lang: zh slug: mastra title: ‘Mastra：超过 24K 颗星——减少 Token 的 TypeScript AI 框架’ description: ‘Mastra 是一个 TypeScript 原生人工智能框架，用于构建来自 Gatsby 团队的人工智能应用程序和代理。涵盖 Mastra 与 LangChain、安装、工作流程、RAG、内存、可观察性、基准测试和生产强化。’ tags: [“cost-reduction”, “llm”, “open-source”, “token-optimization”] date: 2026-05-19 00:00:00+08:00 lastmod: 2026-05-19 00:00:00+08:00 tech_stack: [] application_domain: Llm Frameworks source_version: ’' licensing_model: Open Source license_type: Apache-2.0 file_size: ’' file_md5: ’' download_url: ’' backup_url: ’' github_repo: ‘https://github.com/mastra-ai/mastra' last_maintained: ‘2026-05-19’ draft: false categories: [’llm-frameworks’] aliases:- /帖子/马斯特拉/ 常见问题解答：

问：“Mastra 是什么以及谁建造了它？” a：“Mastra 是一个开源的 TypeScript 原生框架，用于构建人工智能驱动的应用程序和代理，由 Gatsby 团队创建。它提供了一个统一的工具包，涵盖代理、工作流程、RAG 管道、内存、评估和可观察性，并且构建在 Vercel AI SDK 之上。
问：“Mastra 的观察记忆如何将代币成本降低 4-10 倍？” a：“观察记忆将上下文分割成一个稳定的压缩观察块和原始的最近消息。由于观察块在各个回合中保持一致，因此它仍然完全可缓存，从而避免了传统 RAG 检索导致的提示缓存失效，其中每次缓存未命中都会对缓存令牌带来大约 10 倍的成本损失。
问：“安装 Mastra 的系统要求是什么？” a: ‘Mastra 需要 Node.js 22.13.0 或更高版本。最快的启动方法是通过“npm create mastra@latest”使用 CLI 向导，它构建了一个完整的项目，或者您也可以使用 Zod 和您首选的 AI SDK 提供程序包手动安装“@mastra/core”。
q：“我可以在 Vercel 之外的其他地方部署 Mastra，例如 AWS 或 DigitalOcean？” ‘是的。 Mastra 是完全开源的，可以在任何 Node.js 运行时上运行。您可以使用“mastra build”进行构建，并在 DigitalOcean App Platform、AWS ECS、Google Cloud Run 或任何 Docker 主机上运行输出。 Vercel 和 Cloudflare Workers 的专用部署程序是存在的，但是可选的。
问：“Mastra 可以免费用于商业用途吗？” ‘是的。 Mastra 根据 Apache 2.0 获得许可，可免费用于商业用途和免费自托管。 Mastra Cloud 提供付费托管层，但核心框架仍然完全开源。特征图片：/images/articles/llm-frameworks-mastra-24k-e329f2.jpg— featureImage: /images/articles/mastra-24k-token-typescript-ai.png ——{{< 资源信息 >}}大多数人工智能框架都是为 Python 构建的。如果您的堆栈在 TypeScript 和 Node.js 上运行，您要么桥接语言，要么接受低于标准的开发人员体验。当 Gatsby 团队推出 Mastra 时，情况发生了变化。Mastra 是一个用于构建 AI 代理的 TypeScript 原生框架，到 2026 年 5 月达到 24,050 个 GitHub 星，现在已在 Replit、PayPal 和 Sanity 的生产中使用。本文涵盖了安装 Mastra、构建第一个代理所需的所有内容，并了解其观察内存如何将令牌成本比传统 RAG 方法降低 4-10 倍。## 什么是马斯特拉？Mastra 是一个开源 TypeScript 框架，用于构建人工智能驱动的应用程序和代理。它提供了一个统一的工具包，涵盖代理、工作流、RAG 管道、内存系统、评估框架和可观察性 - 所有这些都具有一流的 TypeScript 类型。与移植到 JavaScript 的 Python 优先框架不同，Mastra 是为 TypeScript 生态系统从头开始构建的。它位于 Vercel AI SDK 之上，用于低级模型交互，并添加了生产 AI 应用程序所需的高级抽象。

