Метаданные MAESTRO

MAESTRO проставляет типизированный блок происхождения в chain.metadata["care"], чтобы сохранённая цепочка помнила задачу, для которой была сгенерирована, прикреплённые файлы, кто её создал, и её теги. Вы можете читать/писать его двумя методами ReasoningChain.

Запись и чтение

from mmar_carl import CareChainMetadata, CareContextFile

# kwargs form (handy in code / tests)
chain.set_care_metadata(
    task_description="Summarise the quarterly report",
    context_files=[CareContextFile(path="report.pdf", size_bytes=20480)],
    display_name="Quarterly summariser",
    tags=["finance", "summary"],
)

# or hand over a ready model (CARE's usual path)
chain.set_care_metadata(meta=CareChainMetadata(task_description="..."))

meta = chain.get_care_metadata()   # -> CareChainMetadata | None

Передайте либо meta=, либо отдельные kwargs — смешивание вызывает ValueError. get_care_metadata() возвращает None, когда у цепочки нет блока care (т.е. она не была создана инструментом с поддержкой MAESTRO).

Поля CareChainMetadata

task_description, context_files (список CareContextFile{path, size_bytes}), generated_by, mage_metadata (dict), display_name, description, tags. Ключ пространства имён — CARE_METADATA_NAMESPACE ("care").

Повторная инициализация контекста из сохранённой цепочки

ReasoningContext.from_chain_inputs строит свежий контекст из метаданных MAESTRO цепочки — точка входа «перезапустить из библиотеки»:

context = ReasoningContext.from_chain_inputs(
    chain,
    api=client,
    outer_context=None,             # falls back to the saved task_description
    load_files_from_metadata=True,  # re-read the attached context_files
)
result = await chain.execute_async(context)

Передайте files={...}, чтобы переопределить содержимое файлов, или outer_context=, чтобы переопределить вход; любые дополнительные **kwargs (например, language=, system_prompt=) пробрасываются дальше.

Смотрите также

• Preflight · RunRecord
• JSON-сериализация — метаданные MAESTRO проходят round-trip вместе с цепочкой.