Agent Bricks: Data + AI Summit 2026

No ano passado, no Data + AI Summit, lançamos o Agent Bricks, inaugurando uma nova maneira de criar agentes de alta qualidade que podem raciocinar sobre seus dados. Desde o lançamento, mais de 100 mil agentes foram criados, e agora estamos processando mais de 1 quatrilhão de tokens de agentes por ano. Clientes como AstraZeneca, 7-Eleven, Fox Corporation e Block lançaram agentes criados no Agent Bricks. Este ano, no DAIS 2026, temos o prazer de anunciar a expansão do Agent Bricks como uma plataforma abrangente de agentes para desenvolvedores.

Os 99% que faltavam

A ascensão da codificação agêntica, combinada com modelos de fronteira mais poderosos, desencadeou uma explosão cambriana de agentes. Criar agentes com os diversos frameworks ou estruturas de agentes no ecossistema nunca foi tão fácil. No entanto, no último ano, aprendemos que o loop principal do agente é apenas 1% do trabalho. Os outros 99% são o débito técnico oculto dos sistemas agênticos: capacidade de tokens, implantação, segurança, avaliação, monitoramento, contexto e compartilhamento (veja a figura abaixo).

Plataforma de agentes

Por isso, observamos desenvolvedores presos na criação de infraestrutura, e não de agentes. Este momento exige uma plataforma de agentes para desenvolvedores.

Acreditamos que uma plataforma de agentes exige a resolução de três desafios críticos:

1. Escolha. Os agentes são cada vez mais compostos por muitos subagentes e precisam de diversidade de modelos para encontrar o equilíbrio ideal entre qualidade e latência. Cada família de modelos tem comportamentos únicos e supera constantemente as outras a cada lançamento. Os desenvolvedores precisam de uma ampla escolha de modelos, desde modelos proprietários de fronteira e de código aberto até modelos menores, baratos e rápidos, além de modelos personalizados com seus dados empresariais exclusivos.
2. Contexto. Os LLMs são máquinas de raciocínio poderosas, mas precisam da capacidade de recuperar e processar o contexto correto para tomar decisões comercialmente corretas. Esse é um problema extremamente difícil, pois o patrimônio de dados está repleto de informações ausentes ou enganosas, ou o contexto necessário reside apenas em indivíduos ou precisa ser reunido a partir de várias fontes.
3. Controle. Os agentes são alguns dos atores mais privilegiados em uma empresa, com acesso a dados confidenciais. O noticiário está repleto de casos de agentes que excluem bases de código acidentalmente ou que sofrem injeção de prompt para vazar informações valiosas. E os custos estão explodindo com funcionários fazendo 'tokenmaxing' em seus rankings de codificação agêntica. Os desenvolvedores precisam de maneiras de implantar agentes com segurança e controlar os custos para que a empresa possa arcar com a implantação de agentes em escala.

Criar uma plataforma de agentes que enfrente esses desafios exige conectar dados com AI. Afinal, os agentes não apenas consomem dados por meio de ferramentas e contexto, mas agora também produzem muitos dados em suas saídas, ações, rastros de raciocínio e memória – tudo isso deve ser governado e analisado. Essa unificação de dados e AI é uma conquista para a qual a Databricks está posicionada de forma única.

Agent Bricks

Estamos extremamente entusiasmados em anunciar a próxima evolução do Agent Bricks como nossa plataforma de agentes para desenvolvedores. O que começou como um experimento na criação de agentes expandiu-se para uma plataforma abrangente para os desenvolvedores criarem agentes com qualquer modelo e qualquer estrutura, acessarem dados em qualquer lugar e implantarem e controlarem com confiança. Temos todos os blocos de construção, desde sandboxes seguras até memória de agentes e capacidade de tokens para desenvolvedores: a Databricks cuida da infraestrutura enquanto você cria agentes de impacto.

Escolha

Modelos

O Agent Bricks oferece todos os modelos proprietários de fronteira e de código aberto em uma única plataforma, integrados nativamente ao nosso limite de segurança. Alterne e teste facilmente entre diferentes LLMs para equilibrar o comportamento do agente com a latência e o custo. Além de OpenAI, Anthropic, Gemini e Qwen, acabamos de adicionar suporte para o Kimi. Também temos o prazer de anunciar uma parceria com a SpaceX para disponibilizar os modelos Grok nativamente no Databricks.

