لمدة عامين، كان بناء وكلاء الذكاء الاصطناعي في TypeScript يعني الاختيار بين خيارَين غير مغريَين: تغليف LangChain.js بشيفرة دفاعية والدعاء أن تعمل، أو تجميع نصف دزينة من المكتبات — مخزن متجهات، ومدير محفّزات، وإطار تقييم، وقياسات تشغيلية، ومحرك سير عمل — في خط أنابيب هشّ. لقد ظهر ماسترا (Mastra) كخيار ثالث، وفي 2026 أصبح بهدوء نقطة الانطلاق الافتراضية لتطبيقات الذكاء الاصطناعي الإنتاجية في منظومة TypeScript.
يوضّح هذا الدليل ما هو ماسترا، ولماذا أزاح المنافسين لدى كثير من الفرق، وكيف تقيّم ما إذا كان مناسبًا لتقنياتك.
ما هو ماسترا؟
ماسترا هو إطار عمل هندسي مفتوح المصدر للذكاء الاصطناعي مكتوب بلغة TypeScript، من فريق Gatsby. وهو إطار ذو رأي واضح حول العناصر الأولية التي تحتاجها لإطلاق منتج ذكاء اصطناعي حقيقي: الوكلاء، وسير العمل، والأدوات، وRAG، والذاكرة، والتقييمات، والقياسات التشغيلية — كل ذلك في واجهة برمجية متماسكة، مع أنواع TypeScript أصلية.
العرض بسيط. بدلًا من تجميع ست مكتبات بتجريدات غير متناسقة، تحصل على إطار موحّد يدير دورة الحياة الكاملة: من وكيل بسيط ذي محفّز واحد إلى سير عمل متعدد الخطوات قابل للاستئناف، مع استرجاع، وتقييم في CI، وتتبّعات OpenTelemetry تتدفق إلى منظومة المراقبة لديك.
ينتشر في أي مكان يعمل فيه Node أو وقت تشغيل بدون خادم — Vercel، وCloudflare Workers، وRender، أو عنقود Kubernetes الخاص بك — ولا يقيّدك بمزوّد نموذج واحد.
العناصر الإنتاجية الخمسة
1. الوكلاء
الوكلاء هم قلب ماسترا. للوكيل نموذج، ومحفّز نظام، ومجموعة أدوات، وذاكرة اختيارية، ومخرَج منظَّم اختياري. تعرّفه مرة واحدة، ثم تستدعيه من أي مسار أو طابور أو سير عمل.
import { Agent } from "@mastra/core/agent";
import { openai } from "@ai-sdk/openai";
export const supportAgent = new Agent({
name: "support",
instructions: "ساعد العملاء في حل مشكلات الفوترة.",
model: openai("gpt-4o"),
tools: { lookupInvoice, refundOrder },
});هذا هو تعريف الوكيل بأكمله. تتصل الذاكرة وRAG عبر المُنشئ نفسه. الوكيل مُنوَّع الأنواع من النهاية إلى النهاية — مدخلات الأدوات ومخرجاتها والاستجابات المنظمة كلها تتدفق عبر استنتاج TypeScript، فلا تكسر إعادات الهيكلة السلوك بصمت.
2. سير العمل
سيرورات العمل قائمة على الرسوم البيانية، ودائمة، وقابلة للاستئناف. تصف الخطوات والفروع والتفرّع المتوازي بشكل تصريحي، ويتولى ماسترا إعادات المحاولة والتعليق والإعادة. هنا يتجاوز ماسترا LangChain.js بوضوح: محرّك سير العمل مبني للموثوقية، لا للتعبيرية فقط.
نمط شائع هو استخدام وكيل داخل خطوة، ثم توجيه النتيجة إلى خطوة حتمية تالية. على سبيل المثال، يصنّف وكيل بريدًا واردًا، ثم تكتب خطوة حتمية إلى قاعدة بياناتك وتطلق إشعارًا. إذا فشلت كتابة قاعدة البيانات، يستأنف سير العمل من الخطوة الفاشلة بدل إعادة استدعاء النموذج وحرق الرموز.
3. الأدوات
الأدوات دوال مُنوَّعة الأنواع يمكن للوكيل استدعاؤها. يستخدم ماسترا مخططات Zod للمدخلات والمخرجات، مما يعني أن الوكيل يحصل على واجهة استدعاء منظمة ومُتحقَّق منها، ويحصل المحرر على إكمال تلقائي لكل معامل. يمكن إعادة استخدام الأداة نفسها عبر عدة وكلاء أو سيرورات عمل دون إعادة الإعلان عن المخطط.
4. الاسترجاع والذاكرة
يأتي ماسترا بمحوّلات من الدرجة الأولى لمخازن المتجهات الكبرى — Pinecone وQdrant وpgvector وChroma وTurso — ولخلفيات الذاكرة بما فيها Postgres وUpstash. يمكنك توصيل البحث الدلالي وسجل المحادثات والذاكرة العاملة دون مغادرة الإطار. التضمينات والتقطيع والاسترجاع من الدرجة الأولى، لا أفكار لاحقة.
5. التقييمات
هذه هي الميزة التي تكسب قادة الهندسة. يعامل ماسترا التقييم كشيفرة: تكتب مجموعات تقييم بنفس طريقة كتابة الاختبارات، وتشغّلها في CI، وتربط الإطلاقات بمقاييس مثل الإخلاص وملاءمة الإجابة والسمّية. تكتشف معظم الفرق أن محفّزاتها تتراجع بصمت في الإنتاج. ماسترا يجعل ذلك التراجع مرئيًا قبل الدمج.
