Mastra Trace Intelligence klynger agent-spor med UMAP og HDBSCAN

Når en agent først står i produksjon, er flaskehalsen sjelden modellen. Den er lesingen: noen må gå gjennom sporene fra ekte brukere og oversette dem til konkrete fikser, og det kan ta uker eller måneder, skriver Mastra i annonseringen av Trace Intelligence.

Mekanikken er spesifikk. Trace Intelligence trekker ut en kompakt representasjon av hvert fullførte spor med metadata, genererer fire signaler per spor (mål, stemning, oppførsel og utfall), embedder hvert signal og klynger like signaler sammen. Dimensjonsreduksjonen går gjennom UMAP, klyngingen gjennom HDBSCAN, som er tetthetsbasert og dermed ikke krever at du oppgir antall klynger på forhånd. Resultatet serveres som tidsvinduer med volum per tema, trender, flyt mellom signaler og representative spor.

«Trace Intelligence har hjulpet oss med å prioritere fikser, velge ut spor til evals og verifisere at endringer forbedrer brukeropplevelsen» — Sam Bhagwat, Mastra

Lanseringen er andre steg i det Mastra kaller agent-læringssløyfen: se gjennom spor, lage datasett, teste fikser, sende til produksjon. Datasets og Experiments kom i mars, og selskapet sier neste steg er å generere forslag til fikser automatisk. Funksjonen er bygget inn i observability på Mastra-plattformen, så sporene dine må ligge der for at klyngingen skal virke.

Hva bør du gjøre?

1. Meld deg på betaen på mastra.ai/trace-intelligence hvis du allerede kjører agenter på Mastra-plattformen og har flere spor enn du rekker å lese.
2. Lås versjonene i @mastra-navneområdet og slå av postinstall-skript ved installasjon. Microsoft tilskrev i juni 2026 den nordkoreanske gruppen Sapphire Sleet et angrep der 141 npm-pakker i navneområdet ble forgiftet.
3. Vurder å bygge klyngingen selv hvis sporene allerede ligger i Langfuse eller en OpenTelemetry-backend. UMAP over signal-embeddinger med HDBSCAN på toppen er en oppskrift du kan reprodusere med standardbiblioteker.