Agent Bricks: Data + AI Summit 2026

Lo scorso anno, al Data + AI Summit, abbiamo lanciato Agent Bricks, inaugurando un nuovo modo per creare agenti di alta qualità in grado di ragionare sui vostri dati. Dal lancio, sono stati creati oltre 100.000 agenti e ora elaboriamo più di 1 biliardo di token all'anno per gli agenti. Clienti come AstraZeneca, 7-Eleven, Fox Corporation e Block hanno implementato agenti basati su Agent Bricks. Quest'anno, al DAIS 2026, siamo entusiasti di annunciare l'espansione di Agent Bricks come piattaforma completa per agenti dedicata agli sviluppatori.

Il 99% mancante

L'ascesa della programmazione agentica, unita a modelli di frontiera sempre più potenti, ha scatenato un'esplosione cambriana di agenti. Creare agenti con i numerosi framework o harness presenti nell'ecosistema non è mai stato così facile. Tuttavia, nell'ultimo anno abbiamo imparato che il loop principale dell'agente rappresenta solo l'1% del lavoro. Il restante 99% è costituito dal debito tecnico nascosto dei sistemi agentici: capacità dei token, deployment, sicurezza, valutazione, monitoraggio, contesto e condivisione (vedere la figura seguente).

Piattaforma per agenti

Di conseguenza, abbiamo osservato che gli sviluppatori rimanevano bloccati a costruire l'infrastruttura anziché gli agenti. Questo momento richiede una piattaforma per agenti pensata per gli sviluppatori.

Riteniamo che una piattaforma per agenti richieda la risoluzione di tre sfide cruciali:

1. Scelta. Gli agenti sono sempre più composti da numerosi subagenti e necessitano di una diversità di modelli per trovare il giusto equilibrio tra qualità e latenza. Ogni famiglia di modelli presenta comportamenti unici e supera costantemente le altre a ogni nuova release. Gli sviluppatori hanno bisogno di un'ampia scelta di modelli, che va dai modelli proprietari e open source di frontiera a modelli più piccoli, economici ma veloci, fino a modelli personalizzati sui propri dati aziendali unici.
2. Contesto. I LLM sono potenti macchine di ragionamento, ma hanno bisogno di poter recuperare ed elaborare il contesto corretto per prendere decisioni aziendali precise. Si tratta di un problema estremamente complesso, poiché il patrimonio di dati è spesso disseminato di informazioni mancanti o fuorvianti, oppure il contesto necessario risiede solo nelle singole persone o deve essere ricostruito a partire da più fonti.
3. Controllo. Gli agenti sono tra gli attori più privilegiati all'interno di un'azienda, con accesso a dati sensibili. Le cronache sono piene di casi in cui gli agenti hanno accidentalmente eliminato codebase o hanno subito prompt injection che hanno portato alla fuga di informazioni preziose. Inoltre, i costi stanno esplodendo a causa dei dipendenti che fanno "tokenmaxing" per scalare le classifiche di programmazione agentica. Gli sviluppatori hanno bisogno di modi per distribuire gli agenti in sicurezza e per controllare i costi, in modo che l'azienda possa permettersi di distribuire agenti su scala.

La creazione di una piattaforma per agenti in grado di affrontare queste sfide richiede la connessione dei dati con l'AI. Dopotutto, gli agenti non solo consumano dati tramite strumenti e contesto, ma ora producono anche una grande quantità di dati nei loro output, azioni, tracce di ragionamento e memoria: tutti elementi che devono essere governati e analizzati. Questa unificazione di dati e AI è un'impresa per la quale Databricks si trova in una posizione unica.

Agent Bricks

Siamo davvero entusiasti di annunciare la prossima evoluzione di Agent Bricks come nostra piattaforma per agenti dedicata agli sviluppatori. Quello che era iniziato come un esperimento nella creazione di agenti si è trasformato in una piattaforma completa che consente agli sviluppatori di creare agenti con qualsiasi modello e harness, accedere ai dati ovunque e distribuire e controllare il tutto con sicurezza. Offriamo tutti gli elementi fondamentali, dalle sandbox sicure alla memoria degli agenti, fino alla capacità dei token per gli sviluppatori: Databricks gestisce l'infrastruttura mentre voi create agenti di grande impatto.

Scelta

Modelli

Agent Bricks offre tutti i modelli proprietari e open source di frontiera in un'unica piattaforma, integrata nativamente nel nostro perimetro di sicurezza. Passate facilmente da un LLM all'altro e testateli per bilanciare il comportamento dell'agente con latenza e costi. Oltre a OpenAI, Anthropic, Gemini e Qwen, abbiamo appena aggiunto il supporto per Kimi. Siamo entusiasti di annunciare anche una partnership con SpaceX per rendere i modelli Grok nativamente disponibili su Databricks.

