企业规模化部署智能体面临集成重复、策略不一、成本上升等“AI蔓延”问题。Databricks提出选择、上下文与控制三大基础：Agent Bricks统一构建治理，Omnigent兼容不同框架，Unity Gateway集中管控模型、权限、成本与可观测性，使新智能体复用共享上下文与治理，避免重复建设。

Databricks 通过 Unity Gateway 和 CLI，让超万名员工在新模型（如 Opus 5.5、GPT-6 Sol）发布首日即可试用，并标记为实验性。三天内依据基准测试、用户反馈和成本追踪确认性价比，随后转为正式模型。Opus 5.5 每会话成本降低 29%，将设为 Claude Code 默认；GPT-6 Sol 成本降低 48%，将纳入智能路由。

Databricks借助Unity Gateway和CLI，让1.2万名员工在新模型发布首日即可试用。通过实验标签、预算控制和成本追踪，团队在三天内评估了Opus 5.5与GPT-6 Sol的效率前沿。结果显示，Opus 5.5质量更高、成本降低29%，将设为Claude Code默认模型；GPT-6 Sol成本降低48%，将纳入智能路由。

Databricks 宣布 Genie One MCP 正式向所有用户开放。它作为统一接口，让任意 AI 智能体获取 Genie One 的结构化与非结构化数据洞察，并以 Genie Ontology 为治理基础，提供一致业务语义。该服务托管于 Unity Gateway，支持集中治理、细粒度策略与审计日志，可消除智能体各自为政、答案冲突的问题，适用于演示、客户成功和编码等场景。

Databricks通过Unity Gateway追踪MCP工具调用，结合Genie One分析，发现七个工具服务器小错误导致每年浪费约49.9万美元令牌和1.2万工程小时（总计120万美元）。修复仅用一小时。关键教训：工具应适应LLM自然调用方式，而非崩溃；错误信息质量影响恢复成本。追踪和自然语言查询使成本管理可操作。