TypeScript 开发者的 Agent 框架 2026 年，Agent 框架的生态以 Python 为主流，但大量全栈开发者的技术栈是 TypeScript。Mastra 正是为这群人打造的——一个 TypeScript 原生的 Agent 框架，不是 Python 框架的移植，而是从零开始为 TypeScript 生态设计的。
设计理念 Mastra 的核心理念：
TS Native：利用 TypeScript 的类型系统，而非 Python 的动态特性 Edge Ready：支持 Vercel Edge Functions、Cloudflare Workers 等边缘计算平台 Full-Stack：前端、后端、CLI 工具链一体化 React Integration：与 React/Next.js 生态无缝集成 快速上手 安装与初始化 # 创建新项目 npx create-mastra@latest my-agent-app # 项目结构 my-agent-app/ ├── src/ │ ├── agents/ │ │ ├── research-agent.ts │ │ └── writing-agent.ts │ ├── workflows/ │ │ └── content-pipeline.ts │ ├── tools/ │ │ ├── search.ts │ │ └── database.ts │ ├── Mastra.config.ts │ └── index.ts ├── mastra/ │ └── playground/ # 可视化调试界面 ├── package.json └── tsconfig.json 定义 Agent import { Mastra } from '@mastra/core'; import { createAgent } from '@mastra/core/agent'; import { openai } from '@ai-sdk/openai'; import { z } from 'zod'; // 使用 Zod 定义结构化输出 const researchOutputSchema = z.object({ topic: z.string(), keyFindings: z.array(z.string()), confidence: z.number().min(0).max(1), sources: z.array(z.object({ url: z.string().url(), title: z.string(), reliability: z.enum(['high', 'medium', 'low']) })), recommendation: z.enum(['proceed', 'caution', 'avoid']) }); // 创建 Agent export const researchAgent = createAgent({ name: 'research-agent', description: '深度研究分析师', model: openai('gpt-4o'), instructions: `你是一名专业研究分析师。 - 始终提供来源链接 - 区分事实和推测 - 给出明确的置信度评分 - 保守地给出建议`, outputSchema: researchOutputSchema, tools: { webSearch: searchTool, knowledgeBase: kbTool, }, memory: { type: 'semantic', config: { embeddings: openai.embedding('text-embedding-3-large'), vectorStore: 'pgvector', }, }, // TypeScript 完整类型推导 // output 类型自动推断为 z.infer<typeof researchOutputSchema> }); 工具定义 import { createTool } from '@mastra/core/tools'; import { z } from 'zod'; // 类型安全的工具定义 export const searchTool = createTool({ id: 'web-search', description: '搜索互联网获取最新信息', inputSchema: z.object({ query: z.string().describe('搜索查询'), maxResults: z.number().default(10).describe('最大返回数'), timeRange: z.enum(['day', 'week', 'month', 'year']).optional() .describe('时间范围'), }), outputSchema: z.object({ results: z.array(z.object({ title: z.string(), url: z.string().url(), snippet: z.string(), publishedAt: z.string().datetime().optional(), })), totalResults: z.number(), }), execute: async ({ input, context }) => { // input 类型自动推断：{ query: string, maxResults: number, ... } const response = await fetch( `https://api.search.com/v1/search?q=${encodeURIComponent(input.query)}&limit=${input.maxResults}` ); const data = await response.json(); return { results: data.items.map((item: any) => ({ title: item.title, url: item.link, snippet: item.snippet, publishedAt: item.publishedAt, })), totalResults: data.totalResults, }; }, }); // 数据库工具 export const dbTool = createTool({ id: 'database-query', description: '查询内部数据库', inputSchema: z.object({ sql: z.string().describe('SQL 查询语句（只读）'), params: z.array(z.union([z.string(), z.number()])).optional(), }), outputSchema: z.object({ rows: z.array(z.record(z.unknown())), rowCount: z.number(), }), execute: async ({ input, context }) => { const client = await context.db.connect(); try { // SQL 注入防护 if (!/^SELECT/i.test(input.sql)) { throw new Error('仅允许 SELECT 查询'); } const result = await client.query(input.sql, input.params || []); return { rows: result.rows, rowCount: result.rowCount, }; } finally { client.release(); } }, }); Workflow 引擎 Mastra 的 Workflow 引擎支持状态机和工作流编排：
...
