Glosarium

Istilah teknis dalam materi ini dipertahankan dalam bahasa Inggris, karena itulah yang akan kamu temui di dokumentasi dan kode. Halaman ini menjelaskan masing-masing dengan bahasa sendiri.

Diurutkan secara alfabetis.

A

A2A (Agent-to-Agent) — Protokol terbuka untuk mendelegasikan pekerjaan ke agent yang berjalan di layanan, framework, atau bahasa lain. Agent jarak jauh menjaga tool, prompt, memory, dan infrastrukturnya tetap privat, dan hanya mengekspos endpoint. Mastra mendukung versi 0.3.0. → 6.3

ACP (Agent Client Protocol) — Protokol untuk menjalankan proses coding agent seperti Claude Code atau OpenCode sebagai tool Mastra, lewat stdin dan stdout. → 6.3

Agent — Primitif Mastra yang diberi tujuan lalu memutuskan sendiri langkah apa yang diambil. Bukan satu panggilan model, melainkan loop yang bisa berputar beberapa kali. Lawannya adalah workflow, di mana kamu yang menentukan langkahnya. → 1.1

Agent card — Dokumen JSON yang menggambarkan sebuah agent A2A dan memuat URL eksekusinya. Disajikan dari URL yang sudah disepakati. → 6.3

B

Background task — Pekerjaan yang berjalan asinkron tanpa memblokir percakapan, dan hasilnya dikembalikan ke agent saat selesai. → 7.1

C

Chunk — Potongan dokumen hasil pemotongan sebelum dibuat embedding. Ukuran potongan adalah keputusan desain paling berpengaruh pada mutu RAG. → 5.2

Composite storage — Konfigurasi yang merutekan tiap domain storage ke backend yang berbeda, sehingga tiap jenis data memakai basis data yang paling cocok untuk pola aksesnya. → 9.1

D

Domain (storage) — Pengelompokan data runtime dalam storage Mastra. Ada sembilan: memory, workflows, observability, scores, datasets, experiments, backgroundTasks, schedules, dan threadState. Dukungan adapter berbeda-beda per domain. → 9.1

Durable agent — Agent yang dibungkus sehingga loop-nya berjalan di dalam workflow dan peristiwanya mengalir lewat PubSub. Bertahan melewati restart proses dan koneksi klien yang putus. → 7.1

E

Embedding — Deretan angka yang mewakili makna sebuah teks. Teks yang maknanya berdekatan mendapat angka yang berdekatan, sehingga bisa dicari berdasarkan makna alih-alih kata kunci. → 5.1

Exporter — Komponen observability yang menentukan ke mana data trace dikirim — ke storage Mastra, ke platform Mastra, atau ke sistem lain. → 8.1

F

FGA (Fine-Grained Authorization) — Otorisasi tingkat sumber daya, yang memetakan rute ke tindakan dan membatasi cakupan sumber daya tersimpan. → 9.3

Function step — Tahap scorer yang berupa fungsi biasa dan tidak pernah memanggil judge. Lawannya adalah prompt object step. → 8.4

G

Gate — Scorer yang harus mencapai skor rata-rata 1.0 dalam runEvals. Kegagalan sebuah gate membuat verdict menjadi failed. Lawannya adalah threshold, yang lebih longgar. → 8.4

Goal — Tujuan durable yang terikat pada thread, yang terus dikejar agent sampai model penilai menganggapnya tercapai atau anggaran run habis. → 7.2

H

Harness — Kumpulan kemampuan untuk mengelola agent di luar satu run yang tidak terputus: durable agent, background task, goal, schedule, dan signal. → Bagian 7

HITL (Human-in-the-loop) — Pola di mana eksekusi berhenti untuk menunggu keputusan atau masukan manusia, lalu dilanjutkan. Ada pada tool (2.3) maupun workflow (4.5).

I

Instructions — System message yang mendefinisikan identitas, perilaku, dan batasan agent. Ikut dikirim di setiap panggilan model, termasuk di setiap putaran loop. → 1.2

J

Judge — Model yang menilai keluaran agent, dipakai oleh scorer berbasis LLM dan oleh goal. → 8.4

M

MCP (Model Context Protocol) — Standar terbuka untuk berbagi tool dan resource antar sistem. Mastra bisa menjadi klien (memakai tool orang lain) maupun server (menyediakan tool untuk orang lain). → Bagian 6

Memory — Kemampuan agent mengingat. Ada empat bentuk berbeda tujuan: message history, working memory, semantic recall, dan observational memory. → Bagian 3

Message history — Bentuk memory paling dasar: sejumlah pesan terakhir dari sebuah thread, yang ikut dikirim sebagai konteks. → 3.1

Model router — Mekanisme Mastra yang menerima model sebagai string provider/model dan mencari sendiri environment variable penyedia yang sesuai — tanpa mengimpor paket penyedia. → 0.3

O

Observability — Kemampuan melihat apa yang terjadi di dalam sistem, lewat trace, log, dan metrik. → Bagian 8

Observational memory — Bentuk memory yang memakai agent latar belakang (Observer dan Reflector) untuk memelihara log observasi padat, menggantikan riwayat pesan mentah saat percakapan tumbuh panjang. → 3.4