"A Databricks nos oferece uma base segura e governada para executar vários modelos e trocar de provedor conforme nossas necessidades evoluem. Tudo isso mantendo os custos sob controle." — Gregory Rokita, VP de Tecnologia, Edmunds

Nos últimos três anos, fomos pioneiros em modelos personalizados: clientes criando modelos especializados em seus dados empresariais por meio de otimização de prompt, ajuste fino ou aprendizado por reforço. Nossa equipe de pesquisa treina regularmente modelos personalizados que variam de modelos pequenos para tarefas de subagentes até a aplicação de RL a modelos grandes como o modelo agêntico principal. Recentemente, usamos aprendizado por reforço para treinar um agente de dados personalizado que é competitivo com modelos de fronteira como Opus e Sonnet em tarefas relacionadas ao Genie, com um custo por consulta significativamente menor (veja a figura abaixo). Agora, clientes como Merck ou First American estão usando o AI Runtime para treinar LLMs especializados em seus dados exclusivos.

Estruturas de agentes

Oferecemos suporte a qualquer estrutura de agente que os desenvolvedores queiram usar, desde frameworks de código aberto como LangGraph, Agno e CrewAI até estruturas como Claude Code SDK ou OpenAI Agent SDKs. Implante esses agentes com escalonamento automático horizontal no Databricks Apps. Também oferecemos uma versão gerenciada de nossa meta-estrutura de código aberto Omnigent, que lançamos no último fim de semana, para orquestrar diferentes estruturas.

Contexto

A recuperação dos dados corretos não se limita mais às aplicações de RAG do passado. Agora, os agentes contam com ferramentas sofisticadas para pesquisar, recuperar e manipular dados durante o raciocínio para identificar o contexto relevante. No entanto, as exigências das capacidades dos agentes atuais requerem navegar por um cenário de dados complexo e desorganizado, composto por tabelas desatualizadas, pastas desorganizadas do Google Drive, páginas de pesquisa na web confusas e documentos enganosos. Muitas vezes, o contexto necessário simplesmente não está registrado, existindo apenas na mente de alguns indivíduos importantes. O surgimento do 'AI slop' polui ainda mais o patrimônio de dados com "fatos" difíceis de verificar.

Nossa equipe de pesquisa vem resolvendo problemas críticos nessa área, como pesquisa agêntica, escalonamento de memória, blocos de rascunho programáveis, avaliação e raciocínio fundamentado. Como parte do Agent Bricks, essas inovações são entregues em alguns componentes principais:

• Conecte agentes a dados em qualquer lugar

Ao adicionar suporte a MCP ao Unity Catalog, os agentes no Agent Bricks podem se conectar com segurança a fontes de dados externas, como Google Drive, JIRA, Slack, GitHub e muito mais. Nossos agentes de busca especializados são capazes de aproveitar tanto metadados estruturados quanto o texto de origem para encontrar as informações certas com eficiência.

• Ontologia Genie

Ao aprender continuamente uma ontologia sobre os dados e incorporar semânticas de negócios anotadas por humanos, a Ontologia Genie permite que o Agent Bricks acesse uma riqueza de informações que podem orientar a busca e a análise. Quando começa o ano fiscal? Quem é o chefe de vendas? O que significa um cliente que deu churn no meu negócio? Qual é a nossa estratégia para este ano? Qual tabela é a mais utilizada? Qual autor de dados tem o histórico mais confiável? A Ontologia Genie permite que os agentes entendam instantaneamente o seu negócio desde o início, sem precisar recriar o contexto a cada chamada.

• Ferramentas de Agente do Databricks

Lançamos um conjunto de ferramentas integradas gerenciadas pelo Databricks que utilizam nossas inovações de pesquisa para oferecer a melhor busca de dados da categoria no Lakehouse e também de dados externos via MCPs. Por exemplo, nosso trabalho com busca de agentes resultou em um subagente de busca de documentos que agora é 3 vezes mais rápido do que antes, além de melhorar a qualidade. Essas ferramentas são acessíveis de forma centralizada e governadas no Unity Catalog.

• Serviço de memória do agente

Os desenvolvedores que criam agentes agora podem conectar seus agentes à memória gerenciada no Databricks. Equipados com o Lakebase nos bastidores, os agentes podem gerenciar seu próprio contexto, histórico de sessões e persisti-los entre sessões e, eventualmente, entre agentes também.

