Mastra Factory: KI-Entwicklung vom Issue bis zum PR

Softwareaufgaben mit KI-Agenten bearbeiten und im Team prüfen.

mastra.ai
Mastra Factory screenshot

Mastra Factory ist eine Open-Source-Umgebung für Softwareentwicklung mit KI-Agenten. Sie verbindet bestehende Repositories, Aufgaben, Planung, Implementierung und Pull-Request-Reviews in einem gemeinsamen Ablauf. Entwickler können Arbeit delegieren und trotzdem über Umfang, Vorgehen und die Übernahme der Änderungen entscheiden.

Einfach erklärt: Wofür ist Mastra Factory da?

Stellen Sie sich eine kleine Fehlerbeschreibung in GitHub vor. Factory lässt einen Coding-Agenten das Projekt untersuchen, einen Plan erstellen, Dateien ändern und Prüfungen ausführen. Das Team sieht anschließend den Patch und entscheidet, ob er die Anforderung erfüllt. Das Ergebnis ist eine nachvollziehbare Codeänderung statt eines isolierten Vorschlags im Chat.

Typische Aufgaben sind neue Funktionen, Bugfixes, Refactoring und Tests. Das Werkzeug richtet sich an Entwickler mit einem Repository und einer konfigurierten Ausführungsumgebung. Die fachliche Beurteilung des Codes bleibt notwendig.

Aufgaben planen, umsetzen und gemeinsam prüfen

Intake, Triage, Planning, Building, Review und Done bilden die Entwicklungsschritte ab. Regeln bestimmen, wie die jeweilige Aufgabe weiterläuft. In der Triage können Menschen fehlende Angaben ergänzen; vor der Implementierung lässt sich der Plan prüfen und ändern.

Jeder Arbeitsauftrag behält seine Sitzung. Für einen Pull Request gibt es einen eigenen Review-Eintrag mit separater Sitzung. Ein gemergter PR bedeutet deshalb nicht automatisch, dass der ursprüngliche Auftrag vollständig erledigt ist: Weitere Änderungen oder zusätzliche PRs können erforderlich bleiben.

Einen ersten Auftrag im vorhandenen Repository testen

Die offizielle Startanleitung beschreibt folgende Vorgehensweise:

  1. Außerhalb des Ziel-Repositories npm create factory@latest my-factory ausführen und den Einrichtungsdialog abschließen.
  2. FACTORY_CREDENTIAL_ENCRYPTION_KEY einmalig in .env konfigurieren und sicher aufbewahren. Fehlt der Schlüssel, nennt die Anleitung openssl rand -base64 32 zur Erzeugung. Ein Austausch kann gespeicherte Zugangsdaten unlesbar machen.
  3. Mit npm run dev starten, die ausgegebene Adresse öffnen und Repository sowie Modellanbieter verbinden. Linear ist optional.
  4. Unter Settings → Work Intake GitHub-Issues aktivieren und das Repository auswählen. Repository-Zugriff und Aufgabenabonnement sind getrennte Einstellungen.
  5. Eine kleine Aufgabe mit klaren Abnahmekriterien anlegen, etwa eine README-Ergänzung. Für den ersten Versuch automatischen Start und automatische Plangenehmigung deaktiviert lassen.
  6. Untersuchung lesen, Fragen beantworten und Planung freigeben. Danach Diff, tatsächliche Prüfausgaben und PR-Checks kontrollieren, bevor der normale Review- und Merge-Prozess folgt.

Hosting und vertraulicher Code

Es gibt vollständiges Plattform-Hosting, einen lokalen Server mit Plattformressourcen und vollständiges Self-Hosting. Ein lokal gestarteter Server kann weiterhin Cloud-Authentifizierung, PostgreSQL und Sandboxes verwenden. Daraus folgt keine Zusage, dass alle Daten lokal bleiben.

Für vollständiges Self-Hosting dient --no-platform. Authentifizierung, persistente Datenbank und Ausführungsumgebung müssen dann selbst eingerichtet werden. Im Produktivbetrieb braucht Factory einen dauerhaft laufenden Node.js-Prozess und einen HTTPS-Endpunkt mit Streaming-Unterstützung. Die Deployment-Dokumentation beschreibt diese Voraussetzungen.

Modellzugriff hängt vom Anbieterkonto ab; persönliche und organisationsweite Zugangsdaten haben unterschiedliche Reichweiten. Schlüssel gehören in die Zugangsdatenverwaltung, nicht in Issues. Prüfen Sie die Datenschutzerklärung und die Bedingungen der gewählten Modell- und Sandbox-Anbieter, bevor Sie vertraulichen Code verarbeiten.

Kosten und Lizenzgrenzen

Stand 10. September 2026 zeigt die offizielle USD-Preisliste Starter mit 0 US-Dollar pro Monat, 100.000 Observability-Ereignissen, 24 CPU-Stunden und 15 Tagen Datenaufbewahrung. Teams kostet laut Liste 250 US-Dollar monatlich; Enterprise wird individuell angeboten.

Das ist kein unbegrenztes Kontingent für Coding-Agenten. Modellnutzung, Mehrverbrauch und Infrastruktur beeinflussen die Gesamtkosten. Die aktuelle Preisliste ist deshalb für die Kalkulation entscheidend; lokale Steuern sind hier nicht eingerechnet. Laut Lizenzübersicht gilt überwiegend Apache 2.0, während Enterprise-Code in ee/ für den Produktivbetrieb eine entsprechende Lizenz benötigt.

Häufige Fragen

Kann ich ein bestehendes Projekt verwenden?

Ja. GitHub-Repository verbinden und Issue-Intake aktivieren; ein neues Anwendungsprojekt ist nicht erforderlich.

Ist der Betrieb vollständig kostenlos?

Nein. Open Source und ein kostenloser Einstieg schließen Modellgebühren, Mehrverbrauch, Hostingkosten oder Enterprise-Lizenzen nicht aus.

Bleiben bei lokaler Ausführung alle Daten auf meinem Rechner?

Nicht automatisch. Server, Datenbank, Authentifizierung, Modell und Sandbox müssen gemeinsam betrachtet werden.

Wer entscheidet über den Merge?

Das Team kann Aufgaben klären, Pläne prüfen und den endgültigen Pull Request zur Übernahme freigeben. Die Board-Regeln legen den Automatisierungsgrad fest.

Offizielle Anlaufstellen