Databricks, 코딩 에이전트 제어를 중앙화하기 위해 Unity Gateway CLI를 도입

Databricks는 2026년 9월 24일 Unity Gateway CLI를 소개했으며, 이는 Claude Code와 Codex와 같은 코딩 에이전트를 회사의 Unity Gateway에 연결하는 명령줄 도구입니다. 관리자는 승인된 모델, 도구 및 지출 정책을 관리합니다. 공식 블로그 게시물에서 Databricks는 이 도구가 ug 명령을 통해 실행되며, 개발자가 새로운 에이전트와 모델을 채택하는 자유와 수천 명의 개발자에 대한 중앙 집중식 거버넌스를 결합하도록 설계되었다고 밝혔습니다.

Databricks가 제시한 근거

Databricks는 급속한 모델 교체를 배경으로 이번 출시를 설명했습니다. 회사는 GPT-6, Claude Opus 5.5, Gemini 3.8, Grok 4.7이 모두 지난 6개월 동안 출시되었으며, Kimi K3, GLM-5, DeepSeek V4.1 등 오픈 웨이트 모델도 함께 제공되었다고 밝혔으며, 현재 속도를 약 5일마다 새로운 최전선 모델이 등장하는 수준이라고 평가했습니다.

Databricks는 이러한 속도가 개발자 도구를 보유한 팀을 압박한다고 말했습니다. 하나의 공급업체에 표준화하면 다른 곳에서 더 좋거나 저렴한 옵션을 놓칠 위험이 있고, 다수의 에이전트와 공급업체를 지원하면 접근 제어, 예산, 보안 정책 및 사용 로그가 별도의 시스템에 흩어지게 됩니다. 회사는 조직이 최적의 옵션을 즉시 채택할 자유와 수천 명의 개발자에게 일관된 관리 방식을 동시에 필요로 한다고 강조했습니다.

중앙 구성 및 에이전트 롤아웃

Unity Gateway는 이제 관리자가 코딩 에이전트를 구성하기 위한 하나의 콘솔을 제공합니다: 기본 모델, MCP 서버, 스킬, Smart Routing 및 지출 정책을 Govern 아래, 이후 Agent Configuration에서 관리합니다. 관리자가 구성을 게시한 후, 개발자는 단일 명령으로 지원되는 모든 에이전트에 연결할 수 있습니다. CLI는 사용자를 인증하고 선택된 에이전트를 Unity Gateway에 연결한 뒤, 에이전트의 일반 인터페이스가 열리기 전에 게시된 구성을 적용합니다. 개발자는 각각을 별도로 설정하지 않고도 활성화된 에이전트 간 전환이 가능하며, 조직은 장치 관리를 통해 ug를 배포하여 팀이 동일한 승인된 설정으로 시작하도록 할 수 있고, 관리자는 해당 설정을 잠글 수 있습니다.

새로운 에이전트와 모델이 제공되면, 관리자는 개발자가 시작하도록 원하는 기본 설정을 선택하고 이를 전체 팀에 하나의 구성 변경으로 게시합니다. 개발자가 다음 ug 실행을 할 때, CLI는 새로운 구성을 동기화하고 선택된 모델과 함께 권장 에이전트를 시작합니다. 관리자는 품질, 비용 및 팀 요구가 변함에 따라 해당 선택을 수정할 수 있으며, 새로운 모델에 대한 코호트 기반 롤아웃과 같은 보다 상세한 정책을 정의할 수 있습니다. 또한 관리자는 지원되는 에이전트 전반에 공유 MCP 도구와 스킬을 게시하여, 개발자가 각각을 별도로 설정하지 않고도 구성된 에이전트 내에서 승인된 도구와 검증된 워크플로를 사용할 수 있게 합니다.

지원되는 에이전트, 설치 및 라이선스 조건

공개 databricks/unity-gateway GitHub 리포지토리에 따르면, CLI는 Databricks AI Gateway를 통해 코딩 에이전트를 실행하며, Codex, Claude Code, Gemini CLI, OpenCode, GitHub Copilot CLI, Pi에 대한 구성 지원과 Cursor Agent용 MCP 서버 등록을 제공하는데, 이는 MCP만을 통해 연결됩니다. 이 도구는 Python 3.12 이상과 uv가 필요하며, 에이전트 CLI가 자동 설치를 요구할 경우 npm이 필요하고, 저장소를 가리키는 단일 uv tool install 명령으로 설치됩니다.

