选 Mastra,要看谁来维护代码,而不是看演示
TypeScript 客户团队能在一个仓库里用上工作流、记忆、MCP 和评测;纯 Python 团队则基本无此优势。
要点速览
- 客户使用 TypeScript 技术栈、且你离场后由他们自己的团队维护系统时,Mastra 最合适。
- 工作流自带 suspend/resume,可直接用于等待人工审批的步骤;scorer 既能在 CI 中运行,也能在生产环境实时运行。
- 上生产环境前,先确认所依赖的功能是否位于受 Enterprise License 约束的 ee/ 目录中。
客户的后端跑在 Node 和 TypeScript 上。你一离场,他们的团队就要接手这套 Agent 系统。这时选框架不再是个人偏好问题:它决定了六个月后还有谁能改这些代码。
Mastra 正是这种场景下值得认真考虑的选项。官方文档将它定义为用于构建 Agent 和 AI 应用的 TypeScript 框架。官方仓库把 Agent、工作流、记忆、评测和 MCP 集中在一处。
它背后是打造 Gatsby 的团队,三位联合创始人 Sam Bhagwat(CEO)、Shane Thomas 和 Abhi Aiyer 于 2024 年创立了这家公司。对前线部署工程师(FDE)来说,有用的问题不是 Mastra 好不好,而是在客户现场什么时候该选它,以及要学会哪些东西才能从第一天起就用上它。
为维护者选型,而不是为演示选型
一次部署是否成功,要看你离开后客户团队还能不能改得动。如果他们的后端是 TypeScript,再引入一个 Python 服务来跑 Agent,就意味着多一个运行时、多一条部署流水线,还有一批人要学另一门语言。Mastra 省掉了这笔成本,因为 Agent 和其他代码使用同一种语言、放在同一个仓库里。
第二个原因是,Agent 项目通常要自己搭的四样东西,Mastra 已经内置:编排步骤、记住用户、通过 MCP 接入工具,以及给输出质量打分。
如果用四个库把这四样东西拼起来,现场的大部分时间都会花在对接上。反过来,如果客户团队只用 Python,这个优势基本就不存在了,你应该重新考虑。
工作流还是 Agent:界线在哪里?
Mastra 的文档说得很明确:任务事先定义清楚、包含多个步骤、且必须按特定顺序执行时,用工作流。工作流运行在基于图的引擎上,每次运行都可以暂停、恢复并流式输出结果。只有仍然模糊、需要模型自己选择下一步的部分,才交给 Agent。
当客户想知道哪一步先执行、哪一步需要有人签字时,这条界线对 FDE 就很重要。暂停和恢复正是把人工审批人放进流程的位置,不必自己写状态机。
设想一个带人工审批的退款流程
假设客户是一家零售商,想把退款申请自动化。你搭了一个四步工作流:对申请分类、查询订单、做出决定、起草回复。在决定这一步,如果金额超过客户设定的阈值,工作流就暂停,等员工审批后再继续。
下面的示意代码只说明这一步及配套 scorer 的逻辑。它是伪代码,不是准确语法;真实的函数名请查阅 Mastra v1 文档。
// 伪代码:仅说明逻辑,并非准确的 Mastra v1 API
const decide = step(async ({ refund, suspend, resumeData }) => {
if (refund.amount > APPROVAL_THRESHOLD && !resumeData) {
// 运行在此停止,直到员工审批并恢复
return suspend({ orderId: refund.orderId, reason: "needs_approval" });
}
return { approved: resumeData ? resumeData.approved : true };
});
// 基于规则的 scorer:回复中是否提到了正确的订单号?
const mentionsOrderId = (output, refund) =>
output.includes(refund.orderId) ? 1 : 0;
常见的错误是把需要判断的部分塞进工作流固定的 if-else 链里,比如判断一个含糊的退款理由是否成立。按照文档划出的界线,这部分应该交给 Agent,工作流只保留顺序明确的步骤和审批暂停。
两者混在一起,客户每提一个例外,工作流就膨胀一圈。到现场第一件事,是和运营团队坐下来,在白板上画出各个步骤,标出哪些需要人工审批、哪些需要判断。这张图几乎就是工作流设计本身。
Agent 记住什么,放在哪一层?
Mastra 的记忆分为几层,退款流程三层都用得上。消息历史保存对话中最近 N 条消息,足以让 Agent 不再追问刚拿到的订单号。
工作记忆存储关于用户的结构化持久数据,如姓名、偏好和目标。这样即使在之后的对话里,Agent 也能记得这位客户希望退款到银行卡而不是钱包。
语义召回按含义而非关键词检索旧消息。像“上次你们发错了颜色”这样的话,即使用户没有重复原来的措辞,也能找到上个月的投诉。
最容易犯的错误是把所有东西都塞进同一层。把客户偏好放进消息历史,对话一长就被挤出去;靠语义召回来取退款方式这类结构化数据,结果就取决于基于含义的检索能不能碰巧命中。
事先想清楚哪些信息是固定档案,哪些只是上下文。
赶在客户之前打分
Mastra 中的评测叫 scorer:对 Agent 输出自动打分的测试,有三种方式:模型打分、基于规则和统计方法。在退款流程中,像上面示意代码里那样基于规则的 scorer 负责检查订单号;模型打分的 scorer 则判断语气是否礼貌、回复是否符合政策。
scorer 可以在两个地方运行。在 CI/CD 中,它们是回归测试:每次修改提示词,就在一组样例对话上重新运行,分数下降则阻止合并。在生产环境中,它们以抽样方式在后台实时运行,不阻塞 Agent 的响应,也不影响工作流的执行。
当客户问 Agent 这周是不是比上周差了,实时模式能给出数据。第一周就和他们商定两三个 scorer,别等到有人投诉。
需要提前和客户讲清的限制
Mastra 的许可证分两层。核心采用 Apache 2.0,而 ee/ 目录中的代码适用 Mastra Enterprise License,属于源码可见(source-available)许可。客户的法务团队可能会问到这一点,所以要提前查清你打算使用的功能位于哪里。
版本节点也有实际影响。Mastra v1 于 2026 年 1 月发布;文档建议新项目直接从 v1 开始,并提供了专门的升级指南。在此之前写的教程和示例代码可能已经对不上,查资料时优先看官方 v1 文档。
按什么顺序学,如何自测
合理的顺序就按上面的示例流程走。先做一个带审批暂停的工作流,因为客户想保留签字权时,suspend/resume 的价值体现得最明显。然后给 Agent 加上工作记忆,最后把 scorer 接入 CI。
最终练习:重建退款流程,审批阈值可配置,把退款方式存入工作记忆,再写一个检查订单号的基于规则的 scorer。通过标准是:超过阈值的申请停在正确的位置,审批后能恢复,而你故意从回复中删掉订单号时,CI 中的 scorer 会变红。
从职业发展看,一个能展示这三点的小仓库,分量远超一个聊天机器人演示。简历上用结果来写,例如“设计了带人工审批步骤的 TypeScript Agent 工作流,并通过 CI scorer 阻止质量回退”。
框架会不断变化,但方法不变:把流程化的部分和需要模型推理的部分分开,把人工审批人放在正确的位置,在客户不得不替你衡量之前,先自己衡量好质量。
这篇文章对你有帮助吗?
感谢你的反馈!