트윗이 드러낸 것

Databricks는 production coding agents 시대에 “coding agent sprawl” 위험이 커지고 있으며, Unity AI Gateway의 Coding Agent Support가 이런 도구들을 하나의 governance layer 아래로 가져온다고 썼다. 이 글이 중요한 이유는 agent adoption의 질문이 이제 어떤 model이 코드를 더 잘 쓰느냐에 그치지 않기 때문이다. 기업은 agent access, 비용, tool calls를 감사하고 통제해야 한다.

Databricks 계정은 data, AI, governance, developer workflow 관련 first-party platform release를 주로 올린다. 연결된 blog는 새 기능을 Codex, Cursor, Gemini CLI 같은 coding tools를 위한 hub로 설명한다. Gateway는 access controls, usage statistics, cost management, guardrails, inference capacity, operational observability를 하나로 묶는다고 적었다.

거버넌스가 제품인 이유

구체적인 기술 대상은 MCP와 agent access다. Databricks는 MCP tools가 engineering tickets, design documents, customer issues 같은 내부 데이터에 agent를 연결하기 때문에 매우 높은 권한을 갖는 도구가 될 수 있다고 본다. Unity AI Gateway는 세 축을 내세운다. Unity Catalog와 MLflow tracing을 통한 centralized security and audit, 여러 도구를 가로지르는 single bill and cost limits, 그리고 Delta tables로 들어오는 observability data다.

글은 예시 지표도 든다. 개발자당 token usage가 20% 늘어난 것이 pull-request cycle time 15% 감소와 연결되는지 볼 수 있다는 식이다. 실제 고객 배포에서 같은 비율이 나오느냐보다 중요한 것은 방향이다. coding agents가 token spend, lines of code, PR velocity, rate-limit pressure로 측정되는 관리형 infrastructure가 되고 있다는 뜻이다.

다음 관전점은 tool coverage와 policy depth다. 관리자가 개발자의 model 선택권을 유지하면서도 data boundaries, MCP permissions, budgets, audit logs를 강제할 수 있을 때 이 gateway의 의미가 커진다. 출처: Databricks source tweet · Databricks blog post

#unity-ai-gateway

Databricks, Codex·Cursor·Gemini CLI를 Unity AI Gateway로 묶어 통제