Mastra 是面向 TypeScript／Node.js 團隊的開放原始碼 agent 框架。它不只包一層模型 SDK，而是把 Agent、Tools、MCP、Workflows、Memory、tracing、scorers 與本機 Studio 放在同一個開發面。
這個定位最適合既有 Next.js、Node.js 或 Cloudflare 專案：前後端共用 TypeScript schema，不必另起 Python agent service。代價也很直接——framework surface 很寬，採用的不只是一次模型呼叫介面。
Agent 與 Tool 都以 schema 為邊界
Mastra 的 Agent 組合 instructions、model、tools 與 memory；Tool 則用 schema 描述輸入，executor 實作行為。官方工具指南也能把 MCP server 的工具載入 agent，或把 Mastra agent 反向暴露成 MCP tool。
import { Agent } from '@mastra/core/agent';
import { createTool } from '@mastra/core/tools';
import { z } from 'zod';
const lookup = createTool({
id: 'lookup-order',
description: 'Look up an order',
inputSchema: z.object({ id: z.string() }),
execute: async ({ id }) => ({ id, status: 'shipped' }),
});
export const supportAgent = new Agent({
name: 'Support agent',
instructions: 'Use tools before answering order questions.',
model: 'openai/gpt-5-mini',
tools: { lookup },
});Schema 能攔住格式錯誤，不能自動處理權限。工具查詢客戶資料時，仍要從 runtime context 取得已驗證身分，不能信任模型傳入的 customer ID。
Workflow 負責確定路徑
Mastra Workflows用 typed step 組成 sequential、parallel、branch 與 loop，也支援 suspend／resume。Agent 適合「下一步要由模型判斷」；Workflow 適合順序、錯誤處理與人工核准必須明確的流程。兩者可互相組合，而不是把每個問題都塞進 agent loop。
這是 Mastra 最實用的設計：訂單核准可由 workflow 控制，只有分類理由或草稿生成交給 agent。外部寫入仍需冪等設計；框架保存 state，不等於第三方 API 的副作用會自動安全重播。
Memory、tracing 與 scorer 形成回饋迴圈
Mastra memory 可保存 conversation history、working memory 與語意回憶。Tracing 記錄步驟輸入輸出，scorer 則用規則或模型評分。這三者要分清楚：memory 改變下次看到的 context，trace 解釋發生什麼，scorer 衡量結果是否達標。
正式採用前，應確認 storage 的資料所有權、trace 是否能匯出，以及模型輸入中的敏感資料是否需要遮蔽。Studio 很適合開發除錯，但 production 的稽核不能只存在某個視覺介面。
整體來說
Mastra 適合想在 TypeScript 裡同時建立 agent 與可恢復工作流的團隊。只有單次 structured generation 時，AI SDK 加 Zod 會更薄；需要 memory、人工暫停、trace 與 eval 一起進入產品生命週期時，Mastra 才真正省下整合成本。
最小評估請做一個三步驟 workflow：讀資料、讓 agent 判斷、人工核准後寫入，並實際重啟程序測 resume。跨框架差異見Agent 框架選型指南。
參考資料
Loading...