Mozaik
Mozaik è un runtime TypeScript open-source per la costruzione di team di agenti AI autonomi e paralleli che collaborano attraverso un bus reattivo e guidato dagli eventi con consapevolezza dell'ambiente condiviso, uso di strumenti e coordinamento resiliente.
https://mozaik.jigjoy.ai/?ref=producthunt&utm_source=aipure
Informazioni sul Prodotto
Aggiornato:Jul 7, 2026
Cos'è Mozaik
Mozaik è un framework (runtime) TypeScript progettato per portare i sistemi multi-agente oltre i flussi di lavoro rigidi e sequenziali, verso una vera collaborazione in stile team. Invece di orchestrare gli agenti attraverso pipeline predefinite, Mozaik introduce un “ambiente agentico” dove i partecipanti—agenti, umani, osservatori e strumenti—possono unirsi allo stesso spazio condiviso, comunicare e coordinarsi in tempo reale. È costruito per rendere la collaborazione tra agenti un concetto di prim'ordine: gli agenti possono essere consapevoli l'uno dell'altro, scambiare intenzionalmente il contesto e lavorare contemporaneamente sullo stesso obiettivo.
Caratteristiche principali di Mozaik
Mozaik è un runtime agentico TypeScript open source per la creazione di team autonomi di agenti AI che collaborano in parallelo attraverso un ambiente condiviso e basato su eventi. Invece di codificare flussi di lavoro sequenziali, Mozaik tratta la collaborazione come un concetto di prima classe: gli agenti si uniscono a un AgenticEnvironment (un bus di trasmissione), rimangono consapevoli degli altri partecipanti, scambiano messaggi e contesto, reagiscono alle chiamate e agli output degli strumenti come eventi e recuperano dagli errori in fase di esecuzione. Il framework è progettato per l'inferenza "fire-and-forget" non bloccante e la coordinazione reattiva, consentendo ai sistemi multi-agente di comunicare, coordinare e spedire il lavoro come un team coeso.
Core reattivo basato su eventi: Ogni messaggio, chiamata di strumento, passaggio di ragionamento ed errore è modellato come un evento su un bus condiviso; gli agenti si iscrivono agli eventi che li interessano e reagiscono immediatamente al loro arrivo.
Parallelo per impostazione predefinita (inferenza non bloccante): Gli agenti possono eseguire l'inferenza e continuare a operare senza attendere; i risultati vengono restituiti come eventi, consentendo a più agenti (e strumenti/osservatori) di lavorare contemporaneamente sullo stesso obiettivo.
Ambiente agentico condiviso (consapevolezza del team): I partecipanti – umani, agenti, osservatori e strumenti – si uniscono allo stesso AgenticEnvironment, consentendo agli agenti di rilevare chi è "nella stanza", rispondere a unioni/uscite e coordinarsi in base allo stato condiviso.
Contesto come primitiva di prima classe: Mozaik fornisce una gestione strutturata del contesto (tramite ModelContext e elementi di contesto tipizzati), rendendo più facile registrare, condividere e indirizzare le informazioni giuste all'agente giusto al momento giusto.
Integrazione di chiamate a strumenti/funzioni tramite eventi: Le chiamate di funzione e gli output degli strumenti sono gestiti come eventi di prima classe, consentendo agli agenti di eseguire strumenti e pubblicare gli output sul bus affinché altri partecipanti possano consumarli.
Resilienza in fase di esecuzione e recupero intelligente: Gli agenti possono catturare e gestire i fallimenti con hook come onError/onParticipantError, riprovare con backoff o escalare ad altri partecipanti invece di bloccare l'esecuzione.
Casi d'uso di Mozaik
Codifica AI parallela e generazione di PR: Coordinare più agenti di codifica specializzati (pianificazione, implementazione, revisione, test) per lavorare contemporaneamente e produrre una pull request, esemplificato da strumenti basati su Mozaik come baro.
Sciami di supporto clienti e operazioni: Eseguire agenti di triage, recupero della knowledge base, stesura e QA in parallelo su un bus condiviso in modo che le risposte siano più veloci, coerenti e verificabili attraverso un team di agenti.
Pipeline di ricerca-scrittura senza flussi di lavoro rigidi: Consentire ad agenti ricercatori, scrittori, critici e revisori di collaborare in modo adattivo in fase di esecuzione, condividendo solo il contesto necessario e reagendo ai risultati degli altri come eventi.
Automazione aziendale con processi ricchi di strumenti: Costruire team di agenti che richiamano strumenti/API interni (ticket, CRM, database) e si coordinano tra output e errori degli strumenti tramite comunicazione basata su eventi.
