Mastra Factory 今日发布
开源AI软件工厂平台,Agent协作完成从Issue到PR的全流程
Mastra Factory:用 Agent 打造你的软件工厂
项目简介
Mastra Factory 是一个开源的 AI 软件工厂平台,让工程团队能够将 AI Coding Agent 整合进完整的软件开发流程中——从 GitHub Issue 接收、任务分流、代码编写、自动化测试、到 Pull Request 评审,全流程均可由 AI Agent 协作完成,同时保留人类的审批关卡。Mastra Factory 基于 TypeScript 构建,由 Mastra 团队开发和维护,适合希望规模化引入 AI 编程能力的中大型工程团队。
核心功能
多阶段流水线管理 Factory 将软件开发流程拆解为若干可配置的阶段(Stage):接收(Intake)、分流(Triage)、规划(Planning)、构建(Building)、评审(Review)和完成(Done)。每个阶段可以配置不同的专业 Agent、工具链和通过规则,形成完整的软件交付流水线。
连接真实开发工具 Factory 与 GitHub、Linear 和 Slack 等团队日常使用的工具深度集成。Issue 和 Pull Request 自动进入流水线;Slack 频道会收到任务状态更新;Linear 中的工单可以直接触发 Factory 中的开发流程,无需在多个工具之间手动切换。
共享云端 Agent 工作区 与本地运行 Agent 不同,Factory 提供基于云端的共享工作空间,团队成员可以实时查看 Agent 的运行状态和对话内容,随时接入并提供人工指引。解决了本地 Agent 运行时代码上下文无法共享、团队其他成员无法介入的痛点。
Pull Request 自动评审 内置的 Code Review Agent 可以自动审查来自 Factory 自身或其他来源的 PR,分析代码变更、识别潜在问题、给出评审意见,并主动将结果通知给相关工程师。评审过程全程记录可追溯。
灵活的 Agent 配置 每个流水线阶段都可以选择不同的专业 Agent(路由 Agent、编码 Agent、评审 Agent 等),并为其配置专属的 Skill、Rules 和工具集。团队也可以引入自定义 Agent,替换或扩展默认角色。
自部署与开源 Mastra Factory 完全开源(Apache 2.0 许可证),团队可以在自己的基础设施上私有部署,不依赖 Mastra 的云服务。所有数据留存在自己的环境中,适合对代码安全有严格要求的团队。
技术实现
Mastra Factory 的核心是一个基于 TypeScript 的工作流引擎。流水线状态存储在 Mastra 的 Memory 系统中,跨 Agent 共享;每个阶段之间通过明确定义的 Gate(关卡)传递工件(Artifact),只有通过 Gate 的工件才会进入下一阶段。
Factory 的 Agent 调度基于 Mastra 的代理框架(Agent Framework),支持长期运行的持久化 Agent(Durable Agent)和按需启动的一次性 Agent 两种模式。运行时,Agent 在隔离的沙箱(Sandbox)环境中执行 Shell 命令和代码操作,确保生产环境安全。
工厂内部的通信依赖结构化的事件总线(Event Bus),流水线状态变更、Gate 审批结果、Agent 执行日志均通过事件驱动更新,前端 UI 实时反映最新进展。外部集成(GitHub、Linear、Slack)通过 Webhook 与 Factory 双向同步。
快速上手
第一步:安装 Factory 在终端运行以下命令,即可通过 npm 创建新的 Factory 项目:
npm create factory
安装完成后,进入工厂目录,启动本地开发服务器即可访问 Factory 的 Web UI。
第二步:连接开发工具 在 Factory UI 中,进入「连接」页面,授权 GitHub 仓库、Linear 工作区和 Slack 工作区。Factory 会自动同步这些工具中的 Issue 和 Pull Request。
第三步:配置流水线阶段 在「流水线」页面,根据团队的开发流程自定义各个阶段。可以为每个阶段选择或创建专业 Agent,配置该阶段需要调用的工具和审批规则。
第四步:发起第一个任务 在 Linear 或 GitHub 中创建一个 Issue,Factory 会自动将其拉入流水线。打开流水线视图,可以看到任务进入 Intake 阶段,然后根据配置流向后续阶段,Agent 在每个阶段执行相应操作。
第五步:人工审批与合并 当流水线到达 Gate(评审节点)时,系统会暂停并通知相关工程师。工程师可以在 UI 中查看 Agent 的执行结果,决定是放行还是要求重新修改。审批通过后,PR 由 Agent 自动提交合并。
适用人群
工程团队负责人:希望规模化引入 AI 编程能力,同时保持代码质量可控的中大型研发团队。DevOps 工程师:需要规范团队 AI Agent 使用流程、确保所有代码变更有审计记录的团队。AI 工程实践者:正在探索 Agentic 软件开发(Agentic Software Development)模式,希望找到生产级工程框架的开发者。
评论与建议
登录 后参与评论或提建议