Jun 7 — Jul 7, 2026
O mês passado viu um impulso significativo para aprimorar as capacidades e a governança dos agentes de IA dentro do ecossistema Databricks, juntamente com melhorias contínuas na gestão de dados e eficiência operacional. Um tema principal foi a introdução do Omnigent como um meta-harness para agentes de IA, enfatizando a composabilidade e o controle.
1.Omnigent e Orquestração de Agentes de IA
A Databricks introduziu o Omnigent, um meta-harness de código aberto para agentes de IA, projetado para fornecer uma interface unificada para compor, controlar e colaborar em vários fluxos de trabalho de agentes. Isso visa abordar os desafios de gerenciar múltiplos harnesses de agentes proprietários, oferecendo uma camada comum para roteamento de consultas, orquestração de agentes e aplicação de políticas com estado e centradas em dados. O MLflow agora se integra ao Omnigent para observabilidade automática e multicamadas de rastreamentos de agentes.
Fontes
- Contextual Policies in Omnigent: Using session state to better govern AI agentsNews · databricks-blog · Jul 6
- OpenAI and Databricks at DAIS 2026: Making enterprise AI realNews · databricks-blog · Jul 6
- What Is a Meta-Harness for AI Agents? Omnigent explainedVideo · Databricks · Jul 6
- Multi-Harness AI Agents Need Multi-Layer Observability: Omnigent in MLflowNews · mlflow-blog · Jul 2
- Introducing Omnigent: The Ultimate Meta-Harness for AI AgentsVideo · Databricks · Jun 30
- AI Stack Explained in 3 Layers (LLM, Agent Harness, Omnigent)Video · Databricks · Jun 29
- Introducing Omnigent: an open meta-harness – Matei Zaharia, Co-founder and CTO, DatabricksVideo · Databricks · Jun 24
- v0.122.0Release · databricks/databricks-sdk-java · Jun 22
- v0.148.0Release · databricks/databricks-sdk-go · Jun 22
2.Família Genie se Expande para Engenharia de Dados e Business Intelligence Alimentadas por IA
A família de agentes de IA Genie teve uma expansão significativa, focando na automação de tarefas de engenharia de dados, aprimoramento da Business Intelligence e fornecimento de suporte à decisão. O Genie Code auxilia na construção, avaliação e implantação de modelos de ML, aplicando padrões de engenharia. O Genie ZeroOps monitora e corrige proativamente problemas de pipeline de dados, enquanto o Vibe Data Modeling usa LLMs para criar modelos de negócios analíticos a partir da linguagem natural. Esses agentes visam tornar a IA mais acessível e integrada às operações diárias.
Fontes
- Reimagining Data Modeling on the Lakehouse: Introducing Vibe Data ModelingNews · databricks-blog · Jul 6
- Forecasting at the speed of modern retailNews · databricks-blog · Jul 1
- Databricks Genie ZeroOps | A Quick OverviewVideo · Advancing Analytics · Jul 1
- All the AI Databricks Data + AI Summit Announcements you need to know | AI Newsround - June 2026Video · Advancing Analytics · Jun 30
- Genie Code Skills: Maintaining Quality at ScaleVideo · Databricks Skill Builder · Jun 25
- Meet Genie, Your New Decision-Making PartnerVideo · Databricks Skill Builder · Jun 25
- What’s coming next to Free EditionVideo · Databricks · Jun 25
- Agentic machine learning with Genie Code (includes demo)Video · Databricks · Jun 24
- How Daikin Applied Americas builds consistent data pipelines at scale with Genie CodeNews · databricks-blog · Jun 24
3.Databricks Asset Bundles (DABs) para Automação Declarativa
Os Databricks Asset Bundles (DABs), agora referidos como Declarative Automation Bundles, continuam a evoluir como uma ferramenta chave para gerenciar recursos Databricks de forma declarativa. Novas funcionalidades e discussões destacam seu uso para centralizar regras, impor proteção de branch para implantações e melhorar o motor de implantação. Isso enfatiza uma mudança em direção a uma gestão de infraestrutura mais robusta, versionada e automatizada no Databricks.
