI 编程已经进入下半场。现在的焦点不再仅仅是拥有一个 Agent，而是如何高效管理越来越多的 Agent。

Claude Code 负责写代码，Codex 查资料，Cursor 改项目。表面上效率翻倍，实际上开发者每天都在不同窗口间切换。Agent 之间缺乏协作，上下文断裂，导致 Token 消耗巨大。有传闻称，某团队 5000 人 4 个月烧掉了一整年的 Token 预算。

解决这个问题，需要的是「Agent 管理中心」。

Omnigent：让 Agent 团队协作

最近，Databricks 开源了 Omnigent，短短 5 天在 GitHub 上斩获 3000+ Star。它的核心理念很直接：既然人管理一堆 Agent 很累，那就让 Agent 自己去协作。

核心功能亮点

1. 统一多 Agent 对话

Omnigent 允许在同一个会话中切换不同的 Agent。例如在用 Claude Code 写代码时，可以直接切换到 Codex 查文档，然后再切回 Claude Code 继续，无需离开当前环境。

2. 内置多 Agent 编排

系统内置了多种编排模式：

• Polly：负责任务规划和拆分，分配给 sub-Agent 执行
• Debby：让多个模型同时回答一个问题，由用户选择最佳答案

3. Meta-harness 策略控制

通过 meta-harness 层实施策略控制，限制 Agent 的行为边界。例如，限制 Agent 只能访问 src 目录，防止其触碰敏感文件。

4. 成本实时监控

Omnigent 提供实时的 Token 消耗监控，并支持设置 soft limit（提醒）和 hard limit（强制断开）。超过限额后需审批才能继续使用，有效防止预算失控。

5. PII 保护

系统会扫描外发消息，一旦发现包含用户邮箱、手机号等敏感信息（PII），立即停止请求并进行审批，避免数据泄露。

更多实用细节

多人协作编辑

类似于 AI 时代的 Pair Programming。你可以发送链接给队友，对方能看到整个 Agent 会话并在具体内容旁留言。甚至可以在同一设备上同时进行协作编辑。

总结

Omnigent 解决的不是再造一个 Agent，而是让一群 Agent 真正像一个团队一样工作。对于需要频繁使用多个 AI 模型的团队来说，这是一个值得尝试的管理工具。

苏米注：随着 AI 编程工具的普及，Token 成本和数据安全将成为企业关注的核心。Omnigent 在这两方面的控制能力，是其区别于普通 Agent 包装器的关键。

开源地址：https://github.com/databricks/Omnigent