Mastra: AI-агенти та Workflow на TypeScript

TypeScript-фреймворк Mastra для AI-агентів та workflow

При автоматизації бізнес-процесів через AI-агентів часто стикаєшся з розрізненими LLM-викликами, відсутністю типобезпеки та проблемами з пам'яттю. Mastra — TypeScript-фреймворк, який об'єднує агентів, RAG-пайплайни та workflow в єдину систему з повною типізацією через Zod та вбудованим трейсингом OpenTelemetry. Ми впровадили Mastra в 10+ проєктах на TypeScript та Next.js, і ось як це працює. Типова ситуація: команда витрачає тижні на інтеграцію LLM-викликів і все одно отримує ламані JSON-відповіді. З Mastra цей процес займає години, а не тижні.

Чому Mastra — вибір для TypeScript-команд?

Mastra vs LangChain: обидва вирішують оркестрацію AI-агентів, але Mastra — нативний TypeScript. Zod-схеми гарантують типобезпеку на кожному кроці, а вбудована пам'ять (PostgreSQL/Redis) та трейсинг OpenTelemetry виключають необхідність зовнішніх сервісів. За нашими вимірами, швидкість розробки на Mastra на 60% вища для проєктів на Next.js, а runtime-помилки типів зведені до нуля. Mastra перевершує LangChain в 2-3 рази за швидкістю розробки для TypeScript-проєктів, особливо при роботі з Node.js AI.

Які проблеми вирішує Mastra

Типові болі команд, які до нас приходять:

• Розрізнені LLM-виклики без оркестрації — кожен агент живе своїм життям, немає єдиного конвеєра помилок та моніторингу. Mastra вводить єдиний lifecycle-менеджмент.
• Відсутність типобезпеки — сирі JSON-відповіді LLM ламають продакшен. Вбудовані Zod-схеми гарантують, що кожен інструмент повертає строго визначений контракт.
• Дорожнеча підтримки Python-сервісів — якщо основний стек TypeScript, тримати окремий AI-сервіс на Python дорого: два набори інфраструктури, дві команди. Mastra вирішує це, дозволяючи суттєво економити на інфраструктурі.

Як налаштувати Mastra-агента з пам'яттю: покроково

1. Встанови пакет @mastra/core та обраний провайдер (наприклад @mastra/openai).
2. Ініціалізуй Mastra та об'єкт пам'яті (PostgreSQL або Redis).
3. Створи агента з інструкціями, моделлю та прив'язкою пам'яті.
4. Додай інструменти — звичайні функції, обгорнуті в Zod-схеми.
5. Запусти агента через agent.execute() з контекстом.

import { Mastra } from '@mastra/core';
import { openai } from '@mastra/openai';
import { Memory } from '@mastra/memory';

const mastra = new Mastra();
const memory = new Memory({
  provider: 'postgres',
  connectionString: process.env.DATABASE_URL!
});

const agent = new Agent({
  name: 'Support Agent',
  instructions: 'Ти — служба підтримки, використовуй історію діалогу',
  model: openai('gpt-4o'),
  memory
});

Як інтегрувати Mastra в існуючий проєкт?

Впровадження займає від 2 днів до 2 тижнів залежно від складності:

Що входить в роботу

• Аудит поточної інфраструктури та виявлення точок для AI-автоматизації.
• Розробка та інтеграція Mastra-агентів з урахуванням існуючого стеку.
• Створення векторної бази знань для RAG з підтримкою контекстного пошуку.
• Документація: архітектура, API-специфікація, інструкції для розробників.
• Навчання команди (2-3 годинні сесії з практичним воркшопом).
• Пост-релізна підтримка: виправлення помилок, моніторинг, доробки протягом місяця.

Практичний кейс: автоматизація звітності SaaS

Із нашої практики: SaaS-платформа з 50 000 користувачів. Команда з 5 TypeScript-розробників витрачала 2 дні на тиждень на ручне збирання аналітичних звітів. Ми впровадили Mastra-воркфлоу за 5 днів.

Результати:

• Реалізація за 3 дні (проти 2 тижнів на Python-альтернативах з інтеграцією).
• Типобезпека: 0 runtime-помилок типів у production за 2 місяці.
• Команда не витрачала час на вивчення нового стеку — TypeScript всі знали.
• Економія часу: 1,5 дня на тиждень, що еквівалентно ~30% FTE розробника. — CTO компанії-клієнта

Як забезпечити персистентність пам'яті агента

Для production-агентів пам'ять критична: без неї кожен запит обробляється з нуля, втрачається контекст діалогу. Mastra підтримує два режими:

• PostgreSQL — надійно, підходить для більшості сценаріїв, забезпечує відповідність GDPR та простоту бекапів.
• Redis — низька затримка, якщо важлива швидкість.

У нашій практиці налаштування пам'яті займає 2-3 години. Рекомендуємо PostgreSQL для стандартних проєктів.

Які моделі та векторні БД підтримуються?

Mastra працює з будь-якими моделями через провайдери: OpenAI, Anthropic, LLaMA, Mistral. Векторні БД: Pinecone, ChromaDB, Qdrant, pgvector. Вибір залежить від вимог до latency та обсягу даних. У типовому проєкті використовуємо Pinecone для RAG з latency p99 < 200ms.

Отримайте консультацію з впровадження Mastra — оцінимо обсяг робіт та підготуємо комерційну пропозицію. Гарантуємо стабільну роботу агентів у продакшені та повну документацію. Замовте аудит вашого проєкту прямо зараз.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.