Databricks acaba de unificar todos los agentes de código en una sola herramienta — y es gratis

Qué es Omnigent y por qué debería importarte

Omnigent es la respuesta de Databricks al caos que tenemos los que usamos varios agentes a la vez. Lo anunciaron Matei Zaharia, Kasey Uhlenhuth y Corey Zumar el 13 de junio de 2026, y lo soltaron con licencia Apache 2.0 en GitHub.

Un harness es la capa que envuelve un modelo y lo convierte en agente: Claude Code es un harness, Codex (de OpenAI) es otro, Pi (de Anthropic) es otro. El problema es que cada uno va a su bola — sus propias sesiones, su propio contexto, sus propios comandos. Acabas con 4 terminales abiertas copiando y pegando texto de una a otra.

Omnigent se pone una capa por encima de todos ellos. Los trata como piezas intercambiables dentro de un sistema más grande. Tú le dices qué quieres hacer y Omnigent reparte el trabajo entre los agentes que mejor sepan hacer cada parte. Ya lo están usando internamente en Databricks con sus más de 5.000 ingenieros, según cuentan en su repositorio oficial.

El proyecto ya acumula más de 1.100 estrellas y 124 forks en GitHub con 35 commits en apenas días. La comunidad está encima como moscas, y con razón. He probado instalarlo en mi Raspberry Pi 5 y funciona sorprendentemente bien incluso con hardware modesto.

🧩 Caso 1: Instalar Omnigent y lanzar tu primer agente

Esto es ridículamente fácil. Un solo comando y ya está:

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

Necesitas Python 3.12+ y Node.js 22 LTS para los harnesses de Claude, Codex y Pi. Si usas macOS, también hay app de escritorio y Homebrew.

Una vez instalado, el CLI responde a dos nombres: omnigent y omni. Son intercambiables, así que escribe el más corto si te da pereza. En el primer arranque detecta automáticamente las credenciales que ya tengas en tu entorno — tu ANTHROPIC_API_KEY, OPENAI_API_KEY, o si ya tienes sesión iniciada en claude o codex desde terminal.

Lanzas tu primer agente con:

omni

Esto abre una sesión en tu terminal y además arranca una interfaz web en localhost:6767. La misma sesión aparece en el navegador, en el móvil o en la app de escritorio. Los mensajes, sub-agentes, terminales y archivos se mantienen sincronizados entre todos los dispositivos. Sin configurar nada más.

Si quieres usar un agente específico:

omni claude    # Claude Code
omni codex     # Codex de OpenAI
omni run examples/polly/   # Un agente propio

Yo lo probé con omni claude y en menos de 10 segundos ya estaba peleándome con un bug de Python que llevaba media hora arrastrando. La diferencia es que esta vez podía seguir la sesión desde el móvil mientras me preparaba un café.

🧩 Caso 2: Orquestar varios agentes que se revisan entre sí

Aquí es donde Omnigent se pone interesante de verdad. El repo incluye dos agentes de ejemplo que demuestran lo que puedes hacer:

🐙 Polly es un orquestador multi-agente que no escribe ni una línea de código. Hace de tech lead: planifica, delega el trabajo a sub-agentes (Claude Code, Codex o Pi) en ramas git paralelas, y luego pasa cada diff a un revisor de un vendor distinto al que lo escribió. Tú solo fusionas. Según MarkTechPost, el equipo de Databricks lo describe como «un lead agent orquestando sub-agentes en paralelo».

🟠🔵 Debby es un compañero de brainstorming con dos cabezas: una Claude y una GPT. Cada pregunta que le haces va a los dos modelos a la vez y te presenta las respuestas lado a lado. Si escribes /debate, las dos cabezas se critican mutuamente durante varias rondas antes de converger. Necesita credenciales de Anthropic y OpenAI, pero el resultado es brutalmente útil para decisiones técnicas donde quieres contrastar enfoques.

He probado Polly con una tarea sencilla — refactorizar un script de Python de 200 líneas — y ver cómo Claude Code escribía mientras Codex revisaba fue una de esas experiencias que te hacen sentir que estás en 2028. El diff final era mejor que lo que habría escrito yo solo.

🧩 Caso 3: Colaborar con tu equipo en tiempo real

Esta funcionalidad me parece la más infravalorada. Omnigent te deja compartir sesiones de agente por URL. Tus compañeros pueden ver al agente trabajar en directo, comentar archivos, co-dirigir la sesión o bifurcar la conversación para seguir por su cuenta.

Según el blog oficial de Databricks, el objetivo es que «tus sesiones y directorios de trabajo se conviertan en el lugar principal donde colaboras». Se acabó lo de copiar outputs del agente y pegarlos en Slack. Compartes la sesión y que el equipo interactúe directamente.

Para montarlo en modo servidor:

omni server start   # Arranca el servidor local y la UI web
omni host           # Registra tu máquina como host (en otra terminal)

En la web, le das a New Chat, seleccionas tu máquina y listo. Compartes la URL con quien quieras. Las sesiones se pueden ejecutar también en sandboxes cloud desechables con Modal o Daytona, ideal si no quieres que un agente toquetee tu máquina local.

🧩 Caso 4: Gobernar agentes con políticas, no con prompts

Esto es lo que separa Omnigent de simplemente abrir tres terminales. Las políticas son reglas stateful y conscientes del contexto que se aplican en la capa del meta-harness, no dentro de un prompt que el agente puede ignorar.

Algunos ejemplos que vienen de serie:

• Pausar al agente después de gastar 100$ en llamadas a la API
• Exigir aprobación humana para hacer git push si el agente ha instalado un paquete npm nuevo
• Restringir qué herramientas puede usar cada agente

Las políticas se aplican a nivel de servidor, de agente individual o incluso de chat concreto. La más interesante es Omnibox, un sandbox del sistema operativo que puede bloquear accesos y transformar peticiones de red. Por ejemplo, puedes ocultar tu token de GitHub al agente y solo inyectarlo en el proxy de salida cuando la petición esté aprobada. El agente ni se entera de que el token existe.

Según explica Saipien, este enfoque de "control contextual con estado" es lo que diferencia a Omnigent de otros orchestrators que solo concatenan prompts. Las políticas sobreviven entre sesiones y no dependen de que el modelo las "recuerde".

🧩 Caso 5: Cambiar de modelo sin cambiar de herramienta

Una de las cosas que más rabia me da de los agentes actuales es que cada uno te ata a su ecosistema. Claude Code quiere Anthropic, Codex quiere OpenAI. Con Omnigent usas lo que te dé la gana:

Configuras todo con omni setup. Los defaults son por agente — puedes tener un default Anthropic para Claude Code y otro OpenAI para Codex, coexistiendo sin conflicto. Y puedes cambiar de modelo a mitad de sesión con /model.

Personalmente he conectado Ollama corriendo localmente en mi Raspberry Pi 5 y funciona. No es rápido, pero para tareas pequeñas va sobrado y no gastas un céntimo en APIs. La clave es que Omnigent no te obliga a elegir un bando — tú pones los modelos, Omnigent pone la orquestación.