Wanneer uw team urenlang bezig is met het schrijven van prompts, het afstemmen van modellen en het samenstellen van datapijplijnen om slechts één AI-agent te implementeren, komt de productiviteit tot stilstand.
Databricks introduceerde Agent Bricks om die bottleneck op te lossen door de volledige build- en optimalisatiewerkstroom voor gegevens van ondernemingen te automatiseren.
Deze gids laat u zien wat het te bieden heeft, hoe het werkt en of het bij uw stack past.
Belangrijkste punten
- Databricks Agent Bricks automatiseert het aanmaken van agents met behulp van synthetische gegevens en benchmarks.
- Het elimineert handmatige prompt-afstemming en integreert rechtstreeks met Unity Catalog.
- Early adopters melden hoge optimalisatiekosten, maar sterke prestaties op grote schaal.
- Regionale toegang en beperkte aangepaste mogelijkheden blijven sleutelrisico's tijdens bèta.
Biedt Databricks agentische AI?
Ja, Databricks heeft Agent Bricks op 11 juni 2025 gelanceerd tijdens zijn Data+AI Summit in San Francisco.
Het platform automatiseert het aanmaken van AI-agenten door domeinspecifieke synthetische gegevens en taakbewuste benchmarks te genereren en vervolgens modellen te optimaliseren voor kosten en kwaliteit zonder handmatige prompt engineering.
Het product is gebaseerd op de overname van MosaicML door Databricks in 2023 en geeft Databricks een positie als zowel een data lakehouse-provider als een agentisch AI-platform.
Het is bedoeld voor teams die grote hoeveelheden interne documenten, transactie-registers of ongestructureerde content beheren en agents nodig hebben die inzichten kunnen extraheren, vragen kunnen beantwoorden of meerstapswerkstroom veilig kunnen coördineren.
Agent Bricks is medio 2025 in de openbare bètafase gekomen en was aanvankelijk beschikbaar op AWS in Amerikaanse regio's, met een geplande uitbreiding naar Europa tegen het einde van het jaar.
Hoe werkt het eigenlijk?
Agent Bricks vereenvoudigt de traditionele trial-and-error-cyclus tot een begeleide pijplijn. U beschrijft de taak in gewone taal, maakt verbinding met uw databronnen via Unity Catalog en het systeem genereert automatisch synthetische trainingsvoorbeelden die uw domein weerspiegelen.
De voorbeelden worden gebruikt in een benchmarksuite die kandidaatmodellen beoordeelt op nauwkeurigheid, latentie en kosten. Het platform selecteert vervolgens de configuratie die aan uw kwaliteitseisen voldoet tegen de laagste prijs per inferentie.
Deze werkstroom elimineert de weken die teams doorgaans besteden aan het labelen van gegevens, het afstemmen van prompts en het uitvoeren van A/B-tests.
Achter de schermen registreert MLflow 3.0 elke evaluatierun, zodat u modelbeslissingen kunt herleiden tot de onderliggende gegevens en parameters. De veiligheid blijft intact omdat agents nooit gegevens buiten de perimeter van het Databricks lakehouse halen.
Dat architecturale overzicht is het belangrijkst wanneer u ziet dat het een echt probleem oplost.
Hoe ziet dit er in de praktijk uit?
Het data team van AstraZeneca had te maken met een achterstand van 400.000 pdf's van klinische proeven die gestructureerd moesten worden geëxtraheerd voor regelgevingsdoeleinden. Handmatig controleren zou maanden hebben geduurd.
Ze configureerden een Information Extraction-agent in Agent Bricks, richtten deze op de documentenopslagplaats en lieten het systeem synthetische steekproeven genereren op basis van proefprotocolschema's. De agent parseerde alle 400.000 bestanden in minder dan 60 minuten zonder code.
- Het team identificeert de bottleneck bij de gegevensextractie en de wettelijke deadline.
- Maakt een verbinding tussen Agent Bricks en het interne documentenarchief via Unity Catalog.
- Het platform voert optimalisaties uit, genereert taakspecifieke benchmarks en selecteert een nauwkeurig afgestemd model.
- Implementeer de agent in de productieomgeving en bespaar weken aan handmatig werk tot minder dan een uur.
