trigger.dev Skill：让 AI Agent 拥有持久化执行与完整可观测性

Skill超级捕获手 技术创作者 2026-08-30 13 阅读

trigger.dev 是一个开源 TypeScript 平台，让开发者用熟悉的代码构建 AI Agent 和长时间运行的后台工作流，无需管理底层基础设施。平台提供持久化任务执行（无 AWS Lambda 那种超时限制）、自动重试、并发队列、可观测性等开箱即用的能力，并内置 MCP Server，可直接让 Claude Code、Cursor 等 AI 编程工具触发、检查和管理工作流运行。自 2022 年底开源以来持续活跃，2026 年 8 月刚发布 chat.agent 持久化对话功能，引发新一轮社区热度，GitHub star 在一周内增长明显，是当前 AI Agent 基础设施领域的热门项目之一。

trigger.dev 的核心设计理念是让 AI 工作流像普通后台任务一样可靠，同时保留 Agent 的长期记忆和复杂决策能力。平台不限制任务执行时长（对比 AWS Lambda/Vercel Serverless 的超时墙），任务可以暂停等待人工审批（Waitpoints）、checkpoint 后从断点恢复；内置 LLM 可观测性面板，记录每一次模型调用的 token 消耗和延迟；构建扩展支持在生产环境跑浏览器、Python 脚本、FFmpeg 等系统级任务。

截至 2026-08-30，trigger.dev 在 GitHub 累计约 15.9K Stars（1.4K Forks），Apache-2.0 开源协议。项目更新频率极高，2026 年 8 月保持每周至少一个小版本迭代，当月发布了 v4.5.10~v4.5.12 三个正式版，并推出全新 chat.agent 持久化对话功能。社区讨论热度在 Hacker News、LinkedIn AI Agent 趋势榜单持续出现，被多家 AI 应用团队（MagicSchool AI、Flick.social、Unkey 等）用于生产环境。NPM 每周下载量在万级区间。

  • GitHub：https://github.com/triggerdotdev/trigger.dev
  • 官网：https://trigger.dev
  • MCP Server 官方文档：内置（npx trigger.dev@latest mcp --install）

trigger.dev 由 Eric Allam（联合创始人兼 CTO）主导开发，团队规模小而精，专注于 AI 工作流基础设施赛道。Eric Allam 在播客和社区分享中多次强调”AI 应用需要像普通业务逻辑一样可靠执行”这一设计哲学。项目采用 Apache-2.0 许可证，代码完全开源，支持自托管。

trigger.dev 是一个专为 AI 应用设计的 TypeScript 后台任务平台，核心解决了两个问题：AI 任务执行不可靠（超时、断点无法恢复）和 Agent 缺乏基础设施支撑（没有队列、重试、可观测性）。平台提供三种主要使用方式：一是 @trigger.dev/sdk 的 task() API，用标准 TypeScript 编写带自动重试和持久化保证的后台任务；二是 chat.agent()，为 AI 对话场景提供有状态的持久化机器（每个对话自建状态机，支持 sleeping/waking 生命周期）；三是内置 MCP Server，让 AI 编程工具（Claude Code、Cursor）直接以工具调用方式触发任务、查询运行状态、管理 prompt 版本。平台内置 LLM 可观测性——每一次 AI 调用都被记录（模型、token、延迟、成本），并可在 run trace 中展开查看完整调用链。

  • 长任务无超时：真正无执行时间限制，不像 AWS Lambda/Vercel 有 15 分钟超时墙
  • 内置 MCP Server：AI 编程工具可直接触发任务、查询运行、修改 prompt 版本，无需额外包装
  • chat.agent 持久化对话：每个对话拥有独立状态机，支持 pause/wake 生命周期，适合客服、销售 AI 等场景
  • Checkpoint & Resume + Waitpoints：任务可在任意点暂停等待人工审批（approve/reject/feedback）后继续执行
  • 构建扩展（Build Extensions）：在生产任务中运行浏览器、Python、FFmpeg 等，突破了传统”纯代码”后台任务的边界
  • LLM 可观测性：内置 AI 调用追踪，记录 token 消耗、延迟、成本，每个 span 可展开查看模型输入输出
  • 多环境 + Preview 分支：隔离的测试/生产环境，Preview 分支支持独立部署和调试

安装步骤（TypeScript 项目）：

# 1. 安装 SDK
npm install @triggerdotdev/sdk

# 2. 初始化项目（自动生成 trigger.config.ts）
npx trigger.dev@latest init

# 3. 编写第一个任务
# trigger.config.ts 或 src/trigger.ts
import { task } from "@triggerdotdev/sdk";

export const summarizeTask = task({
  id: "summarize-text",
  run: async (payload: { text: string }) => {
    // 这里可以调用 LLM API
    const summary = await callLLM(payload.text);
    return { summary };
  },
});

启动本地开发服务器：

npx trigger.dev dev
# 服务运行在 http://localhost:3000，可通过 MCP 工具触发任务

MCP Server 安装（让 Claude Code 使用）：

npx trigger.dev@latest mcp --install

安装后 Claude Code 会自动获得 trigger_task、list_runs、query 等工具，可直接触发任务并查询结果。

典型场景一：AI 客服对话

// 使用 chat.agent() 创建有状态客服 Agent
export const supportAgent = chat.agent({
  id: "support-agent",
  model: "gpt-4o",
  run: async ({ chat }) => {
    chat.on("order_lookup", async (payload) => {
      const order = await db.orders.find(payload.orderId);
      await chat.reply(`订单 ${order.id} 状态：${order.status}`);
    });
  },
});

// Claude Code 可通过 MCP 直接对话这个 Agent
// > 帮我查一下订单 #4821 的状态

典型场景二：LLM 调用可观测性

# 通过 MCP 的 TRQL 查询所有 AI 调用
query "SELECT model, tokens_used, cost_msat FROM llm_metrics WHERE run_id = '...'"
# → 返回该次任务所有 LLM 调用的模型、token 消耗和费用明细

trigger.dev 适合需要构建以下类型 AI 应用的团队：长时间运行的 AI Pipeline（如批量内容生成、数据分析、文档处理）；需要人工审批的 AI 工作流（如 AI 生成内容需编辑确认后再发布）；多步骤 Agent 系统（需要任务队列、重试保障和完整可观测性）；AI 应用基础设施团队（不想自己维护 Temporal/Celery 等传统后台框架，希望享受 AI 原生的可观测性和弹性扩展）。目标用户为 TypeScript/Node.js 后端开发者、AI 应用工程师、以及需要在生产环境运行 LLM 相关任务的团队。

输入示例（触发一个摘要任务）：

{
  "name": "summarizeTask",
  "payload": {
    "text": "这是一段很长的产品介绍文本，描述了某 AI 平台的功能、定价和使用场景..."
  }
}

输出示例（任务执行完成后）：

{
  "id": "run_abc123",
  "status": "success",
  "output": {
    "summary": "该平台是一个面向开发者的 AI 工作流编排工具，支持长任务执行、内置 MCP Server 和 LLM 可观测性，适合构建生产级 AI 应用。"
  },
  "traces": [
    {
      "type": "llm_call",
      "model": "gpt-4o",
      "input_tokens": 1247,
      "output_tokens": 89,
      "cost_msat": 320
    }
  ]
}

GitHub: https://github.com/triggerdotdev/trigger.dev

评论区

0 条评论

登录后可评论。

Skill超级捕获手 13 阅读