Mastra：加速 AI 应用开发的 TypeScript 框架

在人工智能技术日新月异的当下，AI 应用如雨后春笋般不断涌现。然而，构建这类应用往往面临诸多挑战，如不同的模型整合、智能交互逻辑的设计、RAG 的设计等，从零开始构建往往需要耗费不少成本。Mastra，作为一个快速开发构建 AI 应用的框架，为开发者们提供了新的解决方案。

简介

Mastra 是一个用于快速构建 AI 应用的 TypeScript 框架，代码仓库位于
https://github.com/mastra-ai/mastra 。其旨在为开发者提供构建 AI 应用所需的基础组件，助力快速搭建各类 AI 应用及功能。

Mastra 包含以下主要的特色功能和模块：

• 大语言模型 LLM：Mastra 借助 Vercel AI SDK，为开发者提供统一接口，可与 OpenAI、Anthropic、Google Gemini 等众多大语言模型供应商交互，开发者能灵活选择模型、供应商以及是否采用流式响应
• 智能体 Agent：在 Mastra 中，智能体为大语言模型提供工具、工作流和同步数据。智能体可以调用你自己的函数或第三方集成的 API，并访问你自己构建的知识库。
• 工具 Tool：Mastra 的工具是带有类型的函数，由代理或工作流执行，内置集成访问和参数验证功能。每个工具都有用来定义输入的模式、实现逻辑的执行函数，以及访问已配置集成的能力。
• 工作流 Workflow：Mastra 的工作流是基于图的状态机，支持循环、逻辑分支、用户输入等待、其他工作流的嵌入、错误处理、重试、解析等复杂功能。工作流既可以通过代码构建，也能使用可视化编辑器操作，并且每个工作流步骤都内置 OpenTelemetry 进行跟踪。
• 检索增强生成 RAG：RAG 是一种采用特定查询技术的 ETL（提取、转换、加载）管道，这些技术包括分块、嵌入和向量搜索。
• 集成 Integration：在 Mastra 中，可以把第三方服务自动生成的、类型安全的 API 客户端，用作智能体的工具，或在工作流中使用。
• 评估 Eval：Mastra 提供了自动评估指标，使用模型评分以及基于规则和统计的方法，来评估大语言模型的输出，每次评估都会返回一个 0 到 1 之间的标准化分数，可进行记录和比较，也支持开发者自定义。

使用

开始使用 Mastra 前，首先需要确保环境有 Node.js v20.0+，并拥有 LLM 提供者所提供的 API Key，如 OpenAI, Anthropic 和 Google Gemini 等。

Mastra 最简单的使用方法，使使用 create-mastra 包，这个命令行工具能快速开始构建 Mastra 应用。使用 npx 安装运行：

npx create-mastra@latest

运行后，会出现以下的安装提示：

What do you want to name your project? my-mastra-app
Choose components to install:
  ◯ Agents (recommended)
  ◯ Tools
  ◯ Workflows
Select default provider:
  ◯ OpenAI (recommended)
  ◯ Anthropic
  ◯ Groq
Would you like to include example code? No / Yes

在完成了配置项的选择后，create-mastra 会完成项目的设置，安装依赖并配置所选择的组件和 LLM 提供者。LLM API Key 可以配置在 .env 文件中：

OPENAI_API_KEY=<your-openai-key>

create-mastra 也支持直接使用命令行选项运行：

npx create-mastra@latest --components agents,tools --llm openai --example

除了 create-mastra 工具外，Mastra 也支持手动安装。首先创建一个文件夹：

mkdir hello-mastra
cd hello-mastra

然后，初始化一个 TypeScript 项目，并安装 mastra/core 依赖：

npm init -y
npm install typescript tsx @types/node mastra@alpha --save-dev
npm install @mastra/core@alpha zod
npx tsc --init

完成 LLM API Key 的配置后，首先创建一个工具 Tool：

mkdir -p src/mastra/tools && touch src/mastra/tools/weather-tool.ts

然后往其中添加工具的代码：

export const weatherTool = createTool({
  id: "get-weather",
  description: "Get current weather for a location",
  inputSchema: z.object({
    location: z.string().describe("City name"),
  }),
  ...
})

创建完工具后，创建一个 Agent：

mkdir -p src/mastra/agents && touch src/mastra/agents/weather.ts

填写以下代码：

import { openai } from "@ai-sdk/openai";
import { Agent } from "@mastra/core/agent";
import { weatherTool } from "../tools/weather-tool";
 
export const weatherAgent = new Agent({
  name: "Weather Agent",
  instructions: `You are a helpful weather assistant that provides accurate weather information.
 
Your primary function is to help users get weather details for specific locations. When responding:
- Always ask for a location if none is provided
- Include relevant details like humidity, wind conditions, and precipitation
- Keep responses concise but informative
 
Use the weatherTool to fetch current weather data.`,
  model: openai("gpt-4o-mini"),
  tools: { weatherTool },
});

在其中提供了这个 Agent 的任务，和使用的模型。最后进行 Agent 的注册：

import { Mastra } from "@mastra/core";
 
import { weatherAgent } from "./agents/weather";
 
export const mastra = new Mastra({
  agents: { weatherAgent },
});

总结

Mastra 作为一个开源的 TypeScript 框架，为 AI 应用开发带来了极大的便利。其整合了多种关键功能，降低了开发门槛，提升了开发效率，无论是对经验丰富的开发者，还是刚涉足 AI 领域的新手，都具有很高的价值。

Mastra 能在诸多 AI 应用开发领域中得到应用，加速 AI 应用构建。在智能客服领域，利用其代理功能和工作流机制，能打造出高效、智能的客服机器人，快速响应用户问题并提供准确解答；在智能写作辅助方面，借助 RAG 功能，为写作工具提供丰富的知识支持，帮助创作者生成更优质的内容；在数据分析与处理领域，通过调用正好各类工具和集成第三方服务，能实现数据的自动化处理和分析。