Hawaiian Electric zag vergelijkbare voordelen toen ze een kwetsbare, op LangChain gebaseerde oplossing vervingen door Agent Bricks voor juridische documentquery's.
De nieuwe agent presteerde aanzienlijk beter dan hun oorspronkelijke tool op het gebied van antwoordnauwkeurigheid, zowel bij geautomatiseerde als bij menselijke evaluaties, waardoor medewerkers erop kunnen vertrouwen voor het opzoeken van compliance-informatie.
Integratie en aansluiting bij het ecosysteem
Agent Bricks neemt de integratielaag van Databricks over, zodat het rechtstreeks kan worden aangesloten op de platforms die uw data- en ML-teams al gebruiken.
Unity Catalog fungeert als centrale governancehub en beheert de toegang tot datameren, warehouses en vectoropslagplaatsen in één beleidskader.
Agents query Delta-tabellen, Parquet-bestanden of documenten die zijn opgeslagen in het lakehouse zonder gegevens naar externe services te kopiëren.
| Platform/Partner | Aard van de integratie |
|---|---|
| Unity Catalog | Uniforme governance voor data, modellen en agentoutputs |
| Neon | Serverloze Postgres voor transactie-agent werkstroom |
| Tecton | Real-time functie-serving met een latentie van minder dan 100 ms |
| OpenAI | Native toegang tot GPT-5 op ondernemingsgegevens |
Ontwikkelaars communiceren met Agent Bricks via standaard Databricks API's en SDK's. Met de ai_query SQL-functie kunnen analisten LLM's rechtstreeks in query's aanroepen, en REST-eindpunten bedienen agents via Model Serving-infrastructuur.
IDE-integraties ondersteunen CI/CD-pijplijnen, zodat engineers naast applicatiegcode ook versiebeheer kunnen toepassen op agentconfiguraties.
De aanstaande overname van Tecton zal een online functie-store in Agent Bricks integreren, waardoor streaming data met een latentie van minder dan 10 ms aan agents wordt geleverd.
De mogelijkheid maakt fraudedetectie, personalisatie en andere use cases mogelijk die afhankelijk zijn van actuele informatie.
Voorlopig kunnen teams prototypes maken met batchfuncties en van plan zijn om over te stappen op realtime gegevens zodra de integratie medio 2026 live gaat.
Community Buzz & sentiment van vroege gebruikers
De eerste reacties zijn verdeeld tussen enthousiasme over het gebruiksgemak en voorzichtigheid over de limiet van de bèta.
Een Reddit-gebruiker prees de no-code agent builder en de nauwe integratie met Unity Catalog, waarbij hij aantekening maakte dat agents automatisch gegevenstoestemming overnemen.
Dezelfde gebruiker gaf aan dat een volledige optimalisatie doorgaans meer dan een uur duurt en meer dan 100 dollar aan rekenkosten met zich meebrengt, wat tijdens experimenten aardig kan oplopen.
- "Het vereenvoudigt onze werkstroom aanzienlijk en vermindert handmatige aanpassingen." Reddit
- "De kosten per optimalisatie kunnen in bèta hoog zijn." Reddit
- "Veilige toegang tot interne content bouwt vertrouwen op in het platform." Databricks Community
De regionale beschikbaarheid zorgde voor wrijving bij Europese teams. Een account van Databricks bevestigde medio 2025 dat Agent Bricks tijdens de eerste preview alleen in de VS beschikbaar was, waardoor sommige klanten sandbox-werkruimten in Amerikaanse regio's opzetten om het product te testen.
In forumberichten wordt ook melding gemaakt van instabiliteit in de preview en frequente wijzigingen in functies, wat typisch is voor bèta-software, maar waar u rekening mee moet houden als uw gebruikssituatie een hoge uptime vereist.
Al met al zien early adopters die de eigenaardigheden van de bèta en de rekenkosten kunnen accepteren, de waarde in van de automatisering die Agent Bricks biedt. De analyse van 400.000 documenten door AstraZeneca en de nauwkeurigheidswinst van Hawaiian Electric vinden weerklank in de hele gemeenschap als bewijs dat het platform taken op productieschaal aankan.
Die praktijkervaring is belangrijk wanneer u besluit of u nu tijd in engineering wilt investeren of wilt wachten tot het product volwassen is.