개발자가 모델 기반 에이전트를 처음 실행할 때, ug는 Databricks 워크스페이스를 요청하고 사용자를 로그인시키며 에이전트의 로컬 구성을 작성합니다; 이후 실행은 저장된 워크스페이스와 자격 증명을 재사용합니다. 기존 ucode 명령은 계속 작동하며, Python 패키지는 호환성을 위해 ucode 이름을 유지합니다. ug가 덮어쓰는 모든 파일은 먼저 백업되며, ug revert 명령은 해당 백업을 복원합니다. Databricks MCP 서버는 stdio 서버로 로컬에 등록되어 ug mcp-proxy를 실행하며, 프록시는 사용자의 CLI 프로필에서 Databricks OAuth 토큰을 갱신합니다. Unity Catalog 스킬은 MCP 도구로 등록하거나 로컬 에이전트 스킬 디렉터리로 다운로드할 수 있으며, 명령 레퍼런스에는 ug status, ug doctor, ug usage, ug upgrade가 포함됩니다.

이 저장소는 Databricks License 하에 공개되어 있으며, 이는 Databricks 서비스 내 또는 Databricks 서비스에 연결된 경우에만 자료를 열람, 사용, 복사, 수정, 게시 및 배포하도록 허용하고, 재배포 조건 및 위반 시 자동 종료 조항을 포함합니다. Databricks의 빠른 시작 문서는 ug를 두 가지 연결 경로 중 권장 경로로 제시하며, 다른 하나는 수동 엔드포인트 및 인증 설정이며, /model과 ug mcp add, ug skills add를 사용한 세션 내 모델 전환을 다룹니다.

비용 제어, 추적 및 보고된 사용량

관리자는 Smart Routing을 중앙에서 활성화하여 간단한 작업은 저렴한 모델에서, 복잡한 작업은 보다 강력한 모델에서 실행하도록 할 수 있습니다; Smart Routing은 주요 세션에 모델을 선택하고, 에이전트가 하위 에이전트에 위임하는 작업에 대해 다른 모델을 선택할 수도 있습니다. 개발자는 각 작업마다 모델을 선택하지 않고도 선호하는 에이전트를 유지합니다. Databricks는 공개된 Smart Routing 평가에서 내부 코딩 벤치마크 기준으로 35% 비용 절감을 달성했다고 밝혔습니다.

Unity Gateway의 예산 인식 기본값은 팀이 지출이 정의된 임계값에 도달하면 비용이 낮은 에이전트와 모델을 추천하도록 합니다. 이 추천은 새 세션이 시작될 때 적용되며 진행 중인 작업을 중단하지 않으며, 개발자는 ug 사용량을 통해 지출 및 남은 예산을 확인할 수 있습니다.

Unity Gateway는 로컬 도구 호출 및 스킬 호출을 포함하는 코딩 에이전트의 추적도 기록할 수 있습니다. 관리자는 중앙에서 추적을 활성화하고, ug는 지원되는 클라이언트가 추적을 레이크하우스의 통합 추적 테이블로 내보내도록 구성합니다. 여기서 팀은 Genie를 사용하여 반복되는 도구 오류, 과도한 응답 및 기타 토큰 낭비를 발견하고, 문제를 해결하고 결과를 측정할 수 있습니다. Databricks는 자체 엔지니어링 조직이 Genie One과 함께 Unity Gateway 추적을 사용해 7개의 MCP 도구 버그를 찾아 수정했으며, 이를 통해 연간 약 $1.2 million의 AI 비용 낭비와 생산성 손실을 절감했다고 밝혔습니다.

Concurrence의 최고 기술 책임자 John Xing은 CLI가 회사에 코딩 에이전트의 모델 및 도구 트래픽에 대한 단일 제어 연결을 제공하며, 개별 사용자까지 귀속되고 승인된 모델 및 MCP 도구에만 접근이 제한된다고 말했습니다. 그는 Concurrence의 코딩 에이전트가 출시 이후 약 360,000건의 요청에 걸쳐 610억 개 이상의 입력 토큰을 처리했으며, 사용량과 비용이 중앙에서 확인 가능하다고 언급했습니다.

Databricks는 이미 CLI를 사용해 자체 엔지니어링 조직 전반에 새로운 모델과 비용 최적화를 적용하고 있으며, 개발자 워크플로는 그대로 유지된다고 밝혔습니다. 회사는 새로운 사용자를 Unity Gateway CLI 빠른 시작 가이드와 Unity Gateway에서 코딩 에이전트를 구성하는 문서로 안내했습니다.