Mozaik
Mozaik ist eine Open-Source-TypeScript-Laufzeit zum Aufbau autonomer, paralleler KI-Agenten-Teams, die über einen reaktiven, ereignisgesteuerten Bus mit gemeinsamem Umgebungsbewusstsein, Tool-Nutzung und widerstandsfähiger Koordination zusammenarbeiten.
https://mozaik.jigjoy.ai/?ref=producthunt&utm_source=aipure
Produktinformationen
Aktualisiert:Jul 7, 2026
Was ist Mozaik
Mozaik ist ein TypeScript-Framework (Laufzeit), das entwickelt wurde, um Multi-Agenten-Systeme über starre, sequentielle Workflows hinaus in eine echte Team-Zusammenarbeit zu überführen. Anstatt Agenten durch vordefinierte Pipelines zu orchestrieren, führt Mozaik eine „Agenten-Umgebung“ ein, in der Teilnehmer – Agenten, Menschen, Beobachter und Tools – denselben gemeinsamen Raum betreten, kommunizieren und in Echtzeit koordinieren können. Es wurde entwickelt, um die Zusammenarbeit von Agenten zu einem erstklassigen Konzept zu machen: Agenten können sich gegenseitig bewusst sein, Kontext absichtlich austauschen und gleichzeitig an demselben Ziel arbeiten.
Hauptfunktionen von Mozaik
Mozaik ist eine quelloffene TypeScript-Agentenlaufzeitumgebung zum Aufbau autonomer Teams von KI-Agenten, die parallel in einer gemeinsamen, ereignisgesteuerten Umgebung zusammenarbeiten. Anstatt sequentielle Workflows fest zu codieren, behandelt Mozaik die Zusammenarbeit als erstklassiges Konzept: Agenten treten einer AgenticEnvironment (einem Broadcast-Bus) bei, sind sich anderer Teilnehmer bewusst, tauschen Nachrichten und Kontext aus, reagieren auf Tool-Aufrufe und Ausgaben als Ereignisse und erholen sich zur Laufzeit von Fehlern. Das Framework ist für nicht-blockierende „Fire-and-Forget“-Inferenz und reaktive Koordination konzipiert, wodurch Multi-Agenten-Systeme als kohäsives Team kommunizieren, koordinieren und Arbeit liefern können.
Ereignisgesteuerter reaktiver Kern: Jede Nachricht, jeder Tool-Aufruf, jeder Begründungsschritt und jeder Fehler wird als Ereignis auf einem gemeinsamen Bus modelliert; Agenten abonnieren die Ereignisse, die sie interessieren, und reagieren sofort, wenn sie eintreffen.
Standardmäßig parallel (nicht-blockierende Inferenz): Agenten können Inferenz ausführen und weiterarbeiten, ohne zu warten; Ergebnisse werden als Ereignisse zurückgegeben, wodurch mehrere Agenten (und Tools/Beobachter) gleichzeitig an demselben Ziel arbeiten können.
Gemeinsame Agentenumgebung (Team-Bewusstsein): Teilnehmer – Menschen, Agenten, Beobachter und Tools – treten derselben AgenticEnvironment bei, wodurch Agenten erkennen können, wer „im Raum“ ist, auf Beitritte/Austritte reagieren und sich auf der Grundlage eines gemeinsamen Zustands koordinieren können.
Kontext als erstklassiges Primitiv: Mozaik bietet eine strukturierte Kontextbehandlung (über ModelContext und typisierte Kontextelemente), die es einfacher macht, die richtigen Informationen zur richtigen Zeit an den richtigen Agenten aufzuzeichnen, zu teilen und weiterzuleiten.
Tool-/Funktionsaufruf-Integration über Ereignisse: Funktionsaufrufe und Tool-Ausgaben werden als erstklassige Ereignisse behandelt, wodurch Agenten Tools ausführen und Ausgaben zurück auf den Bus veröffentlichen können, damit andere Teilnehmer sie nutzen können.
Laufzeit-Resilienz und intelligente Wiederherstellung: Agenten können Fehler mit Hooks wie onError/onParticipantError abfangen und behandeln, mit Backoff erneut versuchen oder an andere Teilnehmer eskalieren, anstatt den Lauf abstürzen zu lassen.
