Databricks introducerer Unity Gateway CLI for at centralisere styring af kodningsagenter

Databricks introducerede den 24. september 2026 Unity Gateway CLI, et kommandolinjeværktøj, der forbinder kodningsagenter såsom Claude Code and Codex med virksomhedens Unity Gateway, hvor administratorer håndterer godkendte modeller, værktøjer og udgiftspolitikker. I et officielt blogindlæg sagde Databricks, at værktøjet, som køres via ug‑kommandoen, er beregnet til at kombinere udvikleres frihed til at adoptere nye agenter og modeller med centraliseret styring på tværs af tusindvis af udviklere.

Begrundelsen, som Databricks fremhæver

Databricks placerede udgivelsen i konteksten af hurtig modeludskiftning. Virksomheden oplyste, at GPT-6, Claude Opus 5.5, Gemini 3.8 og Grok 4.7 alle var blevet lanceret i de foregående seks måneder sammen med open‑weight‑modeller som Kimi K3, GLM-5 og DeepSeek V4.1, og beskrev det nuværende tempo som en ny frontmodel cirka hver femte dag.

Databricks sagde, at dette tempo lægger de teams, der ejer udviklerværktøjer, under pres: at standardisere på én leverandør indebærer risiko for at gå glip af bedre eller billigere muligheder andre steder, mens understøttelse af mange agenter og leverandører efterlader adgangskontrol, budgetter, sikkerhedspolitik og brugslogning spredt over separate systemer. Virksomheden udtalte, at organisationer har brug for både friheden til at adoptere den bedste løsning, så snart den fremkommer, og en ensartet metode til at styre den på tværs af tusindvis af udviklere.

Centralt konfiguration og agentudrulning

Unity Gateway giver nu administratorer en enkelt konsol til at konfigurere kodningsagenter: standardmodeller, MCP‑servere, færdigheder, Smart Routing og udgiftspolitikker, administreret under Govern og derefter Agent Configuration. Efter at administratorer har offentliggjort en konfiguration, kan udviklere oprette forbindelse til enhver understøttet agent med én kommando. CLI’en godkender brugeren, forbinder den valgte agent til Unity Gateway og anvender den offentliggjorte konfiguration, inden agentens almindelige grænseflade åbnes. Udviklere kan skifte mellem aktiverede agenter uden at konfigurere hver enkelt separat, og organisationer kan implementere ug via enhedsstyring, så teams starter med den samme godkendte opsætning, med indstillinger som administratorer kan låse.

Når nye agenter og modeller bliver tilgængelige, vælger administratorer den standardopsætning, de ønsker, at udviklere skal starte med, og offentliggør den til hele teamet som én konfigurationsændring. Ved udviklerens næste ug‑kørsel synkroniserer CLI’en den nye konfiguration og starter den anbefalede agent med den valgte model. Administratorer kan revidere dette valg, efterhånden som kvalitet, omkostninger og teambehov ændrer sig, og kan definere mere detaljerede politikker såsom kohort‑baserede udrulninger af nye modeller. Administratorer kan også offentliggøre delte MCP‑værktøjer og færdigheder på tværs af understøttede agenter, så udviklere får godkendte værktøjer og gennemprøvede arbejdsgange i deres konfigurerede agenter uden at skulle opsætte hver enkelt separat.

Understøttede agenter, installation og licensbetingelser

Ifølge det offentlige databricks/unity-gateway GitHub‑repository kører CLI’en kodningsagenter gennem Databricks AI Gateway med konfigurationsunderstøttelse for Codex, Claude Code, Gemini CLI, OpenCode, GitHub Copilot CLI og Pi, samt MCP‑serverregistrering for Cursor Agent, som kun forbinder via MCP. Værktøjet kræver Python 3.12 eller nyere samt uv, med npm nødvendigt når en agent‑CLI kræver automatisk installation, og installeres med en enkelt uv tool install command, der peger på repository’en.

