Resumo
No Data + AI Summit 2026, a Databricks anunciou a expansão do Agent Bricks para uma plataforma completa de agentes empresariais. A premissa central é que o loop básico de um agente — a parte visível — representa apenas 1% do trabalho real; os 99% restantes são infraestrutura oculta: capacidade de tokens, implantação, segurança, avaliação, monitoramento, gerenciamento de contexto e colaboração entre equipes.
Mais de 100.000 agentes foram construídos sobre essa plataforma desde seu lançamento, com clientes como AstraZeneca, 7-Eleven, Fox Corporation e Block. A plataforma se organiza em três pilares: Escolha, Contexto e Controle.
Os três pilares do Agent Bricks
1. Escolha (Choice) — Modelos e frameworks
A Databricks oferece suporte a modelos proprietários de fronteira (OpenAI, Anthropic, Gemini, Qwen, Kimi) e alternativas de código aberto. Entre os anúncios mais destacados está a parceria com a SpaceX para fornecer os modelos Grok de forma nativa na plataforma.
A plataforma também inclui capacidades de treinamento personalizado mediante otimização de prompts, fine-tuning e aprendizado por reforço. Um agente de dados treinado pela Databricks demonstrou ser competitivo com os modelos Opus e Sonnet da Anthropic, reduzindo significativamente o custo por consulta.
Em relação a frameworks de agentes, são suportados LangGraph, Agno, CrewAI, os SDKs do Claude Code e OpenAI Agents, além do meta-harness Omnigent agora disponível como serviço gerenciado. O escalonamento horizontal é feito através do Databricks Apps.
2. Contexto — Acesso a dados e recuperação avançada
Este pilar aborda um dos maiores desafios dos agentes em produção: acessar o contexto empresarial correto no momento adequado.
MCP com Unity Catalog permite conexões seguras a fontes externas como Google Drive, JIRA, Slack e GitHub com capacidades de busca especializadas. Genie Ontology aprende continuamente a semântica do negócio: calendários fiscais, chefes de departamento, definições corporativas, linhagem de dados e autoridade por autor.
Document Intelligence (agora GA) inclui funções SQL como ai_parse_document, ai_extract e ai_classify para análise de PDFs e documentos. O Agent Memory Service, impulsionado pelo Lakebase, fornece memória persistente para histórico de sessões e coordenação entre agentes.
O conjunto de Databricks Agent Tools inclui um subagente de busca de documentos reportado como “3× mais rápido que antes, com maior qualidade”. Databricks Sandbox oferece VMs seguras com acesso restrito ao Unity Catalog para interpretadores de código e experimentação.
3. Controle — Governança, segurança e custos
Unity AI Gateway atua como camada de governança unificada com:
- Catálogo de agentes, modelos, MCPs, Skills e agentes externos
- Controles de acesso granulares por ferramenta e agente
- Orçamentos por usuário e por grupo com limites rígidos de gastos
- Roteamento inteligente de tráfego baseado em confiabilidade e conformidade com políticas
Agent Traces e Monitoramento: rastreamentos de raciocínio, escritas de memória e gerações são armazenados no Lakehouse para análise e depuração completa. A integração com Lakewatch detecta violações de PII e audita o acesso a dados sensíveis.
Políticas Contextuais baseadas em SQL (com suporte Python em breve) permitem aplicar controles de segurança com estado baseados no contexto dos dados. Por exemplo: restringir a publicação de dados com PII em websites enquanto permite compartilhá-los por e-mail, ou exigir aprovação humana para atualizações no Salesforce.
Pontos principais
- Mais de 100.000 agentes construídos sobre a plataforma desde seu lançamento
- Suporte para todos os modelos frontier: OpenAI, Anthropic, Gemini, Grok (SpaceX), Qwen, Kimi
- Omnigent disponível como serviço gerenciado para orquestrar agentes existentes
- Agent Memory Service com Lakebase para memória persistente entre sessões
- Document Intelligence GA com funções SQL para processar PDFs diretamente
- Unity AI Gateway com orçamentos rígidos e roteamento inteligente
- Políticas contextuais SQL para governança de segurança com estado
- Databricks Sandbox para código e experimentação seguros
- Lakewatch integrado para detecção de violações de PII em tempo real
Por que importa?
O Agent Bricks representa a maturação do ecossistema de IA agêntica. Até agora, as empresas construíam agentes relativamente rápido, mas a colocação em produção era um processo custoso e incerto: como escalam? como são auditados? como os custos são governados quando um agente começa a consultar modelos de forma autônoma?
A proposta da Databricks é que governar os dados e governar a IA na mesma plataforma elimina o atrito estrutural que vem de usar ferramentas desconectadas. Uma empresa que já tem o Unity Catalog para seus dados pode estender exatamente as mesmas políticas para seus agentes, com a mesma linguagem SQL que suas equipes de dados já conhecem.
Para organizações latino-americanas ou que trabalham com equipes mistas de dados e IA, isso significa que a mesma pessoa que governa o acesso a tabelas de clientes pode agora governar o que um agente pode fazer com esses dados, sem precisar aprender um stack diferente.