P

Prompt object step — Tahap scorer berbentuk objek dengan description dan createPrompt, yang memanggil judge. Lawannya adalah function step. → 8.4

PubSub — Mekanisme penerbitan dan langganan peristiwa yang memungkinkan klien terputus lalu menyambung kembali ke stream yang sama. → 7.1

Q

Quick Check — Micro-scorer tanpa LLM untuk asersi yang deterministik — misalnya apakah sebuah tool dipanggil, atau apakah keluaran memuat sebuah substring. → 8.3

R

RAG (Retrieval-Augmented Generation) — Pola yang memberi model pengetahuan dari dokumenmu: dokumen dipotong, diubah jadi embedding, disimpan, lalu potongan relevan diambil dan disisipkan ke konteks saat pertanyaan datang. → Bagian 5

Reranking — Langkah kedua setelah pencarian vektor, di mana sebuah model menilai ulang hasil dan mengurutkannya kembali berdasarkan relevansi. → 5.3

RequestContext — Wadah nilai yang khas untuk satu permintaan — identitas pengguna, tenant, locale, feature flag — yang tersedia bagi agent, tool, dan workflow. Berbeda dari memory, yang menangani riwayat lintas panggilan. → 9.2

Resource — Pemilik sebuah thread: pengguna, organisasi, proyek, atau entitas lain. Harus berasal dari sesi terautentikasi, bukan dari data yang dikirim klien. → 3.1

Run — Satu eksekusi workflow atau durable agent, dengan runId yang bisa dipakai untuk kembali kepadanya nanti. → 4.1

S

Sandbox — Lingkungan terisolasi tempat agent menjalankan perintah, mengeksekusi kode, dan mengelola proses. Berbeda dari filesystem, yang untuk berkas yang bertahan. → 7.4

Scorer — Tes otomatis yang menilai keluaran agent dan mengembalikan skor numerik, biasanya antara 0 dan 1. → 8.3

Semantic recall — Bentuk memory yang mencari pesan lama berdasarkan makna, memakai embedding dan vector store. Pada dasarnya RAG atas riwayat percakapanmu sendiri. → 3.3

Signal — Masukan yang dikirim ke thread agent di luar pemanggilan stream() biasa. sendMessage() untuk yang ditulis manusia, sendSignal() untuk konteks yang dihasilkan sistem. → 7.2

Skill — Instruksi yang bisa dipakai ulang dan dimuat saat dibutuhkan, alih-alih selalu ikut di instruksi dasar. → 7.3

Snapshot — Keadaan eksekusi yang disimpan saat workflow atau pemanggilan tool dijeda, sehingga bisa dilanjutkan nanti — bahkan setelah proses restart. → 4.5

Span — Satu operasi yang direkam dalam sebuah trace. Span tersusun hierarkis. → 8.1

Step — Satu unit kerja dalam workflow, dengan schema masukan dan keluaran. → 4.1

Structured output — Keluaran agent berbentuk objek tervalidasi sesuai schema, diakses lewat response.object, alih-alih teks bebas. → 1.4

Studio — Antarmuka Mastra di localhost:4111 untuk membangun, menguji, dan memeriksa agent, workflow, dan trace. → 0.3

Subagent — Agent spesialis yang bisa didelegasikan pekerjaan oleh agent lain. Agent induknya disebut supervisor. → 7.3

Supervisor — Agent yang mengoordinasikan beberapa subagent. → 7.3

Suspend / resume — Kemampuan workflow berhenti di sebuah langkah dan dilanjutkan kemudian, bahkan dari proses yang berbeda. → 4.5

T

Thread — Satu sesi percakapan yang berisi urutan pesan. Dimiliki oleh sebuah resource. → 3.1

Threshold — Skor minimum yang dilacak dalam runEvals. Kalau tidak tercapai, verdict menjadi scored — bukan failed seperti pada gate. → 8.4

Tool — Kemampuan konkret yang bisa dipanggil agent, dengan input dan output yang tervalidasi. Hasilnya kembali ke model, bukan ke pengguna. → Bagian 2

Trace — Rekaman satu permintaan dari awal sampai akhir, tersusun dari span-span yang hierarkis. → 8.1

V

Vector store — Basis data yang dioptimalkan untuk menemukan embedding yang paling mirip dengan sebuah embedding kueri. → 5.3

Verdict — Kesimpulan sebuah run evaluasi: passed, scored, atau failed. → 8.4

W

Working memory — Bentuk memory yang menyimpan fakta bertahan tentang pengguna dalam blok teks Markdown, terpisah dari percakapan yang bergulir. → 3.2

Workflow — Proses multi-langkah yang urutannya kamu tentukan, bukan model. Lawannya adalah agent. → Bagian 4

Workflow state — Penyimpanan bersama yang bisa dibaca dan ditulis semua langkah workflow, tanpa harus dioper lewat schema tiap langkah. → 4.3

Workspace — Pembungkus yang menampung sandbox, filesystem, search, LSP, dan skills untuk sebuah agent. → 7.4