Mozaik
Mozaik é um runtime TypeScript de código aberto para construir equipes de agentes de IA autônomas e paralelas que colaboram por meio de um barramento reativo e orientado a eventos com consciência de ambiente compartilhado, uso de ferramentas e coordenação resiliente.
https://mozaik.jigjoy.ai/?ref=producthunt&utm_source=aipure
Informações do Produto
Atualizado:Jul 7, 2026
O que é Mozaik
Mozaik é um framework TypeScript (runtime) projetado para levar sistemas multiagente além de fluxos de trabalho rígidos e sequenciais para uma verdadeira colaboração em estilo de equipe. Em vez de orquestrar agentes por meio de pipelines predefinidos, o Mozaik introduz um “ambiente agêntico” onde os participantes – agentes, humanos, observadores e ferramentas – podem se juntar ao mesmo espaço compartilhado, comunicar e coordenar em tempo real. Ele é construído para tornar a colaboração de agentes um conceito de primeira classe: os agentes podem estar cientes uns dos outros, trocar contexto intencionalmente e trabalhar concomitantemente no mesmo objetivo.
Principais Recursos do Mozaik
Mozaik é um tempo de execução agêntico TypeScript de código aberto para construir equipes autônomas de agentes de IA que colaboram em paralelo através de um ambiente compartilhado e orientado a eventos. Em vez de codificar fluxos de trabalho sequenciais, Mozaik trata a colaboração como um conceito de primeira classe: os agentes se juntam a um AgenticEnvironment (um barramento de transmissão), permanecem cientes de outros participantes, trocam mensagens e contexto, reagem a chamadas de ferramentas e saídas como eventos, e se recuperam de erros em tempo de execução. A estrutura é projetada para inferência "fire-and-forget" não bloqueadora e coordenação reativa, permitindo que sistemas multiagentes se comuniquem, coordenem e entreguem trabalho como uma equipe coesa.
Núcleo reativo orientado a eventos: Cada mensagem, chamada de ferramenta, etapa de raciocínio e erro é modelada como um evento em um barramento compartilhado; os agentes se inscrevem nos eventos que lhes interessam e reagem imediatamente à medida que chegam.
Paralelo por padrão (inferência não bloqueadora): Os agentes podem executar inferência e continuar operando sem esperar; os resultados retornam como eventos, permitindo que múltiplos agentes (e ferramentas/observadores) trabalhem concomitantemente no mesmo objetivo.
Ambiente agêntico compartilhado (consciência da equipe): Participantes—humanos, agentes, observadores e ferramentas—se juntam ao mesmo AgenticEnvironment, permitindo que os agentes detectem quem está "na sala", respondam a entradas/saídas e coordenem com base em um estado compartilhado.
Contexto como um primitivo de primeira classe: Mozaik fornece manipulação de contexto estruturada (via ModelContext e itens de contexto tipados), tornando mais fácil registrar, compartilhar e rotear a informação correta para o agente correto no momento certo.
Integração de chamadas de ferramentas/funções via eventos: As chamadas de função e as saídas de ferramentas são tratadas como eventos de primeira classe, permitindo que os agentes executem ferramentas e publiquem as saídas de volta no barramento para que outros participantes as consumam.
Resiliência em tempo de execução e recuperação inteligente: Os agentes podem capturar e lidar com falhas com hooks como onError/onParticipantError, tentar novamente com backoff, ou escalar para outros participantes em vez de travar a execução.
Casos de Uso do Mozaik
Codificação de IA paralela e geração de PR: Coordene múltiplos agentes de codificação especializados (planejamento, implementação, revisão, teste) para trabalhar concomitantemente e produzir uma solicitação de pull—exemplificado por ferramentas alimentadas por Mozaik como baro.
Swarms de suporte ao cliente e operações: Execute agentes de triagem, recuperação de base de conhecimento, elaboração e controle de qualidade em paralelo em um barramento compartilhado para que as respostas sejam mais rápidas, consistentes e auditáveis em uma equipe de agentes.
Pipelines de pesquisa para escrita sem fluxos de trabalho rígidos: Permita que agentes pesquisadores, escritores, críticos e auditores colaborem adaptativamente em tempo de execução—compartilhando apenas o contexto necessário e reagindo às descobertas uns dos outros como eventos.
