Onde o mundo Databricks se encontra.

Como as empresas governam agentes de IA em vários modelos

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.

Demo: Construindo um agente de IA com governança usando o Unity AI Gateway

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: como uma montadora global implementou agentes de IA em escala

A definição ontológica do Databricks Genie Ontology via OntoRank

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: sincronização da UI para DABS

Criando agentes governados com o Databricks

O Databricks estende sua camada de governança do Unity Catalog a agentes de IA, servidores MCP e ferramentas para resolver a "proliferação de agentes", oferecendo descoberta centralizada, controles de acesso e registro de auditoria. O sistema permite que os desenvolvedores criem agentes rapidamente, enquanto as equipes de TI aplicam políticas granulares, gerenciam credenciais e rastreiam a linhagem completa de solicitações e respostas de ponta a ponta.

Dos primitivos à produção: como a Anthropic constrói agentes

A Anthropic define agentes como LLMs em loop com acesso a ferramentas, priorizando a inteligência do modelo em vez de fluxos de trabalho rígidos, e usa skills específicas de domínio, MCPs e evals para criar agentes eficazes em diversos setores. Uma demonstração mostrou um agente de confiabilidade de site identificando de forma autônoma um problema no pool do banco de dados, corrigindo o código e gerando um post-mortem.

DABs: watch flag

DABs: deixe que as políticas governem seu cluster