尧图网站建设 
MastraTypeScript AI 智能体框架一个 Agent 类从想法到能调试只要 10 分钟【免费下载链接】mastraMastra is the modern TypeScript framework for AI-powered applications and agents.项目地址: https://gitcode.com/GitHub_Trending/ma/mastraMastra 是一个 TypeScript 的 AI 应用与智能体框架把模型、工具和记忆装进一个 Agent 类里一条命令就能起一个带可视化调试界面的本地服务。适合想把能查数据、能调 API的 AI 助手塞进自己产品的开发者。AI 助手不是一个模型调用给产品加一个助手用户问我的订单到哪了它要查订单库、调物流接口还要记得上一句聊了什么。直接调模型 API第一句没问题但记上下文、让模型自己决定调哪个工具、失败重试、中途停下等人工确认这些事全要自己拼循环。历史怎么截断、工具参数错了怎么兜底、进程重启后状态往哪放每个都要自己填坑。Mastra 把这个循环整体打包成了框架。Agent一个类串起模型、工具和记忆核心是packages/core里的 Agent 类填上instructions系统提示词、model、tools思考—调工具—看结果—继续想的循环由框架驱动。这张图就是 Agent 的全部骨架message进来、response出去中间 Agent 协调 LLM、tool、memory 三件套。注意 memory 不是简单记个聊天记录Mastra 的记忆分两层会话历史conversation history和 Observational Memory——后者让 Agent 在对话中自己记下学到的信息下次对话不用从零开始。换模型几乎零成本。model是一个provider/model-name格式的字符串比如openai/gpt-4oMastra 的模型路由用这一种写法接了 40 多家提供商换 Anthropic 或 Gemini 只改一个字符串API key 会从对应环境变量里自动找。工具用createTool()创建id、description、zod 校验的inputSchema和一个execute函数。模型决定调用时参数先过校验再执行模型传错参数或工具抛错框架把错误信息喂回模型让它纠正重试循环不用你自己写。流程固定时Workflow 接管控制权有些任务不适合交给模型自主决策发票审批、提取—审核—通知这种固定管道。Mastra 用图式工作流引擎处理这类场景语法就是三个可串的方法.then()顺序、.branch()分支、.parallel()并行。工作流最实用的能力是 suspend 与 resume一个步骤可以挂起等用户输入或人工审批之后从断点继续。状态存在存储里进程重启也不丢进度——这是human-in-the-loop人工介入能落地的前提。存储聊天记录和工作流快照进同一个数据枢纽Agent 的会话、评估数据集、调用轨迹工作流的执行快照全部写进同一个 Mastra Storage。恢复挂起的工作流时状态就是从这儿读回来的。图中 Agent 一侧送来 Threads/Messages会话、Datasets评估数据和 Traces调用轨迹Workflow 一侧送来 Snapshots执行快照都汇入中间的 Mastra Storage。存储后端可插拔stores/ 下有 20 多个官方实现Postgres、MySQL、SQLite、MongoDB、Redis 等。换个存储后端改的是 Mastra 实例里一处配置业务代码不动。走一遍一次消息生成的完整路径用.generate(查一下我的订单状态)发一条消息。Agent 先从存储取出对应会话线程拼上下文发给模型模型返回一次工具调用查订单库框架校验参数、执行工具结果回写给模型模型判断可以回答了生成响应框架把新消息和这次调用的 trace 写回存储。全程几行代码想实时出字就换成.stream()。跑起来试试4 步npm create mastralatest— 选项目名和模型提供商生成项目骨架npm run dev— 启动开发服务浏览器打开 http://localhost:4111 — 这是 Mastra StudioAgent、工作流、工具的管理界面 ✅在 Playground 里发一句话 — 页面上能看到模型做了哪些工具调用、最终回复是什么接下来往哪走部署deployers/ 有 Vercel、Cloudflare、Netlify 的现成适配器要嵌进已有项目server-adapters/ 提供 Express、Fastify、Hono、Next.js 等封装观测observability/ 集成 Datadog、Sentry、Langfuse接上后每次模型调用和工具执行都有 trace 可查开放给外部用 packages/mcp/ 把 Agent 和工具暴露成 MCP 服务器任何支持 MCP 的系统都能调用回到开头的场景那个能查库、能调 API 的助手在 Mastra 里就是一个几十行的 Agent 加几个工具跑起来就有界面可调试。下一步可以去 templates/ 挑一个贴近业务的模板项目把工具实现换成自己的接口就有一个能继续长的原型了。【免费下载链接】mastraMastra is the modern TypeScript framework for AI-powered applications and agents.项目地址: https://gitcode.com/GitHub_Trending/ma/mastra创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Mastra：TypeScript AI 智能体框架，一个 Agent 类从想法到能调试只要 10 分钟
MastraTypeScript AI 智能体框架一个 Agent 类从想法到能调试只要 10 分钟【免费下载链接】mastraMastra is the modern TypeScript framework for AI-powered applications and agents.项目地址: https://gitcode.com/GitHub_Trending/ma/mastraMastra 是一个 TypeScript 的 AI 应用与智能体框架把模型、工具和记忆装进一个 Agent 类里一条命令就能起一个带可视化调试界面的本地服务。适合想把能查数据、能调 API的 AI 助手塞进自己产品的开发者。AI 助手不是一个模型调用给产品加一个助手用户问我的订单到哪了它要查订单库、调物流接口还要记得上一句聊了什么。直接调模型 API第一句没问题但记上下文、让模型自己决定调哪个工具、失败重试、中途停下等人工确认这些事全要自己拼循环。历史怎么截断、工具参数错了怎么兜底、进程重启后状态往哪放每个都要自己填坑。Mastra 把这个循环整体打包成了框架。Agent一个类串起模型、工具和记忆核心是packages/core里的 Agent 类填上instructions系统提示词、model、tools思考—调工具—看结果—继续想的循环由框架驱动。这张图就是 Agent 的全部骨架message进来、response出去中间 Agent 协调 LLM、tool、memory 三件套。注意 memory 不是简单记个聊天记录Mastra 的记忆分两层会话历史conversation history和 Observational Memory——后者让 Agent 在对话中自己记下学到的信息下次对话不用从零开始。换模型几乎零成本。model是一个provider/model-name格式的字符串比如openai/gpt-4oMastra 的模型路由用这一种写法接了 40 多家提供商换 Anthropic 或 Gemini 只改一个字符串API key 会从对应环境变量里自动找。工具用createTool()创建id、description、zod 校验的inputSchema和一个execute函数。模型决定调用时参数先过校验再执行模型传错参数或工具抛错框架把错误信息喂回模型让它纠正重试循环不用你自己写。流程固定时Workflow 接管控制权有些任务不适合交给模型自主决策发票审批、提取—审核—通知这种固定管道。Mastra 用图式工作流引擎处理这类场景语法就是三个可串的方法.then()顺序、.branch()分支、.parallel()并行。工作流最实用的能力是 suspend 与 resume一个步骤可以挂起等用户输入或人工审批之后从断点继续。状态存在存储里进程重启也不丢进度——这是human-in-the-loop人工介入能落地的前提。存储聊天记录和工作流快照进同一个数据枢纽Agent 的会话、评估数据集、调用轨迹工作流的执行快照全部写进同一个 Mastra Storage。恢复挂起的工作流时状态就是从这儿读回来的。图中 Agent 一侧送来 Threads/Messages会话、Datasets评估数据和 Traces调用轨迹Workflow 一侧送来 Snapshots执行快照都汇入中间的 Mastra Storage。存储后端可插拔stores/ 下有 20 多个官方实现Postgres、MySQL、SQLite、MongoDB、Redis 等。换个存储后端改的是 Mastra 实例里一处配置业务代码不动。走一遍一次消息生成的完整路径用.generate(查一下我的订单状态)发一条消息。Agent 先从存储取出对应会话线程拼上下文发给模型模型返回一次工具调用查订单库框架校验参数、执行工具结果回写给模型模型判断可以回答了生成响应框架把新消息和这次调用的 trace 写回存储。全程几行代码想实时出字就换成.stream()。跑起来试试4 步npm create mastralatest— 选项目名和模型提供商生成项目骨架npm run dev— 启动开发服务浏览器打开 http://localhost:4111 — 这是 Mastra StudioAgent、工作流、工具的管理界面 ✅在 Playground 里发一句话 — 页面上能看到模型做了哪些工具调用、最终回复是什么接下来往哪走部署deployers/ 有 Vercel、Cloudflare、Netlify 的现成适配器要嵌进已有项目server-adapters/ 提供 Express、Fastify、Hono、Next.js 等封装观测observability/ 集成 Datadog、Sentry、Langfuse接上后每次模型调用和工具执行都有 trace 可查开放给外部用 packages/mcp/ 把 Agent 和工具暴露成 MCP 服务器任何支持 MCP 的系统都能调用回到开头的场景那个能查库、能调 API 的助手在 Mastra 里就是一个几十行的 Agent 加几个工具跑起来就有界面可调试。下一步可以去 templates/ 挑一个贴近业务的模板项目把工具实现换成自己的接口就有一个能继续长的原型了。【免费下载链接】mastraMastra is the modern TypeScript framework for AI-powered applications and agents.项目地址: https://gitcode.com/GitHub_Trending/ma/mastra创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考