Samenvatting
Omnigent bundelt agentdefinities, terwijl Nimble zoeknauwkeurigheid van 46% naar 71% tilt en zoekkosten halveert.
Omnigent en Nimble voor agenten
Databricks beschrijft Omnigent als een laag waarmee engineers één agentdefinitie vastleggen: model, tools, beleidsregels en limieten. Die agent draait vervolgens in verschillende omgevingen, zoals Claude Code, Codex of een directe API-aanroep. Nimble vult daarin de webzoekfunctie in.
Zonder Omnigent bouwen engineers dezelfde logica opnieuw voor elk framework. Dat kost tijd en levert verschillende zoekresultaten op, omdat elke omgeving eigen tools en zoekmogelijkheden meebrengt. Omnigent routeert modelaanroepen via Databricks Foundation Model API’s, met gezamenlijke kostenregistratie en governance.
Nimble verhoogde in de beschreven benchmark de zoeknauwkeurigheid van 46% naar 71% en halveerde de zoekkosten.
Waarom Omnigent en Nimble belangrijk zijn
Het voorbeeld draait om een agent die markt- en accountinformatie bijhoudt. Interne gegevens staan in Delta-tabellen onder Unity Catalog, terwijl signalen zoals financieringsrondes, bestuurswisselingen, productlanceringen en sterke werving online staan. De agent moet beide bronnen combineren tot één actueel accountbeeld.
De keuze voor Claude Code, Codex of een directe API-aanroep verandert nu niet alleen de werkomgeving, maar ook de beschikbare tools en de gevonden bronnen. Een bron die de ene zoekfunctie vindt, kan in een andere ontbreken. Daarmee ontstaat een technisch probleem naast het model zelf: dezelfde agentlogica krijgt per uitvoeringsomgeving een andere configuratie, kostenstructuur en audittrail.
De aanpak maakt bovendien duidelijk waar webzoekfuncties voor taalmodellen tekortschieten. Ze vinden algemene informatie, maar missen volgens het artikel fijnmazige signalen die nodig zijn om accounts gericht te verrijken.
Concrete takeaway voor agentbouwers
Leg agentlogica los van het gekozen framework en vergelijk zoekresultaten, kosten en brondekking per omgeving. Gebruik daarbij één definitie voor model, tools en limieten en controleer of webzoekresultaten een audittrail en gedeelde kostenregistratie opleveren.
Verdiep je kennis
Data lakehouse uitgelegd — Het beste van twee werelden
Wat is een data lakehouse en waarom combineert het het beste van data warehouses en data lakes? Vergelijking, architectu...
KennisbankETL uitgelegd — Extract, Transform, Load in gewone taal
Wat is ETL? Leer hoe Extract, Transform en Load werkt, het verschil met ELT, en welke tools je kunt gebruiken. Helder ui...