Mozaik

L'idée de base est que les agents travaillent de façon indépendante au lieu de se relayer. Personne n'attend dans la file. Quand un agent est bloqué sur l'inférence, un autre peut continuer à traiter des événements dans le runtime. Pour les équipes qui font tourner des flux multi-agents, le débit vient du parallélisme et non d'une seule boucle en série.

Les participants se retrouvent dans un runtime où les événements sont publiés et où les agents y réagissent. Vous définissez le runtime avec defineRuntime, puis vous l'initialisez une fois avec votre propre classe d'état. Tout le reste, des humains aux agents, rejoint ce même espace, donc tous voient la même activité.

Au lieu de coder en dur le moment où un agent doit agir, vous décrivez la situation qui l'intéresse. Un SituationSpecification examine chaque événement, et un gestionnaire correspondant exécute votre processeur. Aussi simple que cela. L'exemple WhenOthersSendAMessage du guide de démarrage ne réagit que quand quelqu'un d'autre que l'agent envoie un message, ce qui garde la logique claire et lisible.

Les agents comprennent les autres participants et l'état du runtime autour d'eux. Cette conscience leur permet de s'adapter plutôt que d'avancer à l'aveugle. Un exemple d'état partagé montre un agent répondant depuis un compte commun avec une limite fixe, donc la contrainte vit dans l'environnement et non dans l'invite de chaque agent. Un compte, une limite, beaucoup d'agents.

runLoop lance un tour d'agent : il met à jour le contexte, exécute l'inférence, appelle des outils et produit une réponse. La fonction d'interception vous permet de vous brancher sur cette boucle, donc un planificateur peut être arrêté en plein flux lorsqu'il propose quelque chose de risqué et redirigé vers une option plus sûre.

Mozaik choisit un fournisseur à partir du nom de modèle que vous passez. Changez de modèle OpenAI, Anthropic ou Gemini sans toucher au code environnant. Les modèles DeepSeek passent par le point de terminaison compatible OpenAI, donc ils utilisent une clé et une URL de base de style OpenAI pointant vers DeepSeek.

Les agents peuvent porter des outils et les appeler pendant un tour, et l'exemple MCP montre un agent découvrant des outils depuis un serveur MCP local pour répondre à une question sur le cours d'une action. Pour les développeurs déjà investis dans MCP, cela signifie que les serveurs d'outils existants se branchent à la même boucle d'agent.

Les agents peuvent diffuser les résultats jeton par jeton pour les interfaces temps réel. Cela compte quand un utilisateur attend à l'écran. Ou renvoyer une sortie conforme à un schéma JSON strict quand il vous faut un résultat lisible par machine. L'exemple de sortie structurée renvoie une note d'investissement Cala à un schéma fixe, ce qui est utile quand le code en aval doit analyser la réponse.