Hoe je een dozijn codeeragents temt en ze laat samenwerken in Omnigent

Als je ooit Claude Code, Codex of Cursor in de terminal hebt uitgevoerd, heb je waarschijnlijk één probleem opgemerkt. Elke CLI-agent heeft zijn eigen interface, zijn eigen flags en zijn eigen gewoonten bij het wijzigen van projectbestanden. De één is beter in refactoring, de ander schrijft tests nauwkeuriger, maar ze laten samenwerken aan één taak zonder veel handmatig schakelen was voorheen een uitdaging.

Onlangs stuitte ik op de Omnigent-repository. Het is een open-source Python meta-framework dat verschillende AI-agents bundelt onder één dak. Je krijgt een gedeelde orchestratielaag, een uniforme interface, beveiligingsbeleid en de mogelijkheid om vanaf een laptop of zelfs een telefoon verbinding te maken met een sessie.

Wat het Meta-Framework Kan Doen

De kerngedachte achter het project is om ontwikkelaars te isoleren van de specifieke kenmerken van bepaalde providers en interfaces. In plaats van code te herschrijven om met verschillende SDK's onder de motorkap te werken, definieer je agents declaratief en combineer je ze in groepen.

Dit is wat Omnigent in de praktijk kan doen:

1. Meerdere verschillende agents uitvoeren in één sessie. Bijvoorbeeld, één handelt planning af terwijl anderen code schrijven in parallelle git-branches.
2. Verbind met elke willekeurige modellen. Anthropic- of OpenAI API-sleutels werken, net als reguliere Claude Pro- of ChatGPT-abonnementen, of gateways van derden zoals OpenRouter, Ollama of vLLM.
3. Sessiecontext behouden op verschillende apparaten. Je kunt werk starten in de terminal, doorgaan via de desktop-app, of de status controleren vanaf je telefoon via de webinterface.
4. Sessies delen met collega's. Realtime collaboratieve agent-viewing, co-pilot modus, of een dialoog forken naar een aparte branch zijn allemaal beschikbaar.
5. Uitvoering isoleren in sandboxes. Lokale mechanismen zoals bubblewrap op Linux en seatbelt op macOS worden ondersteund, samen met cloud-omgevingen zoals Modal, E2B, Daytona of Kubernetes.

Hoe Launch en Configuratie Werken

Installatie wordt gedaan met één commando via het uv hulpprogramma of via een installatiescript:

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh

Na installatie wordt het omnigent CLI-hulpprogramma (of de korte alias omni) beschikbaar in je systeem.

Als je het omnigent commando uitvoert, zal het systeem aanbieden om API-sleutels uit je omgeving of autorisaties van eerdere console-clients te importeren.

Vervolgens kun je een specifieke omgeving starten:

omnigent claude
omnigent codex
omnigent cursor

Bij het opstarten wordt niet alleen een consoleproces gestart, maar ook een lokale webserver op poort 6767. Als je naar http://localhost:6767 navigeert, opent er een webinterface die de terminaloutput weerspiegelt.

Declaratieve Agents via YAML

Het meest interessante deel is de mogelijkheid om je eigen agents en hun interacties in één configuratie te beschrijven. Hier is een voorbeeld van een basisagentbestand:

name: my_agent
prompt: Вы помогаете анализировать данные и собирать отчеты.

executor:
  harness: claude-sdk

tools:
  word_count:
    type: function
    callable: mypackage.mymodule.word_count

  docs:
    type: mcp
    url: https://example.com/mcp

De repository bevat verschillende kant-en-klare voorbeelden. Het Polly-voorbeeld (examples/polly/) is bijzonder interessant.

Polly is een multi-agent tech lead. Deze agent schrijft zelf geen code. Hij breekt een taak op en delegeert subtaken naar andere agents (Claude Code, Codex of Pi) in geïsoleerde git worktree-branches. Wanneer de code klaar is, stuurt Polly de diff ter review naar een agent van een andere leverancier. Je krijgt kant-en-klare pull requests en cross-code review zonder de extra rompslomp.

Een ander voorbeeld is Debby. Ze stuurt een verzoek naar twee modellen (Claude en GPT) tegelijkertijd en toont hun antwoorden naast elkaar. Het /debate commando zorgt ervoor dat de modellen elkaars beslissingen bekritiseren tot ze een consensus bereiken.

Beveiliging en Budgetlimieten

Agents volledige toegang geven tot de terminal en het bestandssysteem kan gevaarlijk zijn. Omnigent lost dit op met beveiligingsbeleid.

Beleid controleert elke agent-actie en kan deze blokkeren, of om je bevestiging vragen voordat een commando wordt uitgevoerd. Bovendien kunnen regels worden ingesteld op serverniveau, per individuele agent, of voor de huidige sessie:

policies:
  approve_shell:
    type: function
    handler: omnigent.policies.builtins.safety.ask_on_os_tools
  budget:
    type: function
    handler: omnigent.policies.builtins.cost.cost_budget
    factory_params:
      max_cost_usd: 5.00
      ask_thresholds_usd: [3.00]

In dit voorbeeld zal de agent om bevestiging vragen voordat shell-commando's worden uitgevoerd en stopt hij wanneer de limiet van 5 dollar is bereikt.

Waarvoor het Project Geschikt Is

Omnigent is een goede match voor teams die actief experimenteren met AI-agents in de dagelijkse ontwikkeling. Als je controle mist over uitgaven, agents wilt uitvoeren in cloud sandboxes, of een handige manier nodig hebt om sessies met collega's te delen, dan dekt dit project die behoeften.

Het project is in alphastadium, maar heeft al 8.7k sterren op GitHub en een actieve community. Om te beginnen, installeer je gewoon de CLI en voer je een van de kant-en-klare voorbeelden uit.