Osservabilità e valutazione per sistemi agentici: Collegare partecipanti osservatori all'ambiente per monitorare messaggi, tracce di ragionamento, chiamate di strumenti e fallimenti in tempo reale, supportando il debug, la valutazione e il controllo qualità.
Vantaggi
Progettato per una vera collaborazione multi-agente: ambiente condiviso, consapevolezza e coordinamento basato su eventi anziché orchestrazione sequenziale.
L'esecuzione parallela e non bloccante migliora la produttività e la reattività per obiettivi complessi.
Il modello di contesto/evento tipizzato supporta una struttura più chiara, il debug e l'estensibilità negli ecosistemi TypeScript.
Svantaggi
I sistemi basati su eventi e altamente concorrenti possono essere più difficili da comprendere e debuggare rispetto alle pipeline lineari, specialmente all'aumentare del numero di agenti.
Richiede l'adozione di TypeScript/Node; i team al di fuori di quell'ecosistema potrebbero affrontare costi di integrazione più elevati.
La coordinazione adattiva in fase di esecuzione può essere meno prevedibile rispetto ai flussi di lavoro predefiniti, richiedendo test e guardrail attenti.
Come usare Mozaik
1) Crea un nuovo progetto TypeScript: Inizializza un'area di lavoro Node.js + TypeScript (ad esempio, con npm init e tsc). Mozaik è un runtime TypeScript, quindi tipicamente lo eseguirai in un ambiente Node.
2) Installa il core di Mozaik: Aggiungi la dipendenza del framework: installa @mozaik-ai/core (il template di avvio a cui si fa riferimento nelle fonti è costruito su ^3.10.1).
3) Configura le credenziali del provider del modello tramite variabili d'ambiente: Mozaik seleziona un provider dal nome del modello che passi a runInference, e ogni SDK del provider legge le credenziali dall'ambiente. Inserisci le chiavi necessarie nel tuo ambiente (comunemente tramite un file .env), ad esempio, OPENAI_API_KEY se usi OpenAI.
4) Definisci i partecipanti (agenti/osservatori/strumenti) come classi: Modella ogni ruolo come un partecipante (Mozaik chiama gli agenti 'partecipanti'). Ogni partecipante ha il proprio stato e compito; non esiste un 'contesto genitore' ereditato. I partecipanti comunicano emettendo/sottoscrivendo eventi tipizzati su un bus condiviso.
5) Aggiungi gestori di eventi per rendere i partecipanti reattivi: Implementa gestori reattivi come onParticipantJoin / onParticipantLeft per dare agli agenti la consapevolezza di chi è nell'ambiente e per riassegnare il lavoro quando qualcuno se ne va.
6) Usa il bus di eventi come spina dorsale della collaborazione: Tratta ogni messaggio, chiamata a strumento, passo di ragionamento ed errore come un evento sul bus. I partecipanti si iscrivono agli eventi che li interessano e reagiscono immediatamente quando tali eventi si verificano.
7) Esegui l'inferenza in modo non bloccante ('fire and forget'): Avvia l'inferenza e continua altro lavoro senza aspettare. Quando arrivano i risultati, tornano come eventi; il tuo partecipante reagisce solo agli eventi di risultato pertinenti mentre tutto il resto continua a funzionare.
8) Implementa la chiamata a strumento come I/O guidato dagli eventi: Quando il modello richiede uno strumento (ad esempio, tramite onFunctionCall), esegui lo strumento ed emetti un 'functionCallOutput' (o evento tipizzato equivalente) di nuovo sul bus con il callId e il risultato—in modo che l'esecuzione rimanga non bloccante.
9) Ambito di ascolto di ogni partecipante (opzionale ma consigliato): Per prevenire reazioni non necessarie, popola l'elenco di ascolto di un partecipante con le classi di partecipanti a cui dovrebbe reagire. Quando l'elenco di ascolto non è vuoto, l'ambiente consegna solo eventi esterni la cui origine corrisponde a una di quelle classi.
10) Aggiungi il recupero degli errori di runtime: Usa onError e/o onParticipantError per catturare i fallimenti degli strumenti o i crash dei partecipanti. Implementa il retry con backoff (ad esempio, riprova fino a 3 tentativi) e scala emettendo un evento messaggio a un altro partecipante invece di far crashare l'intera esecuzione.
11) Abilita il parallelismo aggiungendo più partecipanti: Crea più partecipanti specializzati (ad esempio, Ricercatore, Scrittore, Critico, Revisore) e lasciali eseguire contemporaneamente. Mozaik è parallelo per impostazione predefinita: più agenti possono lavorare contemporaneamente rimanendo coordinati tramite eventi/contesto condivisi.