Automação empresarial com processos intensivos em ferramentas: Construa equipes de agentes que chamam ferramentas/APIs internas (tickets, CRM, bancos de dados) e coordenam as saídas e erros das ferramentas via comunicação orientada a eventos.
Observabilidade e avaliação para sistemas agênticos: Anexe participantes observadores ao ambiente para monitorar mensagens, rastreamentos de raciocínio, chamadas de ferramentas e falhas em tempo real—apoiando depuração, avaliação e controle de qualidade.
Vantagens
Projetado para verdadeira colaboração multiagente: ambiente compartilhado, consciência e coordenação orientada a eventos em vez de orquestração sequencial.
A execução paralela e não bloqueadora melhora o rendimento e a capacidade de resposta para objetivos complexos.
O modelo de contexto/evento tipado suporta uma estrutura mais clara, depuração e extensibilidade em ecossistemas TypeScript.
Desvantagens
Sistemas orientados a eventos e altamente concorrentes podem ser mais difíceis de raciocinar e depurar do que pipelines lineares, especialmente à medida que o número de agentes cresce.
Requer adoção de TypeScript/Node; equipes fora desse ecossistema podem enfrentar custos de integração mais altos.
A coordenação adaptativa em tempo de execução pode ser menos previsível do que fluxos de trabalho predefinidos, exigindo testes cuidadosos e salvaguardas.
Como Usar o Mozaik
1) Crie um novo projeto TypeScript: Inicialize um espaço de trabalho Node.js + TypeScript (por exemplo, com npm init e tsc). Mozaik é um runtime TypeScript, então você normalmente o executará em um ambiente Node.
2) Instale o núcleo do Mozaik: Adicione a dependência do framework: instale @mozaik-ai/core (o modelo inicial referenciado nas fontes é construído para a versão ^3.10.1).
3) Configure as credenciais do provedor de modelo via variáveis de ambiente: Mozaik seleciona um provedor a partir do nome do modelo que você passa para runInference, e cada SDK do provedor lê as credenciais do ambiente. Coloque as chaves necessárias em seu ambiente (comumente via um arquivo .env), por exemplo, OPENAI_API_KEY se você usar OpenAI.
4) Defina os participantes (agentes/observadores/ferramentas) como classes: Modele cada função como um participante (Mozaik chama os agentes de 'participantes'). Cada participante tem seu próprio estado e trabalho; não há 'contexto pai' herdado. Os participantes se comunicam emitindo/assinando eventos tipados em um barramento compartilhado.
5) Adicione manipuladores de eventos para tornar os participantes reativos: Implemente manipuladores reativos como onParticipantJoin / onParticipantLeft para dar aos agentes consciência de quem está no ambiente e para reatribuir o trabalho quando alguém sai.
6) Use o barramento de eventos como a espinha dorsal da colaboração: Trate cada mensagem, chamada de ferramenta, etapa de raciocínio e erro como um evento no barramento. Os participantes se inscrevem nos eventos de seu interesse e reagem imediatamente quando esses eventos são disparados.
7) Execute a inferência de forma não bloqueadora ('disparar e esquecer'): Inicie a inferência e continue outros trabalhos sem esperar. Quando os resultados chegam, eles voltam como eventos; seu participante reage apenas aos eventos de resultado relevantes enquanto todo o resto continua em execução.
8) Implemente a chamada de ferramenta como E/S orientada a eventos: Quando o modelo solicita uma ferramenta (por exemplo, via onFunctionCall), execute a ferramenta e emita um evento 'functionCallOutput' (ou tipado equivalente) de volta para o barramento com o callId e o resultado – para que a execução permaneça não bloqueadora.
9) Delimite o que cada participante escuta (opcional, mas recomendado): Para evitar reações desnecessárias, preencha a lista de escuta de um participante com as classes de participantes às quais ele deve reagir. Quando a lista de escuta não está vazia, o ambiente entrega apenas eventos externos cuja fonte corresponde a uma dessas classes.
10) Adicione recuperação de erro em tempo de execução: Use onError e/ou onParticipantError para capturar falhas de ferramentas ou falhas de participantes. Implemente a repetição com backoff (por exemplo, tente até 3 vezes) e escale emitindo um evento de mensagem para outro participante em vez de travar toda a execução.
11) Habilite o paralelismo adicionando múltiplos participantes: Crie múltiplos participantes especializados (por exemplo, Pesquisador, Escritor, Crítico, Auditor) e deixe-os rodar concomitantemente. Mozaik é paralelo por padrão: múltiplos agentes podem trabalhar ao mesmo tempo enquanto permanecem coordenados através de eventos/contexto compartilhados.
