mastra
Mastra 是由 Gatsby 团队打造的现代化 TypeScript 框架,专为构建 AI 驱动的应用程序和智能体(Agents)而设计。它旨在解决开发者在将 AI 原型转化为生产级应用时面临的复杂挑战,提供从开发、调试到规模化部署的一站式解决方案。
这款工具非常适合熟悉 JavaScript 或 TypeScript 的前后端开发者,尤其是那些希望利用 React、Next.js 或 Node.js 生态快速落地 AI 产品的技术团队。Mastra 的核心优势在于其“开箱即用”的完整能力:通过统一的接口连接 40 多家主流大模型提供商,简化了模型切换成本;内置基于图的引擎,既能编排复杂的多步骤工作流,也能构建具备自主推理能力的智能体。
特别值得一提的是,Mastra 原生支持“人机协同”模式,允许工作流在执行中暂停以等待用户确认,并能持久化保存状态以便随时恢复。此外,它还提供了完善的上下文记忆管理、自动化评估体系以及可观测性工具,帮助团队持续优化 AI 表现。无论是需要将 AI 助手集成到现有 Web 应用中,还是构建独立的 MCP 服务器,Mastra 都能让构建可靠、可控的 AI 产品变得更加简单高效。
使用场景
一家电商初创团队正在构建一个能自动处理复杂售后请求(如退货、换货、赔偿协商)的智能客服系统。
没有 mastra 时
- 模型切换成本高:每当需要测试不同大模型(如从 OpenAI 切换到 Anthropic)以优化回答质量时,必须重写大量底层连接代码,开发效率极低。
- 流程控制混乱:处理涉及“核实订单 - 判断政策 - 生成方案 - 人工审批”的多步逻辑时,缺乏统一的状态管理,容易在异步等待中丢失上下文或陷入死循环。
- 人工介入困难:当遇到需要人工确认的敏感赔付时,难以优雅地暂停程序并保存现场,导致用户需重新描述问题,体验割裂。
- 可观测性缺失:代理决策过程如同黑盒,无法追踪其为何选择特定工具或产生错误回答,导致调试和评估极其耗时。
使用 mastra 后
- 统一模型路由:利用 mastra 的标准接口,团队只需修改一行配置即可在 40+ 个大模型提供商间无缝切换,快速找到性价比最优的组合。
- 可视化工作流编排:通过
.then()和.branch()等直观语法构建图谱化工作流,清晰定义复杂的售后审批链路,确保每一步执行都可控且状态持久化。 - 原生支持人机协作:借助 mastra 的挂起与恢复机制,系统在需人工审批时自动暂停并存储记忆,待管理员批准后精准续接对话,用户体验流畅自然。
- 内置评估与监控:利用自带的评测和可观测性模块,团队能实时量化代理表现,快速定位逻辑缺陷并持续迭代优化,确保生产环境稳定可靠。
mastra 让开发团队从繁琐的基础设施搭建中解放出来,专注于业务逻辑,高效交付了生产级的智能客服应用。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
Mastra
Mastra 是一个基于现代 TypeScript 技术栈的框架,用于构建由 AI 驱动的应用程序和智能体。
它提供了从早期原型到生产就绪应用所需的一切。Mastra 可以与 React、Next.js 和 Node 等前后端框架集成,也可以作为独立服务器部署在任何地方。它是构建、调优和扩展可靠 AI 产品的最简单方式。
为什么选择 Mastra?
