Mozaik

A ideia central é que os agentes trabalham de forma independente em vez de se revezarem. Ninguém espera na fila. Quando um agente trava na inferência, outro ainda pode tratar eventos no runtime. Para equipes que rodam fluxos multiagente, a vazão vem do paralelismo e não de um único laço em série.

Os participantes se encontram em um runtime onde os eventos são publicados e os agentes reagem a eles. Você define o runtime com defineRuntime e depois o inicializa uma vez com a sua própria classe de estado. Todo o resto, das pessoas aos agentes, entra nesse mesmo espaço, então todos veem a mesma atividade.

Em vez de programar na mão quando um agente deve agir, você descreve a situação com que ele se importa. Um SituationSpecification verifica cada evento e um manipulador que casa roda o seu processador. Simples assim. O exemplo WhenOthersSendAMessage do início rápido reage só quando alguém diferente do agente envia uma mensagem, o que mantém a lógica limpa e legível.

Os agentes entendem os outros participantes e o estado do runtime ao redor deles. Essa consciência deixa que eles se adaptem em vez de avançar às cegas. Um exemplo de estado compartilhado mostra um agente respondendo de uma conta comum com um limite fixo, então a restrição vive no ambiente e não no prompt de cada agente. Uma conta, um limite, muitos agentes.

runLoop inicia um turno de agente: ele atualiza o contexto, roda a inferência, chama ferramentas e produz uma resposta. O recurso de interceptação deixa você se pendurar nesse laço, então um planejador pode ser parado no meio do fluxo quando propõe algo arriscado e redirecionado para uma opção mais segura.

O Mozaik escolhe um provedor a partir do nome de modelo que você passa. Troque modelos da OpenAI, da Anthropic ou do Gemini sem mexer no código ao redor. Os modelos DeepSeek rodam pelo endpoint compatível com OpenAI, então usam uma chave e uma URL base no estilo OpenAI apontadas para a DeepSeek.

Os agentes podem carregar ferramentas e chamá-las durante um turno, e o exemplo de MCP mostra um agente descobrindo ferramentas em um servidor MCP local para responder uma pergunta sobre o preço de uma ação. Para desenvolvedores já envolvidos com MCP, isso significa que servidores de ferramentas existentes se encaixam no mesmo laço do agente.

Os agentes podem transmitir resultados token a token para interfaces em tempo real. Isso importa quando um usuário espera na tela. Ou devolver uma saída que siga um esquema JSON estrito quando você precisa de um resultado legível por máquina. O exemplo de saída estruturada devolve um relatório de investimento moldado a um esquema fixo, o que ajuda quando o código a jusante tem de analisar a resposta.