Motia - バックエンド開発を1つのプリミティブで統一する新世代フレームワーク

はじめに

バックエンド開発をやっていると、用途によってフレームワークを使い分けることが多いですよね。

APIサーバーならExpress、バックグラウンドジョブならBullMQ、ワークフローならTemporal。それぞれ良いツールなんですけど、プロジェクトが大きくなると管理が煩雑になってくる。

「これ、全部統一できないの？」と思っていたら、いいフレームワークを見つけました。

それがMotia。「Step」という単一のプリミティブで、APIもジョブもワークフローもAIエージェントも構築できるという、かなり野心的なフレームワークです。

GitHubスターは11,000を超えていて、開発も活発。個人的にはこれ、かなり注目しています。

Motiaとは

Motiaは「one STEP to build any backend」をコンセプトにしたマルチ言語対応のバックエンドフレームワークです。

従来は複数のライブラリやフレームワークを組み合わせて実現していた機能を、「Step」という統一された概念で構築できます。TypeScript、JavaScript、Pythonに対応しているので、チームのスキルセットに合わせて言語を選べるのも嬉しい。

ビルトインの可観測性（トレース、ログ）と状態管理機能を備えているので、運用面でも楽ができます。

特徴・メリット

単一プリミティブ「Step」で何でも作れる

これがMotiaの核心です。API、イベントハンドラ、定期実行ジョブ、すべてが「Step」という同じ構造で定義されます。

学習コストが低いのは大きなメリットですね。1つの書き方を覚えれば、あとは応用するだけ。

マルチ言語対応

TypeScript、JavaScript、Pythonに対応しています。同じプロジェクト内で混在させることも可能なので、「この処理はPythonの方が得意」みたいな場面でも柔軟に対応できます。

これ、意外とできるフレームワークが少ないんですよね。

ビジュアルデバッガ「Workbench」

開発サーバーを起動すると、ブラウザでワークベンチが開きます。Stepの依存関係がフロー図で可視化されていて、トレースやログも確認できる。

デバッグ時に「どのStepで止まってる？」というのが一目瞭然なので、QOL上がります。

セルフホスト可能

Dockerイメージが提供されているので、AWSでもGCPでもオンプレでも、好きな場所にデプロイできます。Motia Cloudというマネージドサービスもあるので、インフラを気にしたくない場合はそちらを選ぶことも可能。

イベント駆動アーキテクチャが簡単

Step間の通信はemit関数でイベントを発行するだけ。疎結合な設計が自然と実現できます。マイクロサービス的な思想で設計したいときには便利。

インストール方法

インストールは非常に簡単です。npxコマンド一発でプロジェクトを作成できます。

npx motia@latest create

対話形式でテンプレートとプロジェクト名、使用言語を選択すれば、すぐに開発を始められます。

開発サーバーの起動

npx motia dev

これだけでローカルサーバーがhttp://localhost:3000で起動します。時短になるのは間違いない。

Dockerでデプロイ

docker pull motiadev/motia
docker run -p 3000:3000 motiadev/motia

本番環境へのデプロイもシンプルです。

基本的な使い方

Stepの構造

MotiaのStepは、configとhandlerの2つで構成されます。

// send-message.step.ts
export const config = {
  name: 'SendMessage',
  type: 'api',
  path: '/messages',
  method: 'POST'
};

export const handler = async (req, { emit, logger }) => {
  logger.info('メッセージを受信しました', req.body);

  // イベントを発行して他のStepに処理を委譲
  await emit({
    topic: 'message.sent',
    data: req.body
  });

  return { status: 200, body: { ok: true } };
};

ファイル名を.step.tsにするだけで、Motiaが自動的に認識してくれます。設定ファイルをいじる必要がないのは楽ですね。

イベントを購読するStep

// process-message.step.ts
export const config = {
  name: 'ProcessMessage',
  type: 'event',
  subscribes: ['message.sent']
};

export const handler = async (input, { logger, state }) => {
  logger.info('メッセージを処理中:', input);

  // 状態を保存
  await state.set('lastMessage', input);

  // ここで実際の処理を行う
  // メール送信、DB保存、外部API呼び出しなど
};

subscribesでトピックを指定するだけで、そのイベントを受け取れます。

定期実行（Cron）

// daily-report.step.ts
export const config = {
  name: 'DailyReport',
  type: 'cron',
  cron: '0 9 * * *'  // 毎日9時に実行
};

export const handler = async (_, { logger, emit }) => {
  logger.info('日次レポートを生成中...');

  await emit({
    topic: 'report.generated',
    data: { date: new Date().toISOString() }
  });
};

Cronジョブも同じStep構造で書けます。一貫性があって良い。

Pythonでも書ける

# analyze_data_step.py
config = {
    "name": "AnalyzeData",
    "type": "event",
    "subscribes": ["data.received"]
}

async def handler(input, ctx):
    ctx.logger.info("データ分析中...")

    # Pythonの強力なデータ処理ライブラリを活用
    result = process_with_pandas(input)

    await ctx.emit({
        "topic": "analysis.completed",
        "data": result
    })

データ分析やML関連の処理はPythonで書きたいことが多いので、この柔軟性は助かります。

実践的なユースケース

Webhook受信 → 非同期処理

これは定番のパターンですね。外部サービスからのWebhookを受けて、重い処理は非同期で行う。

// webhook.step.ts
export const config = {
  name: 'WebhookReceiver',
  type: 'api',
  path: '/webhook',
  method: 'POST'
};

export const handler = async (req, { emit }) => {
  // すぐにレスポンスを返す
  await emit({ topic: 'webhook.received', data: req.body });
  return { status: 200, body: { received: true } };
};

// process-webhook.step.ts
export const config = {
  name: 'ProcessWebhook',
  type: 'event',
  subscribes: ['webhook.received']
};

export const handler = async (data, { logger }) => {
  // 時間のかかる処理をここで実行
  logger.info('Webhookデータを処理中...', data);
};

AIエージェントの構築

MotiaはAIエージェントの構築にも対応しています。LLMの呼び出しをStep化して、複数のエージェントを連携させることも可能。

// ai-agent.step.ts
export const config = {
  name: 'AIAgent',
  type: 'event',
  subscribes: ['query.received']
};

export const handler = async (input, { emit, logger }) => {
  const response = await callLLM(input.query);

  await emit({
    topic: 'response.generated',
    data: { response }
  });
};