12) Deixe os caminhos de colaboração emergirem em tempo de execução: Evite codificar transferências rígidas. Em vez disso, projete os participantes para decidir quando se comunicar, quem envolver e qual contexto compartilhar com base nos eventos que observam.
13) (Opcional) Adicione observadores para registro e UI: Anexe participantes do tipo observador que não impulsionam decisões, mas registram ou renderizam a execução: por exemplo, um Auditor que escreve um log JSONL, ou um participante de UI que emite quadros para uma UI de terminal.
14) Execute sua equipe de agentes: Inicie o ambiente/barramento, registre os participantes e acione um evento inicial (por exemplo, uma mensagem de RunStart ou objetivo). O sistema prossegue como um fluxo reativo de eventos, com os participantes coordenando e se recuperando de erros em tempo real.
15) Use um modelo inicial se quiser um CLI funcional rapidamente: As fontes referenciam um repositório de modelo inicial de CLI que conecta uma UI de terminal Ink ao @mozaik-ai/core e inclui uma divisão típica de agente/observador/ferramentas. Clone um modelo inicial para evitar o código repetitivo, depois personalize os participantes e as ferramentas para o seu caso de uso.
Perguntas Frequentes do Mozaik
Mozaik é um tempo de execução/framework agêntico de código aberto, baseado em TypeScript, para construir equipes autônomas de agentes de IA que podem se comunicar, coordenar e agir autonomamente.
Vídeo do Mozaik
Artigos Populares
Atoms: Uma Plataforma de IA Multiagente Que Transforma Ideias em Produtos Prontos para Lançamento
May 22, 2026
Nano Banana SBTI: O Que É, Como Funciona e Como Usá-lo em 2026
Apr 15, 2026
Análise do Atoms — O Construtor de Produtos de IA Redefinindo a Criação Digital em 2026
Apr 10, 2026
Kilo Claw: Como Implementar e Usar um Verdadeiro Agente de IA "Faça Você Mesmo" (Atualização de 2026)
Apr 3, 2026
Ferramentas de IA Mais Recentes Semelhantes a Mozaik
Hapticlabs
O Hapticlabs é um kit de ferramentas sem código que permite que designers, desenvolvedores e pesquisadores projetem, prototipem e implantem facilmente interações táteis imersivas em dispositivos sem codificação.
Deployo.ai
Deployo.ai é uma plataforma abrangente de implantação de IA que permite a implantação, monitoramento e escalonamento sem costura de modelos com estruturas de IA ética integradas e compatibilidade entre nuvens.
CloudSoul
CloudSoul é uma plataforma SaaS impulsionada por IA que permite aos usuários implantar e gerenciar instantaneamente a infraestrutura de nuvem por meio de conversas em linguagem natural, tornando o gerenciamento de recursos da AWS mais acessível e eficiente.
Devozy.ai
Devozy.ai é uma plataforma de autoatendimento para desenvolvedores impulsionada por IA que combina gerenciamento de projetos ágeis, DevSecOps, gerenciamento de infraestrutura multi-nuvem e gerenciamento de serviços de TI em uma solução unificada para acelerar a entrega de software.
Ferramentas de IA Populares Como Mozaik
A2A Protocol
O Protocolo A2A (Agent2Agent) é um protocolo de interoperabilidade aberto desenvolvido pelo Google que permite comunicação e colaboração perfeitas entre agentes de IA em diferentes estruturas e fornecedores, independentemente de sua arquitetura subjacente.
VoltOps
VoltOps é uma plataforma de observabilidade LLM agnóstica de framework que fornece monitoramento visual em tempo real, depuração e ferramentas de otimização para agentes de IA em qualquer stack de tecnologia.
Chaterm
O Chaterm é um terminal nativo de IA de código aberto e um copiloto SRE que permite que os engenheiros gerenciem infraestruturas complexas por meio de linguagem natural, automatizando a implantação, a solução de problemas e as operações sem memorizar comandos.
Open Browser Use
Open Browser Use é uma camada de automação de navegador de código aberto e neutra em relação ao tempo de execução do agente que combina uma extensão do Chrome com um CLI/SDK/MCP para permitir controle de guias, navegação e ações cientes do DOM e alimentadas por CDP em diferentes ferramentas de agente de IA.