Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

A Mastra memóriarendszere már a megfigyelési ciklusokba is beavatkozik

2026. szeptember 29.Forrás: Mastra
A Mastra memóriarendszere már a megfigyelési ciklusokba is beavatkozik
Kép: Mastra

A Mastra memóriahorgokat vezetett be, amelyekkel a fejlesztők követhetik és módosíthatják az Observer és a Reflector által feldolgozott adatokat. A megoldás a költségek naplózására, a zajos eszközkimenetek szűrésére és érzékeny adatok kitakarására is használható.

A lényeg röviden
  • A Mastra életciklus- és átalakítóhorgokat adott az Observational Memory rendszeréhez.
  • A fejlesztők naplózhatják a ciklusokat és a tokenhasználatot.
  • A memória mentése előtt szűrhetők a zajos kimenetek, a belső jegyzetek és az érzékeny adatok.
  • A skillResultRedactor() helyőrzőre cseréli a Skill teljes fájltartalmát.
  • A funkcióhoz az @mastra/memory 1.31.0 vagy újabb verziója szükséges.

Kétféle horog került a memóriarendszerbe

A Mastra 2026. szeptember 29-i bejelentése szerint a memóriahorgok közvetlenül a megfigyelési és reflexiós ciklusokban működnek. A fejlesztők így külsőleg figyelhetik, mi történik egy ciklus során, illetve módosíthatják azokat az adatokat, amelyeket az Observer és a Reflector lát vagy elment.

A Lifecycle hooks, vagyis életciklus-horgok a ciklusok kezdetén és végén futnak le. Ide tartozik az onObservationStart, az onObservationEnd, az onReflectionStart és az onReflectionEnd. Ezekkel például naplózható a ciklusonkénti tokenhasználat, így észlelhető egy költségugrás, vagy követhető, miért felejtett el valamit egy ügynök.

A Transform hooks, vagyis átalakítóhorgok a memória tényleges adatain dolgoznak. A beforeObservation és az afterObservation a megfigyelési adatokat, a beforeReflection és az afterReflection pedig a reflexió bemenetét vagy kimenetét módosíthatja.

Szűrhető a zajos eszközkimenet és a belső tartalom

A Mastra példája szerint egy fejlesztő még azelőtt eltávolíthat egy nagyméretű eszközkimenetet, hogy azt az Observer látná. A bemutatott konfiguráció 2000 karakteres küszöböt használ. Ha egy eszközhívás eredménye ennél hosszabb, a rendszer a teljes tartalom helyett a [search results omitted from memory] helyőrzőt adja át a memóriának.

Az átalakítóhorgokkal megfigyelések kitakarása, a Reflector által tömörített szöveg átírása, valamint a mentés előtti kimenet módosítása is megoldható. A forrás szerint így eltávolítható a zajos eszközkimenet és a belső gondolkodás, továbbá kitakarhatók a titkok és a személyes adatok.

A horgok minden végrehajtási útvonalon megvárják az eredményt. Ez vonatkozik a kézzel indított observe() és reflect() műveletekre, a fordulóval szinkronban futó megfigyelésre és az aszinkron pufferelésre is. Ha egy átalakítóhorog nem ad vissza értéket, a bemenet változatlanul halad tovább.

Kész megoldás a Skill eredményeinek kitakarására

A Mastra egy előre elkészített átalakítóhorgot, a skillResultRedactor() függvényt is mellékelte. Amikor egy ügynök Skillt használ, az eszköz eredménye a Skill teljes fájltartalmát tartalmazhatja, ezért az Observer ezt minden alkalommal látná. A redaktor a fájl tartalmát helyőrzőre cseréli, miközben az ügynök továbbra is emlékszik a Skillre.

A használathoz az @mastra/memory csomag és egy tárolóadapter telepítése szükséges. A tárolóadapter kötelező az Observational Memory használatához. A Mastra példája a @mastra/libsql csomagot és egy LibSQL-alapú tárolót alkalmaz, az Observer modelljeként pedig a google/gemini-2.5-flash szerepel.

A funkció használatához az @mastra/[email protected] vagy újabb verzió kell. A változtatást a forrás a 23167-es és a 24220-as pull requesthez köti. A teljes konfigurációról a Mastra az Observational memory hooks, a Redact skill results és az Observational Memory oldalain közöl további információkat.

Mastra@mastra/memoryGemini-2.5-FlashAI-ágensekadatvédelem

Kapcsolódó hírek

Az Everlaw szerint az AI gyorsabb bevezetése kell a szövetségi FOIA-ban
Cégek és üzlet2026. október 3.

Az Everlaw szerint az AI gyorsabb bevezetése kell a szövetségi FOIA-ban

A szövetségi információszabadsági kérelmek feldolgozásában már működő AI-eszközök segíthetik a nagy volumenű munkát, az engedélyezési folyamat azonban az Everlaw szerint…

Az Everlaw Claude-integrációval teszi elérhetővé a jogi ügyadatokat
Termékek és eszközök2026. október 3.

Az Everlaw Claude-integrációval teszi elérhetővé a jogi ügyadatokat

Az Everlaw Anthropic MCP-integrációt indított, amelyen keresztül a megfelelő jogosultságokkal rendelkező jogi felhasználók Claude-ból érhetik el Everlaw-projektjeik…

Jira, GitLab és incident.io integrációkat kapott a Mastra Factory
Termékek és eszközök2026. szeptember 30.

Jira, GitLab és incident.io integrációkat kapott a Mastra Factory

A Mastra Factory három új beviteli forrással bővült: a felhasználók már Jira, GitLab és incident.io rendszerekből is kezelhetnek feladatokat. Az elemek a Factory…