Redaksi akdah.ac.id – Perkembangan teknologi kecerdasan buatan semakin pesat, terlihat dari peluncuran Omnigent oleh Databricks, sebuah ‘meta-harness’ untuk agen AI yang bersifat open source. Proyek ini diintroduksi dengan lisensi Apache 2.0 dan dikembangkan oleh tim AI Databricks bersama Neon. Omnigent berfungsi sebagai interface yang mengoneksikan berbagai model agen dalam satu sistem yang terintegrasi.
## Apa Itu Omnigent?
Omnigent merupakan sebuah interface umum di atas agen berbasis command line dan SDK agen. Dengan kemampuan untuk membungkus agen coding seperti Claude Code, Codex, dan Pi, Omnigent juga dapat bekerja dengan SDK lain seperti OpenAI Agents dan Claude Agents SDK. Desain dari Omnigent mengedepankan prinsip bahwa meskipun setiap harness dapat memanggil modelnya dengan cara yang berbeda, antarmuka yang digunakan oleh pengguna tetap konsisten. Melalui standar antarmuka ini, Omnigent memudahkan pertukaran harness.
Pengguna diharuskan untuk menyediakan model dan infrastruktur yang diperlukan, sementara Omnigent akan menjalankan agen di atas sistem tersebut. Hal ini memungkinkan koordinasi beberapa agen sebagai pekerja yang dapat dipertukarkan dalam satu pengelola.
## Cara Kerja Omnigent
Arsitektur Omnigent terdiri dari dua bagian utama. Pertama, ada ‘runner’ yang membungkus setiap agen dalam sesi terisolasi dengan API yang seragam. Kedua, server yang menyediakan kebijakan dan berbagi. Server ini memungkinkan setiap sesi untuk diakses melalui terminal, aplikasi, dan API web.
Pengguna dapat memulai sesi dengan satu perintah di terminal, yang juga meluncurkan antarmuka web lokal. Kesamaan dalam sesi akan tercermin di berbagai platform, sehingga pesan, sub-agen, terminal, dan file tetap sinkron. CLI yang tersedia dapat diakses dengan dua nama, yaitu omnigent dan omni, yang dapat digunakan secara bergantian.
## Kemampuan Kolaborasi
Tim Databricks menyusun Omnigent dengan tiga kemampuan utama: komposisi, kontrol, dan kolaborasi.
### Komposisi
Kemampuan ini memungkinkan pengguna untuk menggabungkan model, harness, dan teknik tanpa perlu melakukan pengetikan ulang kode. Sebagai contoh, pengguna dapat beralih di antara Claude Code, Codex, dan Pi hanya dengan satu perubahan dalam kode.
### Kontrol
Pada bagian kontrol, Omnigent menyediakan kebijakan yang bersifat stateful dan kontekstual. Kebijakan ini melacak aksi agen dan memberlakukan batasan di atas layer meta-harness, bukan hanya melalui prompt. Sebagai contoh, salah satu kebijakan bisa menjeda agen setelah pengeluaran mencapai $100.
### Kolaborasi
Fitur kolaborasi memungkinkan pengguna untuk berbagi sesi agen secara langsung melalui URL. Rekan kerja dapat melihat agen beroperasi dan berinteraksi secara real-time. Mereka dapat memberikan komentar dan berkontribusi dalam sesi tersebut.
Omnigent juga dilengkapi dengan sandbox OS yang disebut Omnibox, yang dapat mengunci akses OS dan mentransformasi permintaan jaringan untuk menjaga kerahasiaan token pengguna dari agen.
## Contoh Penggunaan
Dua agen contoh yang disertakan dalam repositori adalah Polly dan Debby. Polly berfungsi sebagai pengelola coding multi-agen yang tidak menulis kode sendiri, melainkan merencanakan dan mendelegasikan pekerjaan kepada agen subcoding di tree Git yang berbeda. Di sisi lain, Debby berfungsi sebagai mitra brainstorming yang menggunakan dua model berbeda, memberi pandangan ganda mengenai setiap pertanyaan.
## Tantangan dan Peluang
Meskipun memiliki kekuatan yang signifikan, Omnigent juga menghadapi tantangan. Proyek ini masih dalam tahap alpha dan memerlukan pengaturan Python, Node.js, dan tmux untuk dapat berfungsi. Selain itu, pengguna harus menyediakan model, infrastruktur, dan biaya operasionalnya sendiri. Beberapa item dalam roadmap, seperti Omnigent Server MCP, juga belum diluncurkan, dan rekan kerja yang berada di luar jaringan memerlukan server yang selalu aktif untuk bergabung.
## Kesimpulan
Peluncuran Omnigent oleh Databricks menandai langkah maju dalam pengembangan sistem agen AI yang lebih terintegrasi dan kolaboratif. Dengan kemampuannya untuk memberikan antarmuka yang seragam bagi pengguna, Omnigent berpotensi untuk menyederhanakan proses pengembangan AI dan mendorong inovasi lebih lanjut dalam ekosistem teknologi yang terus berkembang. Inisiatif ini semakin menegaskan pentingnya kolaborasi antara berbagai model dalam pengembangan kecerdasan buatan di masa depan.