لماذا تنتقل الفرق من LangChain.js
تتكرر ثلاثة أسباب في تقارير الهجرة:
- سلامة الأنواع تعمل فعلًا. يُسرّب LangChain.js أنواع
anyفي كامل سلسلة الاستدعاء. ماسترا مُنوَّع الأنواع من النهاية إلى النهاية، فلا تكسر إعادات الهيكلة الوكلاء بصمت. - واجهة برمجية واحدة ذات رأي. لا مزيد من البتّ بين أربع تجريدات للذاكرة. يختار ماسترا افتراضات قابلة للإطلاق.
- العناصر الإنتاجية مدمجة. سير العمل الدائم، وتتبّعات OpenTelemetry، وإطار التقييم، ومحوّلات النشر ليست إضافات طرف ثالث.
ثمة سبب أقل تقنية أيضًا: توثيق ماسترا يُقرأ كأنه كتبه أشخاص أطلقوا وكلاء فعلًا، لا أشخاص يولّدون توثيقًا مرجعيًا من تعليقات JSDoc. هذا وحده يوفّر أيامًا من التجربة والخطأ.
متى يكون ماسترا الخيار الصحيح
ماسترا مناسب بقوة عندما تكون:
- تبني منتجًا متعدد الوكلاء أو متعدد الخطوات، لا محفّزًا لمرة واحدة
- تعمل في قاعدة شيفرة TypeScript تهتم فيها بسلامة الأنواع
- تنشر إلى Node أو أوقات تشغيل بدون خادم حديثة
- تدمج الاسترجاع أو الذاكرة أو استخدام الأدوات بما يتجاوز الدردشة العادية
- مطالَبًا بإطلاق تقييمات وقياسات تشغيلية لأغراض الامتثال أو الجودة
يصبح مبالغًا فيه إذا كنت تحتاج فقط إلى استكمال دردشة واحد خلف زر. لذلك يكفي AI SDK وحده.
مثال واقعي
تخيّل مساعدًا داخليًا للدعم يفرز التذاكر الواردة. مع ماسترا، تركّب:
- وكيلًا يقرأ التذكرة ويصنّف أولويتها ويصوغ ردًا
- سير عمل يشغّل الوكيل، ثم يتفرّع إلى خطوة استرجاع من قاعدة المعرفة، ثم يردّ تلقائيًا أو يحوّل إلى إنسان
- مجموعة تقييم تقيّم 200 تذكرة تاريخية كل ليلة لاكتشاف تراجعات الجودة
- تتبّعات OpenTelemetry تتدفق إلى منظومة المراقبة الحالية
تنجح معظم الفرق في إطلاق كل ذلك إلى الإنتاج خلال موقتَين قصيرَين. النطاق نفسه ببنية مُجمَّعة يدويًا يستغرق عادة ربع سنة.
اعتبارات الإنتاج
أمور يجب التخطيط لها قبل الإطلاق:
- قياس التكلفة. تتراكم تكاليف الرموز سريعًا. استخدم التتبّع المدمج لإسناد الإنفاق إلى الميزات، لا إلى الإجماليات فقط.
- تغطية التقييم. عامل مجموعات التقييم كاختبارات. استهدف تغطية أنماط الفشل الأعلى تكلفة أولًا.
- تنسيق إصدارات سير العمل. يحتاج سير العمل الدائم في الإنتاج إلى مسار هجرة واضح عند تغيير أشكال الخطوات. خطّط له.
- قابلية النقل بين المزوّدين. الإطار محايد تجاه المزوّد، لكن سلوك النموذج ليس كذلك. عند التبديل من Claude إلى GPT أو العكس، شغّل مجموعة التقييم أولًا.
خلاصة القول
أصبح ماسترا الإطار الافتراضي للذكاء الاصطناعي بـ TypeScript للسبب نفسه الذي جعل Next.js إطار React الافتراضي: يجمّع العناصر الإنتاجية المملّة الصعبة، فيتفرّغ الفريق للمنتج. إذا كان فريقك تجاوز مرحلة النموذج الأولي ويُطلق ميزات ذكاء اصطناعي في قاعدة شيفرة حقيقية، فإن ماسترا هو نقطة الانطلاق الأقوى الآن في TypeScript.
بالنسبة للمؤسسات في منطقة الشرق الأوسط وشمال أفريقيا التي تبني منتجات ذكاء اصطناعي بكفاءات TypeScript المحلية، يقدّم ماسترا ميزة إضافية مهمَلة: التوثيق والأنواع والأنماط واضحة بما يكفي ليُسرّع الفرق دون خبرة عميقة سابقة بـ LLM. تلك القابلية للوصول، إلى جانب القدرة على النشر في أي سحابة — بما فيها البنية التحتية السيادية — تجعله ملاءمة قوية بشكل خاص لفرق هندسة الذكاء الاصطناعي المتنامية في المنطقة.
إذا كنت تبني منتجات ذكاء اصطناعي وتريد مساعدة في تصميم البنية المعمارية الصحيحة، أو اختيار الإطار المناسب، أو إطلاق وكلاء بمستوى الإنتاج، تواصل مع فريقنا.