Что новенького в Mastra и чем это вам может быть полезно если вы пилите агентов + анонс стрима.
В июльском посте я писал про Mastra как недостающий слой в агентной разработке. Фреймворк активно развивался, в январе вышел и беты и получил стабильную версию и в целом адаптировал концепции, которые мне кажутся правильными: файловая система стала first-class примитивом (file-first подход!), подтянулись observability и evals, добавился контролируемый harness, студия стала помогать доменным экспертам котрибьютить. Пробежимся по главному.
◉ Workspaces — file-first примитив. В ноябрьском посте я писал про звонок с Шейном, одним из фаундеров, обсуждали, что готовым harness типа Claude Agent SDK не хватает нормального трейсинга и что файловая система для агента должна быть нативной фичей. Через пару месяцев это приземлилось в Workspace API — маунтит любую директорию (локальную, S3, GCS, несколько бэкендов под одним деревом) со встроенными тулами: чтение, запись, список файлов, search. Файлы наконец-то можно использовать как базу знаний — агент сам в ней ориентируется.
◉ Sandboxes + Skills — Sandboxes добавили исполнение произвольного кода и команд в изолированном окружении в рамках workspace: указал файловую систему → запустил туда какой угодно harness или скрипт. SKILL.md кладёшь markdown и скрипты в .agents/skills/, агент автоматически их находит и активирует по месту. Файлы превратились из пассивной базы знаний в полноценное рабочее окружение — данные, исполняемые примитивы и инструкции в одном слое.
◉ Harness примитивы для создания Claude-Code-like агентов — modes, state, subagents, permission-aware approval, встроенные task_write / task_check и тд — пока в альфе, но очень интересная заявочка.
◉ Конфигурация уехала в данные. Stored agents + Editor хранит полный конфиг (instructions, model, tools и тд) в БД с версионированием. Зачем? Ну как минимум 2 причины: во-первых серализуемые агенты можно вынести как конфиг в вашу админку например (раньше только через исходники кода), а во-вторых — доменные эксперты теперь могут сами экспериментировать с тулами и промптами в Studio Editor.
◉ Все остальное одним абзацем. Evals стали лучше: Datasets & Experiments с версионированием, LLM-синтетикой и failure-clustering, рабочий UI в Studio. Memory подтянулась — Observational Memory с продуманным компакшеном. AI Tracing стал очень удобным для агентов, по сути заменяет LangFuse и работает лучше для агентных сценариев.
Все ли прекрасно? Конечно, нет. Документация местами отстает от релизов, официальных скилов не всегда достаточно и иногда все еще надо лезть в исходники, кое-где хочется больше контроля. TS не всем подходит (Саша Поляков, например, писал недавно свой тейк на счет Mastra, да и многие в индустрии предпочитают питон — питонистам советую посмотреть на Agno).
Недавний опыт. Недавно перевел большой проект с кастомного Python ReAct стека на Mastra — сначала казалось крейзи-идеей, а потом все встало на место. Типизированные тулы, трейсы в студии, workspace, skills для decision-tree, evals стало проще и быстрее делать; стало прозрачно и подконтрольно.
В общем, на эту тему завтра с Костей Дорониным будем проводить практический стрим! Приходите, если интересна эта тема.
Анонс в его тг-канале: https://t.me/kdoronin_blog/1253
📺 Место проведения: YouTube-канал Кости
🗓 Cуббота, 18 апреля, 14:00 (GMT+3) Добавить в календарь: по ссылке
Добавить комментарий