"Databricks ci offre una base sicura e governata per eseguire più modelli e cambiare provider in base all'evoluzione delle nostre esigenze. Il tutto tenendo sotto controllo i costi." — Gregory Rokita, VP of Technology, Edmunds

Negli ultimi tre anni siamo stati all'avanguardia nei modelli personalizzati: i clienti creano modelli specializzati sui propri dati aziendali attraverso l'ottimizzazione dei prompt, il fine-tuning o l'apprendimento per rinforzo. Il nostro team di ricerca addestra regolarmente modelli personalizzati, che spaziano da modelli di piccole dimensioni per attività di subagenti all'applicazione dell'RL a modelli di grandi dimensioni come modello agentico principale. Di recente, abbiamo utilizzato l'apprendimento per rinforzo per addestrare un agente di dati personalizzato che risulta competitivo con modelli di frontiera come Opus e Sonnet in attività correlate a Genie, offrendo al contempo un costo per query significativamente inferiore (vedere la figura seguente). Ora, clienti come Merck o First American utilizzano AI Runtime per addestrare LLM specializzati sui propri dati unici.

Harness per agenti

Supportiamo qualsiasi harness per agenti che gli sviluppatori desiderino utilizzare, dai framework open source come LangGraph, Agno e CrewAI a harness come Claude Code SDK o gli SDK di OpenAI Agent. Distribuite questi agenti con autoscaling orizzontale su Databricks Apps. Offriamo anche una versione gestita del nostro meta-harness open source Omnigent, rilasciato lo scorso fine settimana, per orchestrare diversi harness.

Contesto

Il recupero dei dati corretti non si limita più alle applicazioni RAG del passato. Gli agenti ora dispongono di strumenti sofisticati per cercare, recuperare e manipolare i dati durante il ragionamento per identificare il contesto pertinente. Tuttavia, le esigenze delle odierne funzionalità degli agenti richiedono di attraversare un panorama di dati complesso e disordinato, fatto di tabelle obsolete, cartelle di Google Drive non organizzate, pagine di ricerca web confuse e documenti fuorvianti. Spesso, il contesto necessario semplicemente non è registrato, ma esiste solo nella mente di poche persone chiave. L'ascesa dell'AI slop inquina ulteriormente il patrimonio di dati con "fatti" difficili da verificare.

Il nostro team di ricerca ha risolto problemi kritici in questo ambito, come la ricerca agentica, la scalabilità della memoria, gli scratchpad programmabili, la valutazione e il ragionamento fondato. Come parte di Agent Bricks, queste innovazioni vengono fornite in alcuni componenti chiave:

• Connetti gli agenti ai dati ovunque

Aggiungendo il supporto MCP a Unity Catalog, gli agenti in Agent Bricks possono connettersi in modo sicuro a fonti di dati esterne come Google Drive, JIRA, Slack, GitHub e altre ancora. I nostri agenti di ricerca specializzati sono in grado di sfruttare sia i metadati strutturati sia il testo sorgente per trovare in modo efficiente le informazioni giuste.

• Genie Ontology

Apprendendo continuamente un'ontologia sui dati e incorporando la semantica aziendale annotata da esperti umani, Genie Ontology consente ad Agent Bricks di accedere a una miniera di informazioni in grado di guidare la ricerca e l'analisi. Quando inizia l'anno fiscale? Chi è il responsabile delle vendite? Cosa si intende per cliente perso nella mia azienda? Qual è la nostra strategia per quest'anno? Quale tabella è la più utilizzata? Quale autore di dati ha la cronologia più autorevole? Genie Ontology consente agli agenti di comprendere istantaneamente la tua attività fin dall'inizio, senza dover ricreare il contesto a ogni chiamata.

• Databricks Agent Tools

Abbiamo rilasciato una suite di strumenti integrati gestiti da Databricks che utilizzano le nostre innovazioni di ricerca per offrire una ricerca d'eccellenza dei dati sul Lakehouse e anche di dati esterni tramite MCP. Ad esempio, il nostro lavoro sulla ricerca agentica ha prodotto un sotto-agente di ricerca documenti che ora è 3 volte più veloce rispetto a prima, migliorando al contempo la qualità. Questi strumenti sono accessibili a livello centrale e gestiti in Unity Catalog.

• Servizio di memoria degli agenti

Gli sviluppatori che creano agenti possono ora connettere i propri agenti alla memoria gestita su Databricks. Grazie alla tecnologia di Lakebase, gli agenti possono gestire il proprio contesto e la cronologia delle sessioni, mantenendoli persistenti tra le sessioni e, in futuro, anche tra diversi agenti.