Fontes
- 134: Declarative Automation Bundles (Formerly Databricks Asset Bundles)|Part 1|Complete IntroductionVideo · Raja's Data Engineering · Jul 6
- DABs: mutators as a good place for central rulesVideo · databricks MVP Hubert Dudek · Jul 5
- Release: v2.12.1 (#1948)Release · databricks/databricks-vscode · Jul 2
- databricks DABs: version protectionVideo · databricks MVP Hubert Dudek · Jul 1
- databricks DABs: Branch protectionVideo · databricks MVP Hubert Dudek · Jun 26
- databricks DABs: New direct engineVideo · databricks MVP Hubert Dudek · Jun 24
4.Lakebase e PostgreSQL Serverless para Dados Operacionais
A Databricks está impulsionando o Lakebase, um banco de dados PostgreSQL serverless totalmente gerenciado que roda no data lake. Essa arquitetura desacopla computação e armazenamento, oferecendo armazenamento ilimitado, computação elástica e ramificação instantânea. Ele é posicionado para unificar dados analíticos e operacionais, permitindo uma única cópia de dados para várias necessidades e atendendo aos requisitos para aplicações de IA que demandam bancos de dados serverless e escaláveis.
Fontes
- Lakebase CDF — destination Delta table not created after successful UI setup (Free Edition)Community · databricks-community · Jul 7
- From monolith to Lakebase to LTAP: rethinking the database from storage upNews · databricks-blog · Jun 30
- What To Look For in a Serverless Database for AI ApplicationsNews · databricks-blog · Jun 25
- What Is Serverless PostgreSQL?News · databricks-blog · Jun 25
- Inside Lakebase: fully-managed serverless Postgres – Nikita Shamgunov, VP, Engineering, DatabricksVideo · Databricks · Jun 24
- v0.118.0Release · databricks/databricks-sdk-py · Jun 18
- v0.121.0Release · databricks/databricks-sdk-java · Jun 17
- v0.147.0Release · databricks/databricks-sdk-go · Jun 17
- v0.120.0Release · databricks/databricks-sdk-java · Jun 16
- v0.146.0Release · databricks/databricks-sdk-go · Jun 16
5.Enhanced Security and Governance for the AI Era
Segurança e governança continuam sendo um foco crítico, especialmente com o surgimento de agentes de IA. Novos anúncios incluem o LakeWatch, um lakehouse de segurança agêntico para defesa contra ataques alimentados por IA, e o Unity AI Gateway para governança aprimorada e rastreamento de custos de agentes de IA. Políticas contextuais no Omnigent permitem ainda o rastreamento do estado da sessão para uma governança mais poderosa das ações dos agentes de IA. Recursos de marcação de dados e mascaramento de colunas também fornecem controle granular sobre dados sensíveis.
Fontes
- Scaling Security Alert Triage With Specialized Agents on DatabricksNews · databricks-blog · Jul 6
- Contextual Policies in Omnigent: Using session state to better govern AI agentsNews · databricks-blog · Jul 6
- Announcement | Building an open ecosystem for AI governance with Unity AI GatewayCommunity · databricks-community · Jul 3
- Mask Sensitive Data: Protect Your PII Effectively!Video · Databricks Skill Builder · Jul 2
- All the AI Databricks Data + AI Summit Announcements you need to know | AI Newsround - June 2026Video · Advancing Analytics · Jun 30
- Master Data Tagging: 3 Ways to Boost Governance!Video · Databricks Skill Builder · Jun 26
- Databricks + Panther: advancing the security lakehouseVideo · Databricks · Jun 25
- Defending against a tidal wave of AI attacks with Lakewatch, the agentic security LakehouseVideo · Databricks · Jun 24
- How Agent Bricks gives developers choice, context and control (with demo)Video · Databricks · Jun 24