Anwendungsfälle von Mozaik
Parallele KI-Codierung und PR-Generierung: Koordinieren Sie mehrere spezialisierte Codierungsagenten (Planung, Implementierung, Überprüfung, Test), um gleichzeitig zu arbeiten und einen Pull-Request zu erstellen – veranschaulicht durch Mozaik-gestützte Tools wie baro.
Kundensupport- und Operations-Schwärme: Führen Sie Triage-, Wissensdatenbank-Abruf-, Entwurfs- und QA-Agenten parallel auf einem gemeinsamen Bus aus, damit die Antworten schneller, konsistenter und über ein Team von Agenten hinweg überprüfbar sind.
Forschungs-zu-Schreib-Pipelines ohne starre Workflows: Lassen Sie Forscher-, Schreiber-, Kritiker- und Auditor-Agenten adaptiv zur Laufzeit zusammenarbeiten – sie teilen nur den notwendigen Kontext und reagieren auf die Erkenntnisse des jeweils anderen als Ereignisse.
Unternehmensautomatisierung mit tool-lastigen Prozessen: Bauen Sie Agententeams auf, die interne Tools/APIs (Tickets, CRM, Datenbanken) aufrufen und die Koordination über Tool-Ausgaben und Fehler hinweg über ereignisgesteuerte Kommunikation steuern.
Beobachtbarkeit und Evaluierung für agentenbasierte Systeme: Fügen Sie Beobachterteilnehmer der Umgebung hinzu, um Nachrichten, Begründungsspuren, Tool-Aufrufe und Fehler in Echtzeit zu überwachen – zur Unterstützung von Debugging, Evaluierung und Qualitätskontrolle.
Vorteile
Entwickelt für echte Multi-Agenten-Zusammenarbeit: gemeinsame Umgebung, Bewusstsein und ereignisgesteuerte Koordination statt sequenzieller Orchestrierung.
Parallele, nicht-blockierende Ausführung verbessert den Durchsatz und die Reaktionsfähigkeit bei komplexen Zielen.
Typisiertes Kontext-/Ereignismodell unterstützt eine klarere Struktur, Debugging und Erweiterbarkeit in TypeScript-Ökosystemen.
Nachteile
Ereignisgesteuerte, hochgradig nebenläufige Systeme können schwieriger zu verstehen und zu debuggen sein als lineare Pipelines, insbesondere wenn die Anzahl der Agenten wächst.
Erfordert die Einführung von TypeScript/Node; Teams außerhalb dieses Ökosystems können höhere Integrationskosten haben.
Adaptive Laufzeitkoordination kann weniger vorhersehbar sein als vordefinierte Workflows und erfordert sorgfältige Tests und Schutzmaßnahmen.
Wie verwendet man Mozaik
1) Erstellen Sie ein neues TypeScript-Projekt: Initialisieren Sie einen Node.js + TypeScript-Arbeitsbereich (z. B. mit npm init und tsc). Mozaik ist eine TypeScript-Laufzeit, daher wird es typischerweise in einer Node-Umgebung ausgeführt.
2) Mozaik-Kern installieren: Fügen Sie die Framework-Abhängigkeit hinzu: Installieren Sie @mozaik-ai/core (die in den Quellen referenzierte Starter-Vorlage basiert auf ^3.10.1).
3) Modell-Provider-Anmeldeinformationen über Umgebungsvariablen konfigurieren: Mozaik wählt einen Provider aus dem Modellnamen aus, den Sie an runInference übergeben, und jedes Provider-SDK liest Anmeldeinformationen aus der Umgebung. Legen Sie die benötigten Schlüssel in Ihrer Umgebung ab (üblicherweise über eine .env-Datei), z. B. OPENAI_API_KEY, wenn Sie OpenAI verwenden.
4) Teilnehmer (Agenten/Beobachter/Tools) als Klassen definieren: Modellieren Sie jede Rolle als Teilnehmer (Mozaik nennt Agenten 'Teilnehmer'). Jeder Teilnehmer hat seinen eigenen Zustand und seine eigene Aufgabe; es gibt keinen geerbten 'Elternkontext'. Teilnehmer kommunizieren, indem sie typisierte Ereignisse auf einem gemeinsamen Bus senden/abonnieren.