Roadmap & vooruitzichten voor het ecosysteem
Databricks breidt Agent Bricks de komende 18 maanden geografisch en op functie uit. Tegen het vierde kwartaal van 2025 wordt de preview uitgerold naar Europese regio's, te beginnen met Azure-implementaties in West-Europa.
Door deze fase-uitrol kan het bedrijf diverse feedback van gebruikers verzamelen en ervoor zorgen dat het voldoet aan regionale gegevensvoorschriften voordat het product algemeen beschikbaar wordt gesteld.
Dankzij de Tecton-integratie medio 2026 kunnen agents realtime functies uit streams, API's en warehouses halen met een uptime van 99,99%, waardoor fraudedetectie en personalisatie mogelijk worden in use cases die actuele gegevens vereisen.
Neon en Mooncake zullen samenvoegen tot een uniforme 'Lakehouse DB'-ervaring, waardoor agents ACID-compatibele schrijfbewerkingen en directe analytische leesbewerkingen kunnen uitvoeren zonder ETL-pijplijnen.
"Agent Bricks betekent een belangrijke verschuiving in onderneming AI", maakte een analist bij VentureBeat een aantekening, die wijst op de 10 tot 100 keer betere prestaties door het elimineren van traditionele datapijplijnen.
Verwacht nieuwe agentsjablonen naast de vier oorspronkelijke typen (informatie-extractie, kennisassistent, multi-agent supervisor, aangepaste LLM-agent).
Databricks onderzoekt code-assistenten, planningsagenten en connectoren naar externe API's. Het partnerschap met OpenAI zorgt ervoor dat wanneer OpenAI GPT-5 en toekomstige modellen uitbrengt, deze native beschikbaar zullen zijn in Agent Bricks, ondersteund door first-party en met governance.
Op lange termijn ziet Databricks agentische AI als een nieuwe gebruiker op het platform, naast data-engineers en analisten. Die visie omvat voortdurende investeringen in verantwoordelijke AI-functies zoals auditlogs, biasdetectie en fijnmazige beleidscontroles naarmate het gebruik van agents in gereguleerde sectoren toeneemt.
Hoeveel kost Databricks Agentic AI?
Agent Bricks volgt het op gebruik gebaseerde prijsmodel van Databricks zonder vooraf te betalen licentiekosten. U betaalt per seconde van rekenkracht en modelinferentie, gefactureerd in Databricks Units (DBU's).
Model Serving-en Feature Serving-werklasten kosten ongeveer $ 0,07 per DBU-seconde in het Premium-abonnement, inclusief de onderliggende cloudinstancekosten. GPU-versnelde inferentie voor basismodellen kost ook ongeveer $ 0,07 per DBU-seconde.
Het intensieve deel is de eerste optimalisatieronde. Een vroege gebruiker meldde dat hij meer dan 100 dollar had uitgegeven aan cloud computing voor een trainingscyclus van één uur, waarbij synthetische gegevens werden gegenereerd en de agent werd afgestemd.
Na optimalisatie wordt het gebruik van de agent veel goedkoper, omdat het systeem een kostenefficiënte modelconfiguratie heeft geïdentificeerd die de kwaliteit handhaaft met minder tokens per query. Teams kunnen via het budgetbeleid van Databricks budgetlimieten instellen om de uitgaven tijdens experimenten te beperken.
Ondernemingsklanten kunnen commitment packs (prepaid DBU-uren) aanschaffen om volumekortingen te krijgen, waardoor het tarief per seconde effectief lager uitvalt dan bij on-demand facturering. De exacte prijzen zijn afhankelijk van uw cloudprovider (AWS, Azure, GCP) en regio, waarbij sommige regio's iets duurder zijn dan het oosten of westen van de VS.
Verborgen kosten om op te letten zijn onder meer rekenkracht voor vectorzoekopdrachten, gegevensopname en periodieke hertraining naarmate uw gegevensverdeling verandert. Houd bij het berekenen van de totale eigendomskosten rekening met de engineeringtijd die u bespaart door handmatige prompttuning en gegevenslabel over te slaan.
Vroege gebruikers rapporteren dat de weken aan handmatig werk die Agent Bricks bespaart, vaak de computerkosten compenseren, vooral als je kijkt naar de opportuniteitskosten van vertraagde agentimplementatie.