Mastra

Mastra 是一个开源的 TypeScript Agent 框架，用来构建 AI Agent 和智能体应用。核心框架免费，采用 Apache-2.0 协议（仓库内 ee/ 企业模块单独商用授权），GitHub 仓库 mastra-ai/mastra 在 2026-08-25 检查时约 27,437 星。它在社区推荐流里很常见，被认为是快速把 Agent、工作流、RAG 和评测落地且不用离开 TypeScript 生态的方式。

核心功能

• Agent：把大模型、工具、记忆和指令组合成一个原语，支持流式输出和结构化输出。
• 工作流（Workflows）：基于图结构的确定性编排，适合多步骤、顺序可控的流水线。
• RAG：内置检索能力，支持向量库集成与重排，让回答有依据。
• 记忆（Memory）：工作记忆与长期记忆，社区广泛讨论的 Observational Memory 模式也在其文档中。
• MCP 支持：开箱即用地接入 Model Context Protocol 的 server 和 client，方便挂外部工具。
• 评测与可观测性：内置评测框架，以及指标、日志、链路追踪，可在托管平台查看。

适用场景

• 面向用户的产品 Agent：在自家产品里运行、直接交付完整结果的 Agent。
• 内部 Agent：跑在 Slack 等内部系统里的机器人，做摘要、工单和自动化。
• 开发者平台：让其他产品团队基于你的原语构建 Agent。
• 从原型到生产：希望用一套 TypeScript 代码同时支撑实验与上线。

定价方案

框架开源免费。mastra.ai/pricing 提供托管平台，套餐如下（2026-08-25 核对）：

超出套餐按用量计费（事件、CPU 时长、记忆 token、检索存储）。24/7 常驻服务端部署为每项目 $100 附加项。

优势对比

相比竞品的优势：

1. TypeScript 原生：从 Agent 定义到工具全链路类型安全，适合已在 Node 上的团队。
2. 全家桶：Agent、工作流、RAG、记忆、评测、部署都是第一方能力，不用自己拼五六个库。
3. MCP 优先：原生支持 Model Context Protocol，能直接使用快速增长的工具生态。

独特卖点：把可观测性和评测当作核心能力而不是事后补丁，这也是社区帖子里它常被拿来和"自己拼 LangChain"对比的原因。

快速开始

入门指南

1. 初始化：运行 npm create mastra@latest 按提示创建。
2. 构建 Agent：给它配置模型、工具和指令，然后流式输出。
3. 加记忆或 RAG：接入长期记忆或向量库，让回答有依据。
4. 部署：推到 Mastra Server（自托管）或托管平台，查看链路追踪。

集成

支持 100+ 大模型供应商、OpenAI 兼容接口、向量数据库（含 LibSQL/Postgres）以及 MCP 服务器。

常见问题

Mastra 免费吗？

框架开源免费。托管平台有 $0 的 Starter 档，以及付费的 Teams/企业档。

采用什么协议？

核心为 Apache-2.0；ee/ 企业模块为单独商用授权（见仓库 LICENSE.md）。

支持 MCP 吗？

支持，MCP server 与 client 开箱即用。

替代方案

如果 Mastra 不合适，可以考虑：

• LangGraph：LangChain 生态中更底层的图运行时。
• LangChain：生态更大、集成更多。
• Google ADK：Google 的 Agent 开发套件。
• DeepSeek Harness：DeepSeek 的插件化运行时。

使用技巧

1. 固定流水线任务先用工作流，不要一上来就用自由 Agent。
2. 尽早用内置评测，小样本抓回归比最后跑大 harness 便宜得多。
3. 免费档留意可观测事件额度，超出按每 10 万事件计费。

总结

Mastra 为 TypeScript 团队提供了一个集 Agent、工作流、RAG、记忆、评测与部署于一体的开源框架，需要时也有托管平台。从 mastra.ai 或 GitHub 仓库 开始，如果需要更底层的运行时，可以和 LangGraph 对比。