Databricks presenterar Unity Gateway CLI för att centralisera styrning av kodningsagenter

Databricks introducerade den 24 september 2026 Unity Gateway CLI, ett kommandoradsverktyg som kopplar kodningsagenter såsom Claude Code och Codex till företagets Unity Gateway, där administratörer hanterar godkända modeller, verktyg och utgiftspolicys. I en officiell bloggpost sade Databricks att verktyget, som körs via kommandot ug, är avsett att kombinera utvecklarnas frihet att anta nya agenter och modeller med centraliserad styrning för tusentals utvecklare.

Det resonemang Databricks anger

Databricks placerade lanseringen i förhållande till den snabba modellomsättningen. Företaget uppgav att GPT-6, Claude Opus 5.5, Gemini 3.8 och Grok 4.7 alla hade släppts under de föregående sex månaderna, tillsammans med öppna modeller som Kimi K3, GLM-5 och DeepSeek V4.1, och beskrev den nuvarande takten som en ny frontmodell ungefär var femte dag.

Databricks sade att den takten pressar de team som ansvarar för utvecklarverktyg: att standardisera på en leverantör riskerar att missa bättre eller billigare alternativ någon annanstans, medan stöd för många agenter och leverantörer sprider åtkomstkontroll, budgetar, säkerhetspolicy och användningsloggning över separata system. Företaget menade att organisationer behöver både friheten att anta det bästa alternativet när det dyker upp och ett konsekvent sätt att styra det för tusentals utvecklare.

Centralkonfiguration och utrullning av agenter

Unity Gateway ger nu administratörer en konsol för att konfigurera kodningsagenter: standardmodeller, MCP-servrar, färdigheter, Smart Routing och utgiftspolicys, hanterade under Govern och sedan Agentkonfiguration. Efter att administratörer har publicerat en konfiguration kan utvecklare ansluta till vilken stödjande agent som helst med ett enda kommando. CLI:n autentiserar användaren, ansluter den valda agenten till Unity Gateway och tillämpar den publicerade konfigurationen innan agentens vanliga gränssnitt öppnas. Utvecklare kan växla mellan aktiverade agenter utan att konfigurera varje enskild separat, och organisationer kan distribuera ug via enhetshantering så att team startar med samma godkända inställning, med inställningar som administratörer kan låsa.

När nya agenter och modeller blir tillgängliga väljer administratörer den standardinställning de vill att utvecklare ska börja med och publicerar den till hela teamet som en enda konfigurationsändring. Vid utvecklarens nästa ug-körning synkroniserar CLI:n den nya konfigurationen och startar den rekommenderade agenten med den valda modellen. Administratörer kan revidera det valet när kvalitet, kostnad och teambehov förändras, och kan definiera mer detaljerade policys såsom kohortbaserade utrullningar av nya modeller. Administratörer kan också publicera delade MCP-verktyg och färdigheter över stödjande agenter, vilket ger utvecklare godkända verktyg och beprövade arbetsflöden i sina konfigurerade agenter utan att behöva konfigurera varje enskild separat.

Stödda agenter, installation och licensvillkor

Enligt det offentliga GitHub-arkivet databricks/unity-gateway kör CLI kodningsagenter via Databricks AI Gateway, med konfigurationsstöd för Codex, Claude Code, Gemini CLI, OpenCode, GitHub Copilot CLI och Pi, samt MCP-serverregistrering för Cursor Agent, som endast ansluter via MCP. Verktyget kräver Python 3.12 eller senare samt uv, med npm behövs när en agent‑CLI kräver automatisk installation, och installeras med ett enda uv tool install‑kommando riktat mot repot.

Första gången en utvecklare startar en modellbaserad agent frågar ug efter ett Databricks‑arbetsutrymme, loggar in användaren och skriver agentens lokala konfiguration; senare starter återanvänder det sparade arbetsutrymmet och autentiseringsuppgifterna. Befintliga ucode‑kommandon fortsätter att fungera, och Python‑paketet behåller ucode‑namnet för kompatibilitet. Varje fil som ug skriver över säkerhetskopieras först, och ug‑revert‑kommandot återställer dessa säkerhetskopior. Databricks MCP‑servrar registreras lokalt som stdio‑servrar som kör ug mcp-proxy, och proxyn uppdaterar Databricks OAuth‑token från användarens CLI‑profil. Unity Catalog‑färdigheter kan registreras som MCP‑verktyg eller hämtas till lokala agent‑färdighetskataloger, och kommandoreferensen inkluderar ug status, ug doctor, ug usage och ug upgrade.

Repositoryn är publicerad under Databricks License, vilket tillåter visning, användning, kopiering, modifiering, publicering och distribution av materialet endast för användning inom eller i anslutning till Databricks Services, med villkor för vidaredistribution och automatisk uppsägning vid brott. Databricks’ snabbstartdokumentation presenterar ug som den rekommenderade av två anslutningsvägar, den andra är manuell endpoint‑ och autentiseringsinställning, och täcker modellbyte under session med /model samt ug mcp add och ug skills add för att bifoga verktyg och färdigheter.

Kostnadskontroller, spårning och rapporterad användning

Administratörer kan centralt aktivera Smart Routing så att enklare uppgifter körs på billigare modeller och svårare uppgifter på mer kraftfulla; Smart Routing väljer en modell för huvudsessionen och kan välja en annan för arbete som agenten delegerar till en subagent. Utvecklare förblir i sina föredragna agenter utan att behöva välja en modell för varje uppgift. Databricks uppgav att deras publicerade Smart Routing‑utvärdering gav 35 % kostnadsbesparingar på deras interna kodningsbenchmark.

Budgetmedvetna standardinställningar i Unity Gateway låter team rekommendera billigare agenter och modeller när utgifterna når definierade trösklar. Rekommendationerna gäller när nya sessioner startar och avbryter inte arbete som redan pågår, och utvecklare kan kontrollera utgifter och återstående budget med ug usage.

Unity Gateway kan också spela in spår från kodningsagenter som omfattar lokala verktygsanrop och färdighetsåberopanden. Administratörer aktiverar spårning centralt, och ug konfigurerar stödda klienter att exportera spåren till lakehouse’s enhetliga spårtabell, där team kan använda Genie för att identifiera återkommande verktygsfel, överdimensionerade svar och annan tokenspill, sedan åtgärda problemen och mäta resultaten. Databricks sade att dess egen ingenjörsorganisation använde Unity Gateway-spårning med Genie One för att hitta och åtgärda sju MCP-verktygsbuggar, vilket enligt dem sparade uppskattningsvis $1,2 miljon per år i slösad AI‑kostnad och förlorad produktivitet.

Concurrences chef för teknik, John Xing, sade att CLI ger hans företag en enda kontrollerad anslutning för all trafik från dess kodningsagenter av modeller och verktyg, med attribuering ner till den enskilde användaren och åtkomst begränsad till godkända modeller och MCP-verktyg. Han uppgav att Concurrences kodningsagenter har bearbetat mer än 61 miljarder indatatoken över ungefär 360 000 förfrågningar sedan utrullning, med användning och kostnader synliga centralt.

Databricks sade att de redan använder CLI för att distribuera nya modeller och kostnadsoptimeringar i hela sin egen ingenjörsorganisation samtidigt som utvecklararbetsflödena förblir oförändrade. Företaget hänvisade nya användare till Unity Gateway CLI quickstart och till dess dokumentation för att konfigurera kodningsagenter i Unity Gateway.