5) Ereignishandler hinzufügen, um Teilnehmer reaktiv zu machen: Implementieren Sie reaktive Handler wie onParticipantJoin / onParticipantLeft, um Agenten ein Bewusstsein dafür zu geben, wer sich in der Umgebung befindet, und um Aufgaben neu zuzuweisen, wenn jemand geht.
6) Den Event-Bus als Kollaborations-Backbone nutzen: Behandeln Sie jede Nachricht, jeden Tool-Aufruf, jeden Denkschritt und jeden Fehler als Ereignis auf dem Bus. Teilnehmer abonnieren die Ereignisse, die sie interessieren, und reagieren sofort, wenn diese Ereignisse ausgelöst werden.
7) Inferenz nicht-blockierend ausführen ('fire and forget'): Starten Sie die Inferenz und setzen Sie andere Arbeiten fort, ohne zu warten. Wenn Ergebnisse eintreffen, kommen sie als Ereignisse zurück; Ihr Teilnehmer reagiert nur auf die relevanten Ergebnisereignisse, während alles andere weiterläuft.
8) Tool-Aufrufe als ereignisgesteuerte E/A implementieren: Wenn das Modell ein Tool anfordert (z. B. über onFunctionCall), führen Sie das Tool aus und senden Sie ein 'functionCallOutput'- (oder entsprechend typisiertes) Ereignis mit der callId und dem Ergebnis zurück auf den Bus – so bleibt der Lauf nicht-blockierend.
9) Den Bereich dessen, was jeder Teilnehmer abhört, eingrenzen (optional, aber empfohlen): Um unnötige Reaktionen zu vermeiden, füllen Sie die 'listens'-Liste eines Teilnehmers mit den Teilnehmerklassen, auf die er reagieren soll. Wenn 'listens' nicht leer ist, liefert die Umgebung nur externe Ereignisse, deren Quelle mit einer dieser Klassen übereinstimmt.
10) Laufzeitfehlerbehebung hinzufügen: Verwenden Sie onError und/oder onParticipantError, um Tool-Fehler oder Teilnehmerabstürze abzufangen. Implementieren Sie Wiederholungsversuche mit Backoff (z. B. bis zu 3 Versuche) und eskalieren Sie, indem Sie eine Nachrichtenereignis an einen anderen Teilnehmer senden, anstatt den gesamten Lauf abstürzen zu lassen.
11) Parallelität durch Hinzufügen mehrerer Teilnehmer ermöglichen: Erstellen Sie mehrere spezialisierte Teilnehmer (z. B. Forscher, Autor, Kritiker, Prüfer) und lassen Sie sie gleichzeitig laufen. Mozaik ist standardmäßig parallel: Mehrere Agenten können gleichzeitig arbeiten, während sie durch gemeinsame Ereignisse/Kontext koordiniert bleiben.
12) Kollaborationspfade zur Laufzeit entstehen lassen: Vermeiden Sie das Festcodieren starrer Übergaben. Entwerfen Sie stattdessen Teilnehmer so, dass sie entscheiden, wann sie kommunizieren, wen sie einbeziehen und welchen Kontext sie basierend auf den von ihnen beobachteten Ereignissen teilen.
13) (Optional) Beobachter für Protokollierung und Benutzeroberfläche hinzufügen: Fügen Sie Beobachter-Teilnehmer hinzu, die keine Entscheidungen treffen, sondern den Lauf aufzeichnen oder rendern: z. B. einen Auditor, der ein JSONL-Protokoll schreibt, oder einen UI-Teilnehmer, der Frames für eine Terminal-UI sendet.
14) Ihr Agenten-Team ausführen: Starten Sie die Umgebung/den Bus, registrieren Sie Teilnehmer und lösen Sie ein anfängliches Ereignis aus (z. B. eine RunStart- oder Zielnachricht). Das System läuft als reaktiver Ereignisstrom ab, wobei die Teilnehmer in Echtzeit koordinieren und sich von Fehlern erholen.
