> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ja/llms.txt

# Supervisor Agent を使用した research coordinator の構築

このガイドでは、Supervisor Agent を使用して複数の専門 Agent を指揮する research coordinator を構築します。coordinator は調査タスクを research Agent に、執筆タスクを writing Agent に委譲し、その結果を詳細なレポートにまとめます。

明確な役割を持つ subagent をセットアップし、それらを調整する Supervisor Agent を設定します。また、delegation hook で実行を制御し、scorer でタスクの完了を検証します。

## 前提条件

- Node.js `v22.13.0` 以降がインストールされていること
- サポートされている [Model Provider](https://mastra.zisheng.pro/ja/models) の API キー
- 既存の Mastra プロジェクト（新しいプロジェクトをセットアップするには、[インストールガイド](https://mastra.zisheng.pro/ja/guides/getting-started/quickstart)に従ってください）

## Research Agent の作成

Research Agent は、あらゆるトピックに関する事実情報の収集を専門とします。重要な事実とソースを含む簡潔な箇条書きの要約を返します。

新しいファイル `src/mastra/agents/research-agent.ts` を作成します。

```typescript
import { Agent } from '@mastra/core/agent'

export const researchAgent = new Agent({
  id: 'research-agent',
  name: 'Research Specialist',
  description:
    'Specializes in gathering factual information and data on any topic. ' +
    'Returns concise bullet-point summaries with key facts and sources. ' +
    'Does not write full articles or narrative content.',
  instructions:
    'You are a research specialist. When given a topic, gather key facts, ' +
    'statistics, and information. Present findings as clear bullet points. ' +
    'Include sources when possible. Focus on accuracy and completeness.',
  model: 'openai/gpt-5-mini',
})
```

`description` フィールドは重要です。Supervisor がこの Agent に委譲すべきタイミングを判断するために使用します。明確な description によって、委譲の精度が向上します。

## Writing Agent の作成

Writing Agent は、調査結果を完全な段落と自然な流れを持つ、構造化された記事に変換します。

新しいファイル `src/mastra/agents/writing-agent.ts` を作成します。

```typescript
import { Agent } from '@mastra/core/agent'

export const writingAgent = new Agent({
  id: 'writing-agent',
  name: 'Writing Specialist',
  description:
    'Transforms research material into well-structured written content. ' +
    'Produces full paragraphs and complete articles with proper flow. ' +
    'Best used after research has been gathered.',
  instructions:
    'You are a writing specialist. Transform research and information into ' +
    'well-written articles. Use complete paragraphs, clear structure, and ' +
    'engaging language. Maintain a professional yet accessible tone. ' +
    'Ensure the content flows naturally from introduction to conclusion.',
  model: 'openai/gpt-5-mini',
})
```

## Supervisor Agent の作成

Supervisor は調査タスクと執筆タスクを調整します。instructions で、各 subagent を使用するタイミングと、結果をまとめる方法を含む委譲戦略を定義します。Memory は Agent に直接設定します。

新しいファイル `src/mastra/agents/supervisor-agent.ts` を作成します。

```typescript
import { Agent } from '@mastra/core/agent'
import { Memory } from '@mastra/memory'
import { LibSQLStore } from '@mastra/libsql'
import { researchAgent } from './research-agent'
import { writingAgent } from './writing-agent'

export const supervisorAgent = new Agent({
  id: 'supervisor-agent',
  name: 'Research Coordinator',
  instructions: `You coordinate research and writing tasks using specialized agents.

Available resources:
- research-agent: Gathers factual data and sources (returns bullet points)
- writing-agent: Transforms research into well-structured articles (returns full paragraphs)

Delegation strategy:
1. For research requests: Delegate to research-agent first to gather facts
2. For writing requests: Delegate to writing-agent with any available research context
3. For comprehensive reports: Delegate to research-agent first, then writing-agent
4. Always ensure you have gathered sufficient information before producing final output

Success criteria:
- All aspects of the user's request are addressed
- Information is accurate and well-sourced
- Final output is well-formatted and complete
- If anything is missing or uncertain, continue gathering information`,
  model: 'openai/gpt-5.6-sol',
  agents: {
    researchAgent,
    writingAgent,
  },
  memory: new Memory({
    storage: new LibSQLStore({
      id: 'mastra-storage',
      url: 'file:mastra.db',
    }),
  }),
  defaultOptions: {
    maxSteps: 10,

    // Monitor progress after each iteration
    onIterationComplete: async context => {
      console.log(`\n✓ Iteration ${context.iteration} complete`)
      console.log(`  Finish reason: ${context.finishReason}`)
      console.log(`  Response length: ${context.text.length} chars\n`)

      // Continue until task is complete
      return { continue: true }
    },

    // Control delegations
    delegation: {
      onDelegationStart: async context => {
        console.log(`→ Delegating to: ${context.primitiveId}`)

        // Add context for specific agents
        if (context.primitiveId === 'research-agent') {
          return {
            proceed: true,
            modifiedPrompt: `${context.prompt}\n\nFocus on recent developments (2024-2025) and include statistics.`,
          }
        }

        return { proceed: true }
      },

      onDelegationComplete: async context => {
        console.log(`✓ Completed: ${context.primitiveId}\n`)

        // Handle errors: bail to stop execution and provide feedback
        if (context.error) {
          console.error('Delegation failed:', context.error)
          context.bail() // Stop further delegations
          return {
            feedback: `Delegation to ${context.primitiveId} failed: ${context.error}. Try a different approach.`,
          }
        }
      },

      // Only pass last 10 messages to subagents
      messageFilter: ({ messages }) => {
        return messages.slice(-10)
      },
    },
  },
})
```