Mastra 专为 TypeScript 打造,并围绕成熟的 AI 模式设计,开箱即用,为您提供构建优秀 AI 应用所需的全部功能。
亮点包括:
模型路由 - 通过一个标准接口连接 40 多家提供商。支持 OpenAI、Anthropic、Gemini 等多种模型。
智能体 - 构建能够使用大语言模型和工具解决开放式任务的自主智能体。智能体会对目标进行推理,决定使用哪些工具,并在内部迭代,直到模型生成最终答案或满足可选的停止条件。
工作流 - 当您需要对执行过程进行显式控制时,可以使用 Mastra 基于图的工作流引擎来编排复杂的多步骤流程。Mastra 工作流采用直观的语法来控制流程(
.then()、.branch()、.parallel())。人机协作 - 暂停智能体或工作流,在恢复之前等待用户输入或批准。Mastra 使用 存储 来记住执行状态,因此您可以无限期暂停,并在中断处继续。
上下文管理 - 在正确的时间为您的智能体提供合适的上下文。提供 对话历史,从您的数据源(API、数据库、文件)中 检索 数据,并添加类似人类的 工作记忆 和 语义记忆,使您的智能体行为更加连贯。
集成 - 将智能体和工作流打包到现有的 React、Next.js 或 Node.js 应用中,或者将其作为独立的 API 端点发布。在构建 UI 时,可以与 Vercel 的 AI SDK UI 和 CopilotKit 等智能体库集成,从而在网页上实现您的 AI 助手。
MCP 服务器 - 开发 Model Context Protocol 服务器,通过 MCP 接口公开智能体、工具和其他结构化资源。这些资源随后可以被任何支持该协议的系统或智能体访问。
生产必备 - 发布可靠的智能体需要持续的洞察、评估和迭代。借助内置的 评估 和 可观测性,Mastra 为您提供持续观察、度量和优化的工具。
开始使用
开始使用 Mastra 的 推荐 方法是运行以下命令:
npm create mastra@latest
请按照 安装指南 中的说明,通过 CLI 或手动安装逐步完成设置。
如果您是 AI 智能体的新手,请查看我们的 模板、课程 和 YouTube 视频,立即开始使用 Mastra 进行开发吧。
文档
请访问我们的 官方文档。
使用 AI 构建
按照 使用 AI 构建指南,学习如何让您的智能体成为 Mastra 专家。
贡献
希望参与贡献吗?我们欢迎各种形式的帮助,从编码到测试和功能规范。请阅读 CONTRIBUTING.md 以了解如何参与。
如果您是开发者并希望提交代码,请先打开一个问题讨论,再创建拉取请求。
有关项目设置的信息,请参阅 开发文档。
支持
我们有一个开放的社区 Discord 群组:discord.gg/BTYqqHKUrf。欢迎加入并与我们交流,如果您有任何问题或需要帮助启动项目,请随时告诉我们。
此外,如果您能在页面顶部的 GitHub 仓库 上给本项目点个赞,将对我们非常有帮助。
许可证
本仓库采用双重许可证模式:
- Apache License 2.0 — 核心框架及本代码库的绝大部分内容均以 Apache-2.0 开源许可发布。
- Mastra 企业许可证 — 任何名为
ee/的目录中的代码(例如packages/core/src/auth/ee/)均以 Mastra 企业许可证开源。这些功能在生产环境中使用需要有效的企业许可证,但在开发和测试阶段可以免费使用。
完整的许可证映射请参阅 LICENSE.md,企业许可证条款请参阅 ee/LICENSE。
安全性
我们致力于维护本仓库以及整个 Mastra 项目的安全性。如果您发现任何安全漏洞,请通过 security@mastra.ai 以负责任的方式向我们报告,我们将尽快与您联系。
版本历史
@mastra/core@1.16.02026/03/26@mastra/core@1.14.02026/03/19@mastra/core@1.13.02026/03/17@mastra/core@1.12.02026/03/16@mastra/core@1.11.02026/03/16@mastra/core@1.10.02026/03/09@mastra/core@1.9.02026/03/04@mastra/core@1.8.02026/03/02@mastra/core@1.7.02026/02/25@mastra/core@1.6.02026/02/24@mastra/core@1.5.02026/02/20@mastra/core@1.4.02026/02/16@mastra/core@1.3.02026/02/11mastra@1.2.02026/02/04mastra@1.1.02026/01/30@mastra/core@1.0.0-beta.212026/01/10@mastra/core@1.0.0-beta.202026/01/10@mastra/core@1.0.0-beta.192026/01/10@mastra/core@1.0.0-beta.182026/01/10@mastra/core@1.0.0-beta.172026/01/10常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。