15) Verwenden Sie eine Starter-Vorlage, wenn Sie schnell eine funktionierende CLI wünschen: Die Quellen verweisen auf ein CLI-Starter-Vorlagen-Repository, das eine Ink-Terminal-UI mit @mozaik-ai/core verbindet und eine typische Aufteilung von Agenten/Beobachtern/Tools enthält. Klonen Sie eine Starter-Vorlage, um Boilerplate zu vermeiden, und passen Sie dann Teilnehmer und Tools für Ihren Anwendungsfall an.
Mozaik FAQs
Mozaik ist eine quelloffene, TypeScript-basierte agentische Laufzeitumgebung/Framework zum Aufbau autonomer Teams von KI-Agenten, die kommunizieren, koordinieren und autonom agieren können.
Mozaik Video
Beliebte Artikel
Atoms: Eine Multi-Agenten-KI-Plattform, die Ideen in startbereite Produkte verwandelt
May 22, 2026
Nano Banana SBTI: Was es ist, wie es funktioniert und wie man es im Jahr 2026 einsetzt
Apr 15, 2026
Atoms Review – Der KI-Produkt-Builder, der die digitale Erstellung im Jahr 2026 neu definiert
Apr 10, 2026
Kilo Claw: Wie man einen echten "Do-It-For-You" KI-Agenten bereitstellt und verwendet (2026 Update)
Apr 3, 2026
Neueste KI-Tools ähnlich wie Mozaik
Hapticlabs
Hapticlabs ist ein No-Code-Toolkit, das Designern, Entwicklern und Forschern ermöglicht, immersive haptische Interaktionen über Geräte hinweg einfach zu entwerfen, zu prototypisieren und bereitzustellen, ohne programmieren zu müssen.
Deployo.ai
Deployo.ai ist eine umfassende KI-Bereitstellungsplattform, die nahtlose Modellbereitstellung, Überwachung und Skalierung mit integrierten ethischen KI-Rahmenwerken und Cloud-übergreifender Kompatibilität ermöglicht.
CloudSoul
CloudSoul ist eine KI-gestützte SaaS-Plattform, die es Benutzern ermöglicht, Cloud-Infrastrukturen sofort über natürliche Sprachkonversationen bereitzustellen und zu verwalten, wodurch das Management von AWS-Ressourcen zugänglicher und effizienter wird.
Devozy.ai
Devozy.ai ist eine KI-gestützte Entwickler-Selbstbedienungsplattform, die agiles Projektmanagement, DevSecOps, Multi-Cloud-Infrastrukturmanagement und IT-Service-Management in einer einheitlichen Lösung zur Beschleunigung der Softwarebereitstellung kombiniert.
Beliebte KI-Tools wie Mozaik
A2A Protocol
Das A2A (Agent2Agent)-Protokoll ist ein offenes Interoperabilitätsprotokoll, das von Google entwickelt wurde und eine nahtlose Kommunikation und Zusammenarbeit zwischen KI-Agenten über verschiedene Frameworks und Anbieter hinweg ermöglicht, unabhängig von ihrer zugrunde liegenden Architektur.
VoltOps
VoltOps ist eine Framework-agnostische LLM-Observability-Plattform, die Echtzeit-Visualisierungs-, Debugging- und Optimierungstools für KI-Agenten in jedem Technologie-Stack bietet.
Chaterm
Chaterm ist ein Open-Source-KI-natives Terminal und SRE-Copilot, das es Ingenieuren ermöglicht, komplexe Infrastruktur durch natürliche Sprache zu verwalten und Bereitstellung, Fehlerbehebung und Operationen zu automatisieren, ohne Befehle auswendig zu lernen.
Open Browser Use
Open Browser Use ist eine Open-Source, Agenten-Laufzeit-neutrale Browser-Automatisierungsschicht, die eine Chrome-Erweiterung mit einer CLI/SDK/MCP koppelt, um DOM-bewusste, CDP-gesteuerte Tab-Steuerung, Navigation und Aktionen über verschiedene KI-Agenten-Tools hinweg zu ermöglichen.