`src/mastra/index.ts` で Supervisor を Mastra に登録します。

```typescript
import { Mastra } from '@mastra/core'
import { supervisorAgent } from './agents/supervisor-agent'

export const mastra = new Mastra({
  agents: { supervisorAgent },
})
```

Supervisor Agent の `defaultOptions` は、delegation hook と iteration の監視を設定します。

- `onDelegationStart` は Research Agent の Prompt を変更し、最新のデータを要求します
- `onDelegationComplete` は完了を記録し、エラー発生時に停止して feedback を返します
- `messageFilter` は効率化のため、コンテキストを直近 10 件のメッセージに制限します
- `onIterationComplete` は iteration ごとに進捗を監視します

## 基本的な Supervisor のテスト

`src/index.ts` に Supervisor とやり取りするファイルを作成します。

```typescript
import { supervisorAgent } from './mastra/agents/supervisor-agent'

async function main() {
  const topic = 'artificial intelligence in education'
  console.log(`\nTopic: ${topic}\n`)

  const stream = await supervisorAgent.stream(
    `Research ${topic} and write a comprehensive article about it`,
  )

  // Stream the response
  console.log('📝 Final Report:\n')
  for await (const chunk of stream.textStream) {
    process.stdout.write(chunk)
  }
  console.log('\n')
}

main()
```

Supervisor は、`defaultOptions` に設定された delegation hook と iteration の監視を使用します。

## タスク完了 scoring の追加

タスク完了 scorer は、タスクが完了したかどうかを自動的に検証します。これにより、Supervisor が早すぎる段階で終了するのを防ぎます。

`src/mastra/scorers/task-complete-scorer.ts` に scorer を作成します。

```typescript
import { createScorer } from '@mastra/core/evals'

export const taskCompleteScorer = createScorer({
  id: 'task-complete',
  name: 'Task Completeness',
  description: 'Checks if the research and writing task has been fully completed',
}).generateScore(async context => {
  const text = (context.run.output || '').toString()

  // Check if response contains required elements
  const hasSubstantialContent = text.length > 500
  const hasStructure = text.includes('\n\n') // Multiple paragraphs
  const hasContext = /\d{4}/.test(text) // Contains years/dates

  // Return 1 if complete, 0 if not
  if (hasSubstantialContent && hasStructure && hasContext) {
    return 1
  }

  return 0
})
```