12) Lascia che i percorsi di collaborazione emergano a runtime: Evita di codificare rigidamente i passaggi di consegne. Invece, progetta i partecipanti in modo che decidano quando comunicare, chi coinvolgere e quale contesto condividere in base agli eventi che osservano.
13) (Opzionale) Aggiungi osservatori per la registrazione e l'interfaccia utente: Allega partecipanti in stile osservatore che non guidano le decisioni ma registrano o rendono l'esecuzione: ad esempio, un Revisore che scrive un log JSONL, o un partecipante UI che emette frame per un'interfaccia utente terminale.
14) Esegui il tuo team di agenti: Avvia l'ambiente/bus, registra i partecipanti e attiva un evento iniziale (ad esempio, un messaggio RunStart o goal). Il sistema procede come un flusso reattivo di eventi, con i partecipanti che si coordinano e si riprendono dagli errori in tempo reale.
15) Usa un template di avvio se vuoi una CLI funzionante rapidamente: Le fonti fanno riferimento a un repository di template di avvio CLI che collega un'interfaccia utente terminale Ink a @mozaik-ai/core e include una tipica suddivisione di agenti/osservatori/strumenti. Clona un template di avvio per evitare il boilerplate, quindi personalizza i partecipanti e gli strumenti per il tuo caso d'uso.
FAQ di Mozaik
Mozaik è un runtime/framework agentico open source, basato su TypeScript, per la costruzione di team autonomi di agenti AI che possono comunicare, coordinarsi e agire autonomamente.
Video di Mozaik
Articoli Popolari
Atoms: Una Piattaforma AI Multi-Agente Che Trasforma le Idee in Prodotti Pronti al Lancio
May 22, 2026
Nano Banana SBTI: Cos'è, come funziona e come usarlo nel 2026
Apr 15, 2026
Recensione di Atoms — Il builder di prodotti AI che ridefinisce la creazione digitale nel 2026
Apr 10, 2026
Kilo Claw: Come Distribuire e Utilizzare un Vero Agente AI "Fai-da-Te" (Aggiornamento 2026)
Apr 3, 2026
Ultimi Strumenti AI Simili a Mozaik
Hapticlabs
Hapticlabs è un toolkit senza codice che consente a designer, sviluppatori e ricercatori di progettare, prototipare e distribuire facilmente interazioni tattili immersive su diversi dispositivi senza codifica.
Deployo.ai
Deployo.ai è una piattaforma completa per la distribuzione dell'IA che consente una distribuzione, un monitoraggio e una scalabilità senza soluzione di continuità dei modelli con framework etici dell'IA integrati e compatibilità cross-cloud.
CloudSoul
CloudSoul è una piattaforma SaaS alimentata da intelligenza artificiale che consente agli utenti di distribuire e gestire istantaneamente l'infrastruttura cloud attraverso conversazioni in linguaggio naturale, rendendo la gestione delle risorse AWS più accessibile ed efficiente.
Devozy.ai
Devozy.ai è una piattaforma di self-service per sviluppatori alimentata da AI che combina gestione dei progetti Agile, DevSecOps, gestione dell'infrastruttura multi-cloud e gestione dei servizi IT in una soluzione unificata per accelerare la consegna del software.
Strumenti AI Popolari Come Mozaik
A2A Protocol
Il protocollo A2A (Agent2Agent) è un protocollo di interoperabilità aperto sviluppato da Google che consente una comunicazione e una collaborazione senza interruzioni tra agenti AI attraverso diversi framework e fornitori, indipendentemente dalla loro architettura sottostante.
VoltOps
VoltOps è una piattaforma di osservabilità LLM agnostica al framework che fornisce strumenti di monitoraggio visivo, debug e ottimizzazione in tempo reale per agenti AI su qualsiasi stack tecnologico.
Chaterm
Chaterm è un terminale AI-native open-source e un copilota SRE che consente agli ingegneri di gestire infrastrutture complesse attraverso il linguaggio naturale, automatizzando la distribuzione, la risoluzione dei problemi e le operazioni senza memorizzare i comandi.
Open Browser Use
Open Browser Use è un livello di automazione del browser open-source, neutrale rispetto al runtime dell'agente, che accoppia un'estensione di Chrome con una CLI/SDK/MCP per abilitare il controllo delle schede, la navigazione e le azioni basate su DOM e CDP tra diversi strumenti di agenti AI.