核心新闻

2026 年 4 月 14 日，Databricks 正式发布 Agent Bricks 平台，这是一个企业级 AI Agent 平台，用于构建、部署和管理可控的 AI Agent。该平台统一了数据、模型和治理，解决了企业采用 AI Agent 的核心痛点。

核心挑战

Databricks 指出：

问题不在于构建 Agent，而在于用真实的上下文、权限和控制来运行它们。

企业面临的主要挑战：

  1. 数据孤岛 - Agent 无法访问企业数据
  2. 权限管理 - 难以控制 Agent 的操作权限
  3. 治理合规 - 需要满足审计和合规要求
  4. 模型选择 - 需要在多个模型之间切换
  5. 成本控制 - Token 成本难以预测和控制

Agent Bricks 解决方案

1. 多 AI 和 Agent 编排

Custom Agents (GA)

  • 构建和部署 Agent 应用
  • 支持任何模型或框架
  • 完整生命周期管理

Supervisor Agent (GA)

  • 协调多个 Agent 和工具
  • 定义任务后自动协调执行
  • 跨模型和工具的统一管理

Web Search in Foundation Model API

  • 实时网络搜索能力
  • 为 Agent 回答提供最新信息
  • 原生集成，无需额外配置

2. 治理与访问控制

AI Gateway

  • 统一管理对模型、编码 Agent 和 MCP 工具的访问
  • 细粒度权限控制
  • 使用量监控和成本追踪

Agent Mode in Genie Spaces

  • 从单次问答转向多步推理
  • 基于企业数据的深度分析
  • 支持复杂业务流程

CLEARS Framework for Agent Quality

通过 MLflow 评估 Agent 质量：

维度说明
Correctness答案准确性
Latency响应延迟
Execution执行效率
Adherence遵循指令程度
Reliability可靠性
Safety安全性

3. 文档智能 (GA)

  • 理解企业文档内容
  • 自动提取关键信息
  • 支持多种文档格式

实际应用场景

场景 1：营销异常检测

营销团队使用 Agent Bricks 构建了一个监控 Agent，能够在广告预算浪费之前检测并解决营销活动中的异常。

效果：

  • 实时监测广告投放
  • 自动识别异常模式
  • 在预算浪费前发出警报

场景 2：客户服务自动化

客服团队部署了多个专业 Agent，分别处理不同类型的问题，由 Supervisor Agent 协调。

效果：

  • 响应时间缩短 60%
  • 客户满意度提升 25%
  • 人工客服工作量减少 40%

场景 3：数据分析报告生成

数据团队使用 Agent Bricks 构建了一个数据分析 Agent，能够自动生成业务报告。

效果：

  • 报告生成时间从 3 天缩短到 3 小时
  • 数据准确性提升
  • 分析师可以专注于深度分析

与竞品对比

功能Databricks Agent BricksMicrosoft Agent FrameworkOpenClaw
数据集成✅ 深度集成⚠️ 需要配置⚠️ 需要配置
多模型支持✅ 支持✅ 支持✅ 支持
治理框架✅ 完整✅ 完整⚠️ 基础
成本监控✅ 内置⚠️ 需要配置❌ 无
企业集成✅ 深度✅ 深度⚠️ 基础
开源程度⚠️ 部分开源✅ 完全开源✅ 完全开源

可用性

今天发布的功能：

  • ✅ Document Intelligence (GA)
  • ✅ Custom Agents (GA)
  • ✅ Supervisor Agent (GA)
  • ✅ AI Gateway
  • ✅ CLEARS Framework

即将发布：

  • 🔄 Agent Broker (Beta) - 确定性编排
  • 🔄 可视化创作画布 - 拖拽式 Agent 设计
  • 🔄 Salesforce 模型支持 - 深度集成

行业意义

Databricks Agent Bricks 的发布标志着：

  1. 企业级 AI Agent 平台成熟 - 从工具到平台
  2. 数据 +AI 深度融合 - 发挥数据资产价值
  3. 治理先行 - 安全和合规是前提

相关链接

本文基于 Databricks 官方博客和产品文档整理 发布时间：2026-04-18