核心思想很简单：代理通过工具访问来处理开放式对话任务，工作流程管理确定性多步骤流程，RAG 为数据中的响应提供依据，内存在对话中保留上下文，而评估则衡量质量。所有六个原语都在“@mastra/core”中提供，并通过一致的 Zod 类型的 API 一起工作。

## Mastra 的工作原理 — 架构和核心概念Mastra 的架构围绕六个构建模块展开，这些构建模块反映了生产 AI 系统的实际需求：### 代理代理人是主要参与者。您向他们提供说明、模型和工具。他们决定打电话什么、何时停止以及如何回应。代理公开“.generate()”以获得完整响应，并公开“.stream()”用于实时令牌流——这对于用户希望看到逐步形成的响应的聊天 UI 至关重要。### 工作流程工作流为需要显式控制的多步骤操作提供确定性编排。它们基于 XState 构建，支持分支、并行执行、循环和人机循环模式，其中执行会在恢复之前暂停以等待批准。### RAG（检索增强生成） Mastra 的 RAG 管道处理文档分块、嵌入生成、向量存储、相似性搜索和重新排名。它可与 Pinecone、Qdrant、ChromaDB、pgvector 和许多其他矢量数据库配合使用。### 内存记忆系统包括对话历史记录（原始消息存储）、语义回忆（基于嵌入的相似性搜索）、工作记忆（作为 Markdown 草稿本的结构化事实和偏好），以及突出的功能——观察记忆——它将旧的对话压缩成密集的观察结果，将令牌成本降低 4-10 倍。### 工具工具是使用 Zod 模式定义的类型化函数，代理可以调用这些函数。它们为外部 API、数据库和服务提供结构化接口。 Mastra 还支持模型上下文协议 (MCP)，用于连接到具有超过 10,000 个可用 MCP 服务器的外部工具生态系统。### 评估评估框架通过模型分级、基于规则和统计方法来跟踪代理质量。您可以评估相关性、忠实性、毒性、语气一致性，并定义自定义指标。``打字稿 // 核心 Mastra 架构 — 一个设置中的所有六个基元从’@mastra/core’导入{Mastra}；从’@ai-sdk/openai’导入{openai}；

常量马斯特拉 = 新马斯特拉（{ 代理商：{ 支持代理，研究代理， }, 工作流程：{ 票务管道， }, 存储： new PgStorage({ connectionString: process.env.DATABASE_URL }), 矢量存储：新的 PgVector(connectionString), 遥测：酒店， }); ## 安装和设置 — 不到 5 分钟Mastra 需要 Node.js 22.13.0 或更高版本。推荐的路径是 CLI 向导，它使用正确的包结构、配置文件和示例代码构建一个完整的项目。### 第 1 步：创建一个新项目 bas h

使用交互式 CLI 搭建一个新的 Mastra 项目 #

npm 创建 Mastra@latest# 向导提示：

- 项目名称 #

- 组件（代理、工作流程、RAG、内存） #

- LLM 提供商（OpenAI、Anthropic、Google 等） #

- 是否包含示例代码 #

### 步骤 2：手动安装（替代）如果您希望将 Mastra 添加到现有项目中： bas h

使用 Zod 为 s``` #

bas h 安装核心包

使用交互式 CLI 搭建一个新的 Mastra 项目 #

npm 创建 Mastra@latest

向导提示： #

- 项目名称 #

- 组件（代理、工作流程、RAG、内存） #

- LLM 提供商（OpenAI、Anthropic、Google 等） #

- 是否包含示例代码 #

：环境设置 bas h

.env — Mastra 在运行时自动加载这些 #

OPENAI_API_KEY=sk-xxxx DATABASE_URL=postgresql://用户:pass@localhost:5432/mastra ### 步骤 4：项目结构 我的马斯特拉项目/ ├── src/ │ └── 马斯特拉/ │ ├── 代理商/ │ │ └── 支持.ts │ ├── 工具/ │ │ └── 搜索.ts │ ├── 工作流程/ │ ```` bas h

使用 Zod 安装核心包以进行模式验证 #

npm install @mastra/core@latest zod@^4

从 AI SDK 安装您首选的 LLM 提供商 #

npm 安装@ai-sdk/openai

可选：向量存储、内存和部署程序包 #

npm install @mastra/pg @mastra/memory @mastra/deployer-vercel ``根据提示评分 ````

Mastra 变更日志摘要工作流程 — 显示输入 → 刮取 → 提取 → 输出管道

## 构建您的第一个代理 - 真实代码示例### 基本代理与工具 typescrip t // src/mastra/agents/support.ts import { Age bas h

.env — Mastra loads these automatically at runtime #

OPENAI_API_KEY=sk-xxxx DATABASE_URL=postgresql://user:pass@localhost:5432/mastra

o
o
l
= createTool({
  id: 'search-docs',
  description: 'Search internal documentation',
  inputSchema: z.object({
    query: z.string().describe('The search query'),

my-mastra-project/ ├── src/ │ └── mastra/ │ ├── agents/ │ │ └── support.ts │ ├── tools/ │ │ └── search.ts │ ├── workflows/ │ │ └── ticket.ts │ └── index.ts ├── .env ├── package.json └── tsconfig.json

a technical support agent. Answer questions
    using the search tool. Be concise and cite sources.`,
  model: openai('gpt-4o'),
  tools: { searchTool },
});
```### 具有结构化输出的代理``打字稿
 // 获取类型对象而不是纯文本
 const 结果 = 等待 supportAg```
bas
h
# 在 localhost:4111 启动本地开发 UI
 npx 马斯特拉开发

 # Studio 可让您与代理聊天、检查工具调用、
 # 查看内存状态、可视化工作流程并迭代提示
 ```'、'中'、'高'、'严重']),
 摘要：z.string(),
 动作项：z.array(z.string()),
 }),
 }
 ）；// result.object 是完全类型化的 — TypeScript 知道形状
 console.log(结果.对象.优先级); // '高' | '低' | '中等' | “批评”
 ````### 流式响应```
typescrip
t
// Stream tokens in real-time for chat UIs
const stream = await supportAgent.stream(
  'How do I configure environment variables?'
);用于等待``打字稿
 // src/mastra/agents/support.ts
 从'@mastra/core'导入{代理}；
 从'@ai-sdk/openai'导入{openai}；
 从'@mastra/core'导入{createTool}；
 从 'zod' 导入 { z }；

 const searchTool = createTool({
 id: '搜索文档',
 描述: '搜索内部文档',
 输入模式： z.object({
 query: z.string().describe('搜索查询'),
 }),
 执行： async ({ context }) => {
 // 你的搜索实现
 const 结果 = 等待 searchInternalDocs(context.query);
 返回{结果}；
 },
 });

 导出 const supportAgent = 新代理({
 name: '支持代理',
 说明：`您是技术支持代理。 回答问题
 使用搜索工具。 保持简洁并引用来源。`,
 型号：openai('gpt-4o'),
 工具：{ 搜索工具 }，
 });
 ```架构：z.object({ 升级: z.boolean() }),
 执行：异步（{输入}）=> {
 // 升级为高级工程师
 wait sendSlackAlert(`高优先级：${input.ticketText}`);
 返回{升级：true}；
 },
 });const autoRespondStep = 新步骤({
 id: '自动回复',
 输出模式: z.object({ 发送: z.boolean() }),
 执行：异步（{输入}）=> {
 // 发送自动回复
 等待 sendAutoReply(input.ticketText);
 返回{发送：true}；
 },
 });导出 const TicketPipeline = 新工作流程({
 name: '票务管道',
 触发模式：z.object（{ticketText：z.string（）}），
 })
 .step(分类步骤)
 .then(escalateStep, {
 当：{ 'classify.priority': '高' },
 })
 .then(autoRespondStep, {
 当：{ 'classify.priority': ['低', '中'] },
 });
 ````### 并行工作流程执行````打字稿
// 获取类型对象而不是纯文本
 const 结果 = 等待 supportAgent.generate(
 '对此支持票证进行分类：“无法部署到 Vercel”',
 {
 输出：z.object({
 类别： z.enum(['部署', '计费', 'bug', '功能']),
 优先级： z.enum(['低', '中', '高', '关键']),
 摘要：z.string(),
 动作项：z.array(z.string()),
 }),
 }
 ）；

 // result.object 是完全类型化的 — TypeScript 知道形状
 console.log(结果.对象.优先级); // '高' | '低' | '中等' | “批评”
 ``` stepD 仅在 A、B 和 C 全部完成后运行
 ````## Integration with Next.js, Node.js, and Vercel AI SDK### Next.js 集成``打字稿
 // app/api/agent/route.ts — 在 Next.js 中将代理公开为 API 路由
 从'@/mastra'导入{mastra}；
 从'next/server'导入{NextResponse}；导出异步函数 POST(req: Request) {
 const { 消息 } = 等待 req.json();
 const agent = mastra.getAgent('supportAgent');const 流 = 等待代理.流(消息);返回新的响应（stream.textStream，{
 headers: { 'Content-Type': 'text/event-strea``打字稿
 // 为聊天 UI 实时传输令牌
 const 流 = 等待 supportAgent.stream(
 “如何配置环境变量？”
 ）；

 for等待（stream.textStream的const块）{
 process.stdout.write(块); // 当令牌到达时写入它们
 }
 ``宁在 http://localhost:4111
 ````### Vercel AI SDK 集成Mastra 基于 Vercel AI SDK 构建。 您可以下拉至 SDK 进行底层控制：``打字稿
 // Mastra 在底层使用 AI SDK 提供商
 从'@ai-sdk/openai'导入{openai}；
 从'@ai-sdk/anth``打字稿导入{anthropic}
 // src/mastra/workflows/ticket.ts
 从“@mastra/core”导入{工作流程，步骤}；
 从 'zod' 导入 { z }；

 const 分类步骤 = 新步骤({
 id: '分类',
 inputSchema: z.object({ TicketText: z.string() }),
 outputSchema: z.object({ 类别: z.string(), 优先级: z.string() }),
 执行： async ({ 输入，mastra }) => {
 const agent = mastra.getAgent('supportAgent');
 const 结果 = 等待代理.生成（
 `分类：${input.ticketText}`,
 { 输出：z.object({ 类别：z.string()，优先级：z.string() }) }
 ）；
 返回结果.对象；
 },
 });

 const escalateStep = 新步骤({
 id: '升级',
 输出模式： z.object({ 升级： z.boolean() }),
 执行：异步（{输入}）=> {
 // 升级为高级工程师
 wait sendSlackAlert(`高优先级：${input.ticketText}`);
 返回{升级：true}；
 },
 });

 const autoRespondStep = 新步骤({
 id: '自动回复',
 输出模式: z.object({ 发送: z.boolean() }),
 执行：异步（{输入}）=> {
 // 发送自动回复
 等待 sendAutoReply(input.ticketText);
 返回{发送：true}；
 },
 });

 导出 const TicketPipeline = 新工作流程({
 name: '票务管道',
 触发模式：z.object（{ticketText：z.string（）}），
 })
 .step(分类步骤)
 .then(escalateStep, {
 当：{ 'classify.priority': '高' },
 })
 .then(autoRespondStep, {
 当：{ 'classify.priority': ['低', '中'] },
 });
 ``` 前缀，使提示缓存无效。 由于 Anthropic 和 OpenAI 都对缓存的提示令牌提供 90% 的折扣，因此每次缓存未命中都意味着缓存部分的成本损失为 10 倍。**解决方案：** 观察记忆将上下文分为两个块 - 压缩观察（仅附加到反射运行）和原始的最近消息。 观察块在各个回合中保持一致，使其完全可缓存。### 按工作负载划分的压缩率| Workload Type | Compression Ratio | Example Scenario |
|---|---|---|
| Text-only conversations | 3-6x | Customer support chat |
| Tool-call-heavy agents | 5-40x | Browser automation, coding agents |
| Agents with large screenshots/files | 10-40x | Playwright DOM snapshots |### LongMemEval 基准测试结果| Memory System | GPT-4o Score | GPT-5-mini Score |
|---|---|---|
| Mastra Observational Memory | 84.23% | 94.87% |
| Mastra RAG (baseline) | 80.05% | — |
| Traditional conversation history | ~72% | — |捕获 Playwright 屏幕截图的浏览器自动化代理可以将 200,000 个会话历史记录压缩为 5,000-15,000 个观察标记，减少了 15-30 倍。### 开发者体验基准| 框架| DX 分数 (1-10) | 设置时间 | 首次代理时间 |
 |---|---|---|---|
 | 马斯特拉 | 9/10 | < 5 分钟 | 分钟 |
 | 浪链（Python）| 5/10 | 15-30 分钟 | 营业时间 |
 | 船员人工智能 | 6/10 | 10-15 分钟 | 30 分钟 |
 | Vercel AI SDK | 7/10 | < 5 分钟 | 小时（手动接线```打字稿
// 与 .after() 并行运行步骤
 从“@mastra/core”导入{工作流程，步骤}；

 const stepA = new Step({ id: 'fetch-user', /* ... */ });
 const stepB = new Step({ id: 'fetch-orders', /* ... */ });
 const stepC = new Step({ id: 'fetch-preferences', /* ... */ });
 const stepD = new Step({ id: '组合', /* ... */ });

 常量并行工作流 = 新工作流（{
 name: '并行获取',
 触发模式： z.object({ userId: z.string() }),
 })
 .step(步骤A)
 .step(步骤B)
 .step(步骤C)
 .after(步骤A、步骤B、步骤C)
 .step(步骤D); // 步骤D仅在A、B和C全部完成后运行

or t { PgStorage } 来自 ‘@mastra/pg’;常量马斯特拉 = 新马斯特拉（{ 代理：{ supportAgent }，内存：新的观察内存（{ 存储： new PgStorage({ connectionString: process.env.DATABASE_URL }), observerModel: openai(‘gpt-4o-mini’), // 运行观察者代理 ReflectorModel: openai(‘gpt-4o-mini’), // 运行 Reflector 代理 CompressionInterval: 5, // 每5条消息压缩一次 }), }); ````### RAG 管道设置``打字稿从 ‘@mastra/rag’ 导入 { MastraRAG }；从’@ai-sdk/openai’导入{openai}；从’@mastra/pg’导入{PgVector}；const rag = new MastraRAG({ 嵌入器：openai.embedding(’text-embedding-3-small’), vectorStore：新的 PgV```打字稿 // app/api/agent/route.ts — 在 Next.js 中将代理公开为 API 路由从’@/mastra’导入{mastra}；从’next/server’导入{NextResponse}；

导出异步函数 POST(req: Request) { const { 消息 } = 等待 req.json(); const agent = mastra.getAgent(‘supportAgent’);

const 流 = 等待代理.流(消息);

返回新的响应（stream.textStream，{ headers: { ‘Content-Type’: ’text/event-stream’ }, }); }

odeSDK
({
跟踪导出器：新的 OTLPTraceExporter({
url: 'https://api.honeycomb.io/v1/traces',
}),
});常量马斯特拉 = 新马斯特拉（{
代理：{ supportAgent }，
工作流程：{ticketPipeline}，
遥测：酒店，
});// 痕迹自动出现在您的可观察平台中
// 每个代理调用、工具执行和工作流程步骤都会被检测
````### 护栏和安全``打字稿
从'@mastra/core'导入{代理}；
从 '@m```
bas
h
导入 { createGuardrail }
# Mastra 在构建时捆绑了一个 Hono HTTP 服务器
npx Mastra 构建

# 输出到.mastra/output/
# Hono 服务器将代理、工作流程和内存公开为 REST 端点

npx 马斯特拉开始
# 服务器运行在 http://localhost:4111
``好冷吗？ '检测到注入'：未定义 };
},
});常量 piiGuard = createGuardrail({
id: '无-pii',
检查：异步（{输出}）=> {
const hasPii = /\b\d{3}-\d{2}-\d{4}\b/.test(输出); // SSN 模式
返回 { 传递：！hasPii，消息：hasPii ？ '检测到 PII 泄漏'：未定义 };
},
});const agent = new Agent({
 name: 'SafeAgent',
 model: ope```
typescrip
t
// Mastra uses AI SDK providers under the hood
import { openai } from '@ai-sdk/openai';
import { anthropic } from '@ai-sdk/anthropic';
import { google } from '@ai-sdk/google';

// Switch providers with one-line changes
const agent = new Agent({
 name: 'MultiProviderAgent',
 instructions: 'You are a helpful assistant.',
 model: openai('gpt-4o'), // or anthropic('claude-sonnet-4') or google('gemini-2.0-pro')
 tools: { searchTool, calcTool },
});
```appro
v
e
d
};
 },
});// Workflow resumes when human approves via Studio or API call
const refundWorkflow = new Workflow({
 name: 'refund-pipeline',
 triggerSchema: z.object({ amount: z.number(), orderId: z.string() }),
})
 .step(validateStep)
 .then(humanApprovalStep)
 .then(processRefundStep, { when: { 'await-approval.approved': true } });
```### Docker 部署```
dockerfil
e
# 用于生产部署的 Dockerfile
来自节点：22-slim工作目录/应用程序
复制包*.json ./
RUN npm ci --only=产品```打字稿
// 连接到任何 MCP 服务器 — 10,000 多个可用
从“@mastra/core”导入{MCPClient}；

const mcpClient = 新 MCPClient({
服务器：{
松弛：{
命令：'npx'，
args: ['-y', '@modelcontextprotocol/server-slack'],
env: { SLACK_BOT_TOKEN: process.env.SLACK_TOKEN },
},
github: {
命令：'npx'，
args: ['-y', '@modelcontextprotocol/server-github'],
env: { GITHUB_PERSONAL_ACCESS_TOKEN: process.env.GITHUB_TOKEN },
},
},
});

// MCP 工具自动可供您的代理使用
const 工具 = 等待 mcpClient.tools();
常量代理 = 新代理({
name: 'MCPAgent',
型号：openai('gpt-4o'),
tools, // 所有 MCP 工具现在都可用
});
``** | 打字稿 (99.2%) | Python（还有 JS）| 蟒蛇 | 打字稿 |
| **GitHub 之星** | 24,050 | 24,050 117,000 | 39,200 | 39,200 N/A（Vercel 的一部分）|
| **设置时间** | < 5 分钟 | 15-30 分钟 | 10-15 分钟 | < 5 分钟（手动接线）|
| **代理抽象** | 原生代理类| 连锁/代理类| 基于角色的团队 | 手工构图|
| **工作流引擎** | X国基，耐用| LangGraph（图）| 顺序/分层| 无 |
| **内存系统** | 观察记忆（成本降低 4-10 倍）| 对话缓冲区内存 | 仅限短期| 手册|
| **类型安全** | Zod 贯穿始终，完整 TS | 部分JS版本 | Python 类型提示 | 支持佐德 |
| **可观察性** | 内置+OTEL | 朗史密斯 (SaaS) | 内置基本| Vercel平台|
| **MCP 支持** | 本地 | 通过适配器 | 有限公司| 通过整合 |
| **多代理** | 主管模式| LangGraph 多智能体 | 核心特点| 手册|
| **最适合** | TS 团队、Next.js、Node.js | Python 团队，复杂的图表 | Python 多智能体原型设计 | React/Next.js UI 密集型应用程序 | React/Next.js UI 密集型应用程序
| **法学硕士提供者** | 40+ | 100+ | 20+ | 10+ |
| **生产用户** | Replit、PayPal、Sanity | 优步、领英 | 初创公司、机构| Vercel 托管应用程序 |
| **部署** | 任何 Node.js 服务器、Vercel、CF Workers | LangSmith Cloud，自托管 | 自托管，CrewAI 云 | Vercel（最佳）|## 局限性——诚实评估Mastra 并不是适合所有情况的工具。 以下是该框架不擅长的地方：**Python 生态系统锁定：** 如果您的整个数据科学堆栈都是 Python（pandas、NumPy、PyTorch、Jupyter），Mastra 会迫使您连接两种语言。 该框架仅支持 TypeScript。 对于深度投入 Python 的团队来说，LangChain 或 CrewAI 仍然是更自然的选择。**较小的集成生态系统：** LangChain 拥有 100 多个 LLM 集成和 50 多个向量商店。 Mastra 支持 40 多个提供商并涵盖主要矢量数据库，但如果您需要一个晦涩的模型或利基矢量存储，您可能需要编写自定义集成代码。**项目更年轻，流失率更高：** Mastra 于 2026 年 1 月发布 v1.0。API 已经稳定，但与 LangChain 成熟的生态系统相比，重大变化仍然发生得更频繁。 预算版本升级的时间。**没有本机可视化工作流程生成器：** 与 n8n 或 Langflow 不同，Mastra 没有拖放工作流程设计器。 一切都是代码。 对于需要修改工作流程的非技术团队成员来说，这是一个障碍。**社区规模：** Mastra 的社区拥有 24K 颗星，活跃但明显小于 LangChain 的社区。 您会发现 Stack Overflow 答案越来越少，第三方教程越来越少，涵盖边缘案例的博客文章也越来越少。**有限的 UI 组件：** 虽然 Mastra Studio 提供了开发平台，但它不提供聊天小部件等生产 UI 组件。 您仍然需要自己构建前端或将 Mastra 与 Vercel AI SDK 的 UI 库配对。## 常见问题**问：Mastra 是否需要 TypeScript 知识```
typescrip
t
从'@mastra/core'导入{Mastra}；
从'@mastra/memory'导入{ObservationalMemory}；
从'@mastra/pg'导入{PgStorage}；

常量马斯特拉 = 新马斯特拉（{
代理：{ supportAgent }，
内存：新的观察内存（{
存储： new PgStorage({ connectionString: process.env.DATABASE_URL }),
observerModel: openai('gpt-4o-mini'), // 运行观察者代理
ReflectorModel: openai('gpt-4o-mini'), // 运行 Reflector 代理
CompressionInterval: 5, // 每5条消息压缩一次
}),
});

e s 提示缓存。 Mastra 的观察内存将上下文压缩为可缓存的观察结果，实现了 4-10 倍的成本降低，同时在 LongMemEval 基准测试中得分更高（84.23% vs RAG 的 80.05%）。问：我可以在 DigitalOcean 或 AWS 上部署 Mastra 而不是 Vercel 吗？ 是的。 Mastra 是完全开源的，可以部署到任何 Node.js 运行时。使用“mastra build”进行构建，然后在 DigitalOcean 应用平台、AWS ECS、Google Cloud Run 或任何 Docker 主机上运行输出。 Vercel 和 Cloudflare Workers 都有部署程序，但它们是可选的``typescript 从 ‘@mastra/rag’ 导入 { MastraRAG }；从’@ai-sdk/openai’导入{openai}；从’@mastra/pg’导入{PgVector}；

const rag = new MastraRAG({ 嵌入器：openai.embedding(’text-embedding-3-small’), 矢量存储：新的 PgVector({ 连接字符串：process.env.DATABASE_URL，尺寸：1536， }), 块大小：512，块重叠：50， });

// 索引文档等待 rag.index(documentBatch);

// 相似度搜索查询 const results = wait rag.query(‘如何配置 SSO？’, { topK: 5 }); ``直接识别和调试生产中的故障。问：Mastra 可以免费用于商业用途吗？ 是的。 Mastra 根据 Apache 2.0 获得许可，可免费用于商业用途。 Mastra Cloud（托管托管）提供付费套餐，但核心框架是完全开源的，并且可以免费自行托管。问：如何向现有 Mastra 代理添加内存？ 创建Mastra实例时传递一个内存实例。代理自动跟踪每个用户的对话线程。对于多轮对话，使用存储后端初始化内存（PostgreSQL、li``` typescrip t 从’@mastra/core’导入{Mastra}；从 ‘@opentelemetry/sdk-node’ 导入 { NodeSDK }；

const 酒店 = 新 NodeSDK({ 跟踪导出器：新的 OTLPTraceExporter({ url: ‘https://api.honeycomb.io/v1/traces', }), });

常量马斯特拉 = 新马斯特拉（{ 代理：{ supportAgent }，工作流程：{ticketPipeline}，遥测：酒店， });

// 痕迹自动出现在您的可观察平台中 // 每个代理调用、工具执行和工作流程步骤都会被检测 TypeScript 团队从想法到部署代理的路径。如果您正在将 AI 功能构建到 Next.js 应用程序、Node.js 服务或任何 TypeScript 项目中，Mastra 值得认真评估。从“npm create mastra@latest”开始，构建工作流程，并自行衡量代币成本差异。Action items:

Clone the Mastra repo and run the quickstart: npm create mastra@latest
Join the Mastra Discord community (5,500+ members)
Explore the``` typescrip t import { Agent } from ‘@mastra/core’; import { createGuardrail } from ‘@mastra/core’;

const agent = new Agent({ name: ‘SafeAgent’, model: openai(‘gpt-4o’), tools: { searchTool }, guardrails: [promptInjectionGuard, piiGuard], });

- [Mastra GitHub Repository](https://github.com/mastra-ai/mastra)
- [Mastra Documentation](https://mastra.ai/docs)
- [Mastra Course - Learn to Build AI Agents](https://mastra.ai/course)
- [Mastra Tutorial: Changelog Tracker with Firecrawl](https://www.firecrawl.dev/blog/mastra-tutorial)
- [Mastra Observational Memory Deep Dive](https://agentmarketcap.ai/blog/2026/04/13/mastra-observational-memory-observer-reflector-pattern-agent-costs-longmemeval-2026)
- [ByteIota: Mastra TypeScript AI Framework Analysis](https://by```
typescrip
t
import { Workflow, Step } from '@mastra/core';

const humanApprovalStep = new Step({
  id: 'await-approval',
  outputSchema: z.object({ approved: z.boolean() }),
  execute: async ({ suspend }) => {
    // Suspend workflow and wait for human input
    const { approved } = await suspend({ reason: 'Refund exceeds $500' });
    return { approved };
  },
});

// Workflow resumes when human approves via Studio or API call
const refundWorkflow = new Workflow({
  name: 'refund-pipeline',
  triggerSchema: z.object({ amount: z.number(), orderId: z.string() }),
})
  .step(validateStep)
  .then(humanApprovalStep)
  .then(processRefundStep, { when: { 'await-approval.approved': true } });
```Cre
w
A
I
GitHub Repository](https://github.com/crewAIInc/crewAI)
- [Vercel AI SDK Documentation](https://sdk.vercel.ai/docs)<!--自动引用-->
 ## 参考文献和来源- [Mastra](https://github.com/mastra-ai/mastra)
 - [Vercel AI SDK](https://sdk.vercel.ai/docs)
 - [Zod](https://github.com/colinhacks/zod)
 - [XState](https://github.com/statelyai/xstate)
 - [模型上下文协议（MCP）](https://github.com/modelcontextprotocol)
 - [Hono](https://github.com/honojs/hono)
 - [OpenTelemetry](https://github.com/open-telemetry/opentelemetry-js)
 - [pgvector](https://github.com/pgvector/pgvector)
 - [LangChain](https://github.com/langchain-ai/langchain)
 - [CrewAI](https://github.com/crewAIInc/crewAI)

dockerfil e

用于生产部署的 Dockerfile #

来自节点：22-slim

工作目录/应用程序复制包*.json ./ 运行 npm ci –only=生产

复制。。运行 npx Mastra 构建

暴露4111 CMD [“节点”，“.mastra/output/index.mjs”]

yam
l
# docker-compose.yml
版本：'3.8'
服务：
马斯特拉：
构建： .
端口：
- “4111:4111”
环境：
- OPENAI_API_KEY=${OPENAI_API_KEY}
- DATABASE_URL=postgresql://postgres:postgres@db:5432/mastra
取决于：
- 数据库

数据库：
图片：pgvector/pgvector:pg17
环境：
POSTGRES_USER：postgres
POSTGRES_PASSWORD：postgres
POSTGRES_DB：马斯特拉
卷：
- pgdata:/var/lib/postgresql/data

卷：
PG数据：
````

- 项目名称 #

- 组件（代理、工作流程、RAG、内存） #

- LLM 提供商（OpenAI、Anthropic、Google 等） #

- 是否包含示例代码 #

使用 Zod 为 s``` #

使用交互式 CLI 搭建一个新的 Mastra 项目 #

向导提示： #

- 项目名称 #

- 组件（代理、工作流程、RAG、内存） #

- LLM 提供商（OpenAI、Anthropic、Google 等） #

- 是否包含示例代码 #

.env — Mastra 在运行时自动加载这些 #

使用 Zod 安装核心包以进行模式验证 #

从 AI SDK 安装您首选的 LLM 提供商 #

可选：向量存储、内存和部署程序包 #

.env — Mastra loads these automatically at runtime #

用于生产部署的 Dockerfile #

🔗 相关资源推荐

💬 留言讨论