evals パッケージをインストールします。

**npm**:

```bash
npm install @mastra/evals
```

**pnpm**:

```bash
pnpm add @mastra/evals
```

**Yarn**:

```bash
yarn add @mastra/evals
```

**Bun**:

```bash
bun add @mastra/evals
```

`defaultOptions` にタスク完了 scoring を追加するため、`src/mastra/agents/supervisor-agent.ts` の Supervisor Agent を更新します。

```typescript
import { Agent } from '@mastra/core/agent'
import { Memory } from '@mastra/memory'
import { LibSQLStore } from '@mastra/libsql'
import { researchAgent } from './research-agent'
import { writingAgent } from './writing-agent'
import { taskCompleteScorer } from '../scorers/task-complete-scorer'

export const supervisorAgent = new Agent({
  id: 'supervisor-agent',
  name: 'Research Coordinator',
  instructions: `You coordinate research and writing tasks using specialized agents.

Available resources:
- research-agent: Gathers factual data and sources (returns bullet points)
- writing-agent: Transforms research into well-structured articles (returns full paragraphs)

Delegation strategy:
1. For research requests: Delegate to research-agent first to gather facts
2. For writing requests: Delegate to writing-agent with any available research context
3. For comprehensive reports: Delegate to research-agent first, then writing-agent
4. Always ensure you have gathered sufficient information before producing final output

Success criteria:
- All aspects of the user's request are addressed
- Information is accurate and well-sourced
- Final output is well-formatted and complete
- If anything is missing or uncertain, continue gathering information`,
  model: 'openai/gpt-5.6-sol',
  agents: {
    researchAgent,
    writingAgent,
  },
  memory: new Memory({
    storage: new LibSQLStore({
      id: 'mastra-storage',
      url: 'file:mastra.db',
    }),
  }),
  defaultOptions: {
    maxSteps: 10,

    onIterationComplete: async context => {
      console.log(`\n✓ Iteration ${context.iteration} complete`)
      console.log(`  Finish reason: ${context.finishReason}`)
      console.log(`  Response length: ${context.text.length} chars\n`)
      return { continue: true }
    },

    delegation: {
      onDelegationStart: async context => {
        console.log(`→ Delegating to: ${context.primitiveId}`)

        if (context.primitiveId === 'research-agent') {
          return {
            proceed: true,
            modifiedPrompt: `${context.prompt}\n\nFocus on recent developments (2024-2025) and include statistics.`,
          }
        }

        return { proceed: true }
      },

      onDelegationComplete: async context => {
        console.log(`✓ Completed: ${context.primitiveId}\n`)

        if (context.error) {
          console.error('Delegation failed:', context.error)
          context.bail() // Stop further delegations
          return {
            feedback: `Delegation to ${context.primitiveId} failed: ${context.error}. Try a different approach.`,
          }
        }
      },

      messageFilter: ({ messages }) => {
        return messages.slice(-10)
      },
    },

    // Validate task completion
    isTaskComplete: {
      scorers: [taskCompleteScorer],
      strategy: 'all',
      onComplete: async result => {
        console.log('\n🎯 Completion Check:')
        console.log(`  Complete: ${result.complete}`)
        console.log(`  Score: ${result.scorers[0]?.score}\n`)
      },
    },
  },
})
```

scorer は、十分な量のコンテンツ、適切な構造、コンテキスト情報があるかを確認します。タスクが未完了の場合、Supervisor は iteration を続行します。これですべての hook とタスク完了 scoring が Agent の `defaultOptions` に設定され、すべての呼び出しに自動的に適用されます。

## Research coordinator のテスト

coordinator を実行して動作を確認します。

```bash
npx tsx src/index.ts
```

Supervisor が最初に Research Agent、次に Writing Agent へ委譲し、ログにその流れが表示されます。

```text
Topic: artificial intelligence in education

→ Delegating to: research-agent
✓ Iteration 1 complete
  Finish reason: tool-calls
  Response length: 0 chars

✓ Completed: research-agent

→ Delegating to: writing-agent
✓ Iteration 2 complete
  Finish reason: tool-calls
  Response length: 0 chars

✓ Completed: writing-agent

🎯 Completion Check:
  Complete: true
  Score: 1

✓ Iteration 3 complete
  Finish reason: stop
  Response length: 1247 chars

📝 Final Report:

Artificial Intelligence in Education: Transforming Learning in 2024-2025

[The coordinator will produce a comprehensive article combining research findings with well-structured writing...]
```

Agent の応答は非決定的であるため出力は異なる場合がありますが、委譲のパターンは同じです。

## 次のステップ

この research coordinator は次のように拡張できます。

- より多くの専門 Agent（fact-checker、editor、citation-formatter）を追加する
- 品質指標（readability、ソース quality）用のカスタム scorer を実装する
- Web 検索やデータベース access 用の Tool を追加する
- 複雑な複数ステップの調査プロセス用に Workflow を作成する
- structured 出力で特定の形式のレポートを生成する

関連情報：

- [Supervisor Agent](https://mastra.zisheng.pro/ja/docs/capabilities/subagents)
- [Agent.ストリーム() reference](https://mastra.zisheng.pro/ja/reference/streaming/agents/stream)