Mozaik

La idea central es que los agentes trabajan de forma independiente en lugar de turnarse. Nadie espera en la cola. Cuando un agente está atascado en la inferencia, otro puede seguir gestionando eventos en el runtime. Para los equipos que ejecutan flujos multiagente, el rendimiento viene del paralelismo y no de un único bucle en serie.

Los participantes se encuentran en un runtime donde se publican eventos y los agentes reaccionan a ellos. Defines el runtime con defineRuntime y luego lo inicializas una vez con tu propia clase de estado. Todo lo demás, desde las personas hasta los agentes, se une a ese mismo espacio, así que todos ven la misma actividad.

En lugar de programar a mano cuándo debe actuar un agente, describes la situación que le importa. Un SituationSpecification revisa cada evento y un manejador que coincide ejecuta tu procesador. Así de simple. El ejemplo WhenOthersSendAMessage del inicio rápido reacciona solo cuando alguien distinto al agente envía un mensaje, lo que mantiene la lógica limpia y legible.

Los agentes entienden a los demás participantes y el estado del runtime que los rodea. Ese conocimiento les deja adaptarse en lugar de avanzar a ciegas. Un ejemplo de estado compartido muestra a un agente respondiendo desde una cuenta común con un límite fijo, así que la restricción vive en el entorno y no en el prompt de cada agente. Una cuenta, un límite, muchos agentes.

runLoop inicia un turno de agente: actualiza el contexto, ejecuta la inferencia, llama a herramientas y produce una respuesta. La función de interceptación te deja engancharte a ese bucle, así que un planificador se puede detener a mitad del flujo cuando propone algo arriesgado y se le puede redirigir hacia una opción más segura.

Mozaik elige un proveedor a partir del nombre del modelo que le pasas. Cambia modelos de OpenAI, Anthropic o Gemini sin tocar el código de alrededor. Los modelos DeepSeek se ejecutan mediante el endpoint compatible con OpenAI, así que usan una clave y una URL base de estilo OpenAI apuntadas a DeepSeek.

Los agentes pueden llevar herramientas y llamarlas durante un turno, y el ejemplo de MCP muestra a un agente descubriendo herramientas de un servidor MCP local para responder una pregunta sobre el precio de una acción. Para los desarrolladores que ya están metidos en MCP, eso significa que los servidores de herramientas que ya tienen se enchufan al mismo bucle del agente.

Los agentes pueden emitir resultados token a token para interfaces en tiempo real. Eso importa cuando un usuario espera frente a la pantalla. O devolver una salida que cumpla un esquema JSON estricto cuando necesitas un resultado legible por máquina. El ejemplo de salida estructurada devuelve un informe de inversión ajustado a un esquema fijo, algo útil cuando el código posterior tiene que analizar la respuesta.