• Document Intelligence

Fin dal nostro lancio lo scorso anno, un set di funzioni in SQL che chiamiamo Document Intelligence (GA) consente l'analisi e il parsing all'avanguardia di PDF e altri documenti. Con ai_parse_document, ai_extract e ai_classify, creare flussi di lavoro di elaborazione dei documenti o sotto-agenti è semplicissimo. Utilizzando il nostro benchmark interno per le attività di analisi dei documenti aziendali, il nostro sistema offre la massima qualità al minor costo rispetto sia ai LLM di frontiera sia ai sistemi specializzati di altri provider.

• Databricks Sandbox

L'accesso sicuro al contesto richiede un isolamento accurato e una definizione precisa dell'ambito di accesso. Databricks Sandbox consente di avviare VM sicure per il calcolo, con un accesso ai dati ridotto in Unity Catalog. Queste sandbox possono essere utilizzate per contenere strumenti di interpretazione del codice, eseguire sotto-agenti e harness, o semplicemente come un blocco appunti sicuro per la sperimentazione con gli agenti.

Controllo

L'esplosione cambriana di agenti, modelli e strumenti richiede una controforza di governance altrettanto forte, per distribuire in sicurezza e gestire i costi di questi agenti. Siamo entusiasti di annunciare Unity AI Gateway, un livello di governance unificato per tutti i tuoi asset AI, sia su Databricks sia ospitati esternamente. Ogni cliente dovrebbe utilizzare Unity AI Gateway per proteggere, osservare e gestire i propri asset AI, dagli MCP ai modelli fino agli agenti esterni.

Abbiamo implementato le funzionalità principali di una piattaforma di governance in Unity AI Gateway:

• Scoprire un catalogo di tutti gli agenti, modelli, MCP, Skill e agenti esterni
• Configurare controlli di acesso granulari per strumenti e agenti
• Monitorare i costi e applicare budget per utente e per gruppo
• Instradamento intelligente del traffico basato su affidabilità, policy di budget o altri controlli

Ma ci sono alcune funzionalità cruciali che solo una piattaforma integrata di dati e AI come Databricks può offrire:

Tracce e monitoraggio degli agenti

Gli agenti producono grandi quantità di dati dalle loro tracce di ragionamento, scritture in memoria e generazioni. Tali dati dovrebbero essere gestiti nel Lakehouse insieme al resto dei tuoi dati, non isolati presso un vendor diverso. I vantaggi non finiscono qui: ora che i dati sono nel lakehouse, puoi applicare tutta la potenza di Databricks per analizzare quelle tracce, eseguire il debug della qualità degli agenti, analizzare e ottimizzare le sessioni di codifica AI e monitorare il comportamento in produzione. Ora integrato con LakeWatch, la nostra piattaforma di sicurezza agentica, consente di configurare avvisi per violazioni delle PII, controllare l'accesso ai dati sensibili e rispondere agli incidenti di sicurezza.

Policy contestuali

Gli agenti sono stateful, dinamici e contestuali, e di conseguenza dovrebbero esserlo anche le policy di sicurezza che li gestiscono. Crea policy di sicurezza personalizzate per gli strumenti e guardrail per gli agenti, direttamente in SQL (e presto in Python). Inoltre, queste policy possono mantenere lo stato e reagire in base ai dati e al contesto.

Ad esempio, nell'esempio seguente, puoi scrivere una policy in base alla quale, se un agente accede a dati sensibili dei clienti contenenti PII, gli viene impedito di pubblicare tali dati sul sito web aziendale, ma può inviarli via e-mail a un collega. Altre azioni, come l'aggiornamento di Salesforce, richiederebbero l'approvazione umana.

Registro di Unity Catalog per agenti, strumenti e modelli

Abbiamo aggiunto agenti, strumenti e modelli a Unity Catalog (UC), in modo da poter gestire tali asset insieme al resto del patrimonio di dati. La governance dell'AI non può essere separata dalla governance dei dati. Dopotutto, agenti, modelli e strumenti operano sui dati aziendali. La gestione congiunta di dati e AI offre policy coerenti, visibilità end-to-end e un unico piano di controllo per sicurezza, conformità e auditing.

Per una trattazione completa sulla governance dell'AI, consulta il blog di Unity AI Gateway.

Siamo entusiasti di annunciare Agent Bricks come la nostra piattaforma completa per gli agenti. Riteniamo che il futuro degli agenti richieda una combinazione di dati e AI in un'unica piattaforma, in modo che gli sviluppatori possano facilmente creare e gestire agenti in produzione. Offrendo la scelta del modello, un contesto pertinente e una governance completa, Agent Bricks è pronto per creare la tua applicazione agentica. Non vediamo l'ora di scoprire cosa realizzerai.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale