Mastra
用 TypeScript 构建、编排、评估并部署 AI 应用与智能体。
按维度查看评分与理由
证据显示：README 提到 human-in-the-loop 功能，暗示用户确认机制存在，但未提供具体实现细节；数据流透明度方面，文档提及 observability 和 evals，但未详细说明数据流向；敏感数据处理未明确说明；依赖安全方面，有 CodeQL 工作流和依赖锁定，但未提供漏洞扫描结果；外部影响方面，框架可能调用外部 API，但未明确权限控制；回滚方面，未提及；来源归属方面，有明确的版权和许可证，但发布者未验证。扣分原因：多数信任标准仅有表面提及，缺乏具体实现证据。
证据显示：项目结构清晰，有大量测试脚本和 CI 配置，表明自我一致性较好；依赖管理使用 pnpm 和 catalog，但未提供依赖可用性保证；失败消息方面，文档和测试中未明确说明错误处理机制。扣分原因：失败消息标准缺乏具体证据。
证据显示：README 明确面向 TypeScript 开发者，提供多种使用场景（agents, workflows, integrations）；能力边界在文档中有说明，但未明确限制；触发精度方面，文档提到 stopping condition，但未详细说明；环境适配方面，支持多种框架和部署方式。扣分原因：触发精度和部分能力边界描述不够具体。
证据显示：信息架构清晰，有文档、参考、指南等；安装说明详细，提供 CLI 和手动安装；命名稳定，有版本号；示例和 FAQ 丰富；已知限制未明确列出；许可证明确，双许可证；版本变更日志存在（changesets）；维护责任明确，有贡献指南。扣分原因：已知限制未明确列出。
证据显示：输出可用性方面，框架提供标准接口和工具，但未提供具体输出示例；边际价值方面，提供多种功能，但未与其他框架对比；成本效益方面，开源免费，但未提供性能数据。扣分原因：缺乏具体数据支持。
证据显示：README 中的声明有文档链接支持，但未提供具体实现代码；跨来源验证方面，有多个文档页面，但未提供独立验证；事实与推断分离方面，文档中区分了功能描述和推荐，但未明确标注。扣分原因：跨来源验证和事实推断分离不足。
- 发布者身份未验证，需谨慎对待供应链风险。
- 依赖安全仅有 CodeQL 工作流，未提供漏洞扫描结果，建议检查依赖漏洞。
- 敏感数据处理和权限控制细节不足，使用前需自行评估。
这个 Agent 能做什么，适合哪些场景？
Mastra 是一个面向 AI 应用和智能体的现代 TypeScript 框架。它提供模型路由、智能体、图式工作流、上下文与记忆能力，并包含评估和可观测性功能。智能体可结合 LLM 与工具处理开放式任务，在产出最终答案或达到可选停止条件前进行内部迭代；需要显式执行控制时，可改用工作流。项目可集成至 React、Next.js 或 Node 应用，也可作为独立服务器部署，并支持编写 MCP 服务器来暴露智能体、工具和结构化资源。它适合希望在 TypeScript 栈中从原型推进到生产、同时保留模型选择与运行编排能力的团队。
开发者通过 npm create mastra@latest 创建项目，并在创建时选择 openai、anthropic、google 或 xai 作为 LLM 提供方。Mastra 的模型路由以统一接口连接 40 多家提供方；智能体读取会话历史、检索来自 API、数据库或文件的数据，并可使用工具完成任务。对于多步骤过程，工作流使用 .then()、.branch() 和 .parallel() 定义控制流；执行可暂停，等待用户输入或批准后再依靠 storage 恢复。项目还可将智能体、工作流和工具作为 MCP 服务器中的资源暴露，或接入 Web 应用与独立服务端点。
- TypeScript 团队要在 Next.js 产品中加入可调用工具、读取对话历史的客服或业务助手。
- 需要把 API、数据库和文件检索接入 LLM 流程，并让智能体在最终回答前多轮处理任务的开发者。
- 必须明确控制分支、并行和多步骤执行，而不希望把流程控制完全交给智能体的工程团队。
- 需要在审批或用户补充信息后暂停执行、并在较晚时间恢复同一工作流的业务系统。
- 希望通过 MCP 向支持该协议的系统提供自定义智能体、工具或结构化资源的开发者。
这个 Agent 有哪些优点和局限？
- 模型路由通过统一接口连接 40 多家提供方，并明确列出 OpenAI、Anthropic 和 Gemini。
- 同一框架同时覆盖自主智能体和带
.then()、.branch()、.parallel()控制流的图式工作流。 - 支持暂停与恢复，且说明 storage 可保存执行状态，适合人工审批节点。
- 内置评估与可观测性，并能编写 MCP 服务器暴露智能体、工具和结构化资源。
- 创建项目时必须选择限定的 LLM 提供方；材料未说明凭据配置、密钥管理或本地开发所需环境变量。
- 企业目录
ee/下的功能采用 Mastra Enterprise License，生产使用需要有效企业许可证。 - 提供的材料没有给出最小 Node.js、npm、数据库或部署环境版本，团队需在采用前补充验证。
- 与 Vercel AI SDK UI、CopilotKit 的集成被提及，但材料未提供具体接入代码或兼容性边界。
如何安装或部署这个 Agent？
文档给出的推荐创建命令是：npm create mastra@latest。创建提示会要求选择提供方；替代的非交互式形式为：npm create mastra@latest <project-name> -- --llm <provider>，其中 <provider> 必须是 openai、anthropic、google 或 xai。仓库提供的材料没有说明各提供方凭据如何配置。
如何使用这个 Agent？
创建项目后进入项目目录并运行：npx bgproc start -n <project-name> -w -- npm run dev。然后打开 http://localhost:4111 使用 Mastra Studio 构建、测试和管理 agents、workflows 与 tools。若要把流程嵌入产品，可集成 React、Next.js 或 Node；也可部署为独立服务器。
常见问题
Mastra 是否只支持某一家模型厂商？
何时该用智能体，何时该用工作流？
.then()、.branch() 和 .parallel() 的图式工作流。能否加入人工审批？
许可证需要注意什么？
ee/ 的目录使用 Mastra Enterprise License，相关功能在生产环境需要有效企业许可证。