Databricks の世界が集まる場所

企業はどのように複数のモデルにわたってAIエージェントをガバナンスしているのか

Databricks announced the general availability of the Unity AI gateway to provide centralized multi-model governance, cost controls, and end-to-end observability for enterprise AI agents. Panelists discussed how coding agents and harnesses are evolving beyond programming into long-running operations, personal software development, and automated organizational workflows.

デモ: Unity AI Gatewayを活用したガバナンス付きAIエージェントの構築

This video demonstrates how to build, update, and govern a store operations AI agent using Databricks Agent Bricks and the Unity AI Gateway. The tutorial highlights integrating custom Model Context Protocol servers, recording execution traces with MLflow, and enforcing security policies and budget controls.

Stellantis：世界的自動車メーカーがAIエージェントを大規模展開した方法

OntoRankによるDatabricks Genie Ontologyのオントロジー的定義

Databricks Genie Ontology uses a ranking algorithm (OntoRank) to dynamically infer data definitions based on source credibility, usage frequency, and certification, enabling AI agents to answer questions without requiring formal ontologies. The tool democratizes data access but risks surfacing incorrect definitions if not paired with basic data governance practices.

DABs：UIからDABSへの同期

Databricksでガバナンスの効いたエージェントを構築

Databricksは、Unity Catalogのガバナンス層をAIエージェント、MCPサーバー、ツールに拡張し、一元化されたディスカバリー、アクセス制御、監査ログを提供することで「エージェントの乱立」問題を解決する。このシステムにより、開発者は迅速にエージェントを構築できる一方、ITチームはきめ細かなポリシーを適用し、認証情報を管理し、リクエストとレスポンスのエンドツーエンドのリネージを追跡できる。

プリミティブから本番運用へ:Anthropicはどのようにエージェントを構築するか

Anthropicは、エージェントをツールにアクセスできるループ内のLLMと定義し、硬直したワークフローよりもモデルの知性を重視しながら、分野特化型のスキル、MCP、評価(evals)を活用して、あらゆる業界で効果的なエージェントを構築している。あるデモでは、サイト信頼性エージェントがデータベースプールの問題を自律的に特定し、コードを修正し、ポストモーテムを生成する様子が示された。

DABs: watch flag

DABs：ポリシーによるクラスター管理の実現