• Inteligência de documentos

Desde o nosso lançamento no ano passado, um conjunto de funções em SQL que chamamos de Document Intelligence (GA) permite a análise e a extração de última geração de PDFs e outros documentos. Com ai_parse_document, ai_extract e ai_classify, criar fluxos de trabalho de processamento de documentos ou subagentes é fácil. Usando nosso benchmark interno de tarefas de análise de documentos empresariais, nosso sistema oferece a maior qualidade e o menor custo em comparação com LLMs de fronteira e sistemas especializados de outros provedores.

• Databricks Sandbox

O acesso seguro ao contexto exige isolamento cuidadoso e escopo de acesso definido. O Databricks Sandbox permite criar VMs seguras para computação e acesso a dados com escopo reduzido no Unity Catalog. Esses sandboxes podem ser usados para conter ferramentas de interpretação de código, executar subagentes e estruturas de teste, ou simplesmente como um rascunho seguro para experimentação de agentes.

Controle

A explosão cambriana de agentes, modelos e ferramentas precisa de uma força de governança igualmente forte para implantar com segurança e gerenciar o custo desses agentes. Temos o prazer de anunciar o Unity AI Gateway, uma camada de governança unificada para todos os seus ativos de AI, tanto no Databricks quanto hospedados externamente. Todos os clientes devem usar o Unity AI Gateway para proteger, observar e governar seus ativos de AI, de MCPs a modelos e agentes externos.

Implementamos os principais recursos de uma plataforma de governança no Unity AI Gateway:

• Descobrir um catálogo de todos os agentes, modelos, MCPs, habilidades e agentes externos
• Configurar controles de acesso refinados para ferramentas e agentes
• Monitorar custos e impor orçamentos por usuário e por grupo
• Roteamento inteligente de tráfego com base em confiabilidade, políticas de orçamento ou outros controles

Mas existem alguns recursos críticos que apenas uma plataforma combinada de dados e AI, como o Databricks, pode oferecer:

Traces e monitoramento de agentes

Os agentes produzem grandes volumes de dados a partir de seus traces de raciocínio, gravações de memória e gerações. Esses dados devem ser governados no Lakehouse junto com o restante dos seus dados, e não isolados em um fornecedor diferente. Os benefícios não param por aí: agora que os dados estão no Lakehouse, você pode aplicar todo o poder do Databricks para analisar esses traces, depurar a qualidade do agente, analisar e otimizar sessões de codificação de AI e monitorar o comportamento em produção. Agora integrado ao LakeWatch, nossa plataforma de segurança de agentes, configure alertas para violações de PII, audite o acesso a dados confidenciais e responda a incidentes de segurança.

Políticas contextuais

Os agentes são stateful, dinâmicos e contextuais, e as políticas de segurança que os governam também devem ser. Crie políticas de segurança personalizadas para ferramentas e guardrails para agentes diretamente em SQL (e em breve em Python). O mais importante é que essas políticas podem manter o estado e reagir dependendo dos dados e do contexto.

Por exemplo, no caso abaixo, você pode escrever uma política para que, se um agente acessar dados confidenciais de clientes com PII, ele seja impedido de publicar esses dados no site da empresa, mas possa enviá-los por e-mail para um colega de trabalho. Outras ações, como atualizar o Salesforce, exigiriam aprovação humana.

Registro do Unity Catalog para agentes, ferramentas e modelos

Adicionamos agentes, ferramentas e modelos ao Unity Catalog (UC), para que você possa governar esses ativos junto com o restante do seu patrimônio de dados. A governança de AI não pode ser separada da governança de dados. Agentes, modelos e ferramentas operam, em última análise, em dados empresariais. Governar dados e AI juntos oferece políticas consistentes, visibilidade de ponta a ponta e um único plano de controle para segurança, conformidade e auditoria.

Para uma abordagem abrangente sobre governança de AI, consulte o blog do Unity AI Gateway.

Temos o prazer de anunciar o Agent Bricks como nossa plataforma de agentes completa. Acreditamos que o futuro dos agentes exige uma combinação de dados e AI em uma única plataforma, para que os desenvolvedores possam criar e operar agentes em produção facilmente. Ao oferecer escolha de modelos, contexto relevante e governança completa, o Agent Bricks está pronto para criar sua aplicação baseada em agentes. Mal podemos esperar para ver o que você vai construir.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original