Den første gang en udvikler starter en model‑baseret agent, spørger ug om et Databricks‑arbejdsområde, logger brugeren ind og skriver agentens lokale konfiguration; senere starter den igen med det gemte arbejdsområde og legitimationsoplysninger. Eksisterende ucode‑kommandoer fortsætter med at fungere, og Python‑pakken bevarer ucode‑navnet for kompatibilitet. Enhver fil, som ug overskriver, sikkerhedskopieres først, og ug‑revert‑kommandoen gendanner disse sikkerhedskopier. Databricks MCP‑servere registreres lokalt som stdio‑servere, der kører ug mcp-proxy, og proxien opdaterer Databricks OAuth‑tokens fra brugerens CLI‑profil. Unity Catalog‑færdigheder kan registreres som MCP‑værktøjer eller downloades til lokale agent‑færdighedsmappper, og kommandoreferencen omfatter ug status, ug doctor, ug usage og ug upgrade.

Repository’en er udgivet under Databricks License, som tillader visning, brug, kopiering, modificering, offentliggørelse og distribution af materialerne kun til brug inden for eller i forbindelse med Databricks‑tjenester, med betingelser for videredistribution og automatisk ophør ved overtrædelse. Databricks’ quickstart‑dokumentation præsenterer ug som den anbefalede af to tilslutningsveje, den anden er manuel endpoint‑ og godkendelsesopsætning, og dækker modelskift i sessionen med /model plus ug mcp add og ug skills add for at vedhæfte værktøjer og færdigheder.

Omkostningsstyring, sporing og rapporteret forbrug

Administratorer kan aktivere Smart Routing centralt, så enklere opgaver kører på billigere modeller og mere komplekse opgaver på mere kapable modeller; Smart Routing vælger en model til hovedsessionen og kan vælge en anden model til arbejde, som agenten delegere til en underagent. Udviklere forbliver i deres foretrukne agenter uden at skulle vælge en model for hver opgave. Databricks sagde, at deres offentliggjorte Smart Routing‑evaluering leverede 35 % besparelse på deres interne kodningsbenchmark.

Budgetbevidste standardindstillinger i Unity Gateway giver teams mulighed for at anbefale billigere agenter og modeller, når udgifterne når definerede grænser. Anbefalingerne gælder, når nye sessioner starter, og afbryder ikke arbejde, der allerede er i gang, og udviklere kan kontrollere udgifter og resterende budget med ug usage.

Unity Gateway kan også optage spor fra kodningsagenter, der dækker lokale værktøjsopkald og færdigheds‑invokationer. Administratorer aktiverer sporing centralt, og ug konfigurerer understøttede klienter til at eksportere sporene til lakehouse’ens samlede spor‑tabel, hvor teams kan bruge Genie til at fremhæve tilbagevendende værktøjsfejl, overdimensionerede svar og andet token‑spild, derefter rette problemerne og måle resultaterne. Databricks sagde, at deres egen ingeniørorganisation brugte Unity Gateway‑sporing med Genie One til at finde og rette syv MCP‑værktøjsfejl, hvilket de oplyste sparede anslået $1,2 million pr. år i spildt AI‑forbrug og tabt produktivitet.

Concurrences chef for teknologi, John Xing, sagde, at CLI’en giver hans virksomhed en enkelt kontrolleret forbindelse for al model‑ og værktøjstrafik fra deres kodningsagenter, med tilskrivning ned til den enkelte bruger og adgang begrænset til godkendte modeller og MCP‑værktøjer. Han oplyste, at Concurrences kodningsagenter har behandlet mere end 61 milliarder input‑tokens på omkring 360 000 forespørgsler siden udrulning, med brug og udgifter synlige centralt.

Databricks sagde, at de allerede bruger CLI’en til at udrulle nye modeller og omkostningsoptimeringer i deres egen ingeniørorganisation, mens udviklerarbejdsprocesserne forbliver uændrede. Virksomheden henviste nye brugere til Unity Gateway CLI‑quickstarten og til dokumentationen for konfiguration af kodningsagenter i Unity Gateway.