> Discover all available pages from the documentation index: https://mastra.zisheng.pro/fr/llms.txt

# Intégrer Mastra à votre projet SvelteKit

Dans ce guide, vous allez créer avec Mastra un Agent d’IA capable d’appeler des Tools, puis le connecter à SvelteKit en important et en appelant l’Agent directement depuis vos routes.

Vous utiliserez [AI SDK UI](https://ai-sdk.dev/docs/ai-sdk-ui/overview) pour créer une expérience de chat élégante et interactive.

## Avant de commencer

- Vous aurez besoin d’une clé API provenant d’un [Provider de modèles](https://mastra.zisheng.pro/fr/models) pris en charge. Si vous n’avez pas de préférence, utilisez [OpenAI](https://mastra.zisheng.pro/fr/models/providers/openai).
- Installez Node.js `v22.13.0` ou une version ultérieure

## Créer une application SvelteKit (facultatif)

Si vous disposez déjà d’une application SvelteKit utilisant Tailwind, passez à l’étape suivante.

Exécutez la commande suivante pour [créer une application SvelteKit](https://svelte.dev/docs/kit/creating-a-project) :

**npm**:

```bash
npx sv create mastra-svelte --template minimal --types ts --add tailwindcss="plugins:forms" --install npm
```

**pnpm**:

```bash
pnpm dlx sv create mastra-svelte --template minimal --types ts --add tailwindcss="plugins:forms" --install npm
```

**Yarn**:

```bash
yarn dlx sv create mastra-svelte --template minimal --types ts --add tailwindcss="plugins:forms" --install npm
```

**Bun**:

```bash
bun x sv create mastra-svelte --template minimal --types ts --add tailwindcss="plugins:forms" --install npm
```

Cette commande crée un projet nommé `mastra-svelte`, mais vous pouvez choisir le nom de votre choix. Tailwind est ajouté pour la mise en forme utilisée plus loin.

## Initialiser Mastra

Accédez à votre projet SvelteKit :

```bash
cd mastra-svelte
```

Exécutez [`mastra init`](https://mastra.zisheng.pro/fr/reference/cli/mastra). Lorsque vous y êtes invité, choisissez un Provider (par exemple OpenAI) et saisissez votre clé :

**npm**:

```bash
npx mastra@latest init
```

**pnpm**:

```bash
pnpm dlx mastra@latest init
```

**Yarn**:

```bash
yarn dlx mastra@latest init
```

**Bun**:

```bash
bun x mastra@latest init
```

Cette commande crée un dossier `src/mastra` contenant un exemple d’Agent météo et les fichiers suivants :

- `index.ts` — configuration de Mastra, y compris la mémoire
- `tools/weather-tool.ts` — Tool qui récupère la météo d’un lieu donné
- `agents/weather-agent.ts` — Agent météo doté d’une instruction qui utilise le Tool

Dans les étapes suivantes, vous appellerez `weather-agent.ts` depuis vos routes SvelteKit.

## Installer AI SDK UI

Installez AI SDK UI ainsi que l’adaptateur Mastra :

**npm**:

```bash
npm install @mastra/ai-sdk@latest @ai-sdk/svelte ai
```

**pnpm**:

```bash
pnpm add @mastra/ai-sdk@latest @ai-sdk/svelte ai
```

**Yarn**:

```bash
yarn add @mastra/ai-sdk@latest @ai-sdk/svelte ai
```

**Bun**:

```bash
bun add @mastra/ai-sdk@latest @ai-sdk/svelte ai
```

## Créer une route de chat

Créez `src/routes/api/chat/+server.ts` :

```ts
import type { RequestHandler } from './$types'
import { handleChatStream } from '@mastra/ai-sdk'
import { toAISdkV5Messages } from '@mastra/ai-sdk/ui'
import { createUIMessageStreamResponse } from 'ai'
import { mastra } from '../../../mastra'

const THREAD_ID = 'example-user-id'
const RESOURCE_ID = 'weather-chat'

export const POST: RequestHandler = async ({ request }) => {
  const params = await request.json()
  const stream = await handleChatStream({
    mastra,
    agentId: 'weather-agent',
    params: {
      ...params,
      memory: {
        ...params.memory,
        thread: THREAD_ID,
        resource: RESOURCE_ID,
      },
    },
  })

  return createUIMessageStreamResponse({ stream })
}

export const GET: RequestHandler = async () => {
  const memory = await mastra.getAgentById('weather-agent').getMemory()
  let response = null

  try {
    response = await memory?.recall({
      threadId: THREAD_ID,
      resourceId: RESOURCE_ID,
    })
  } catch {
    console.log('No previous messages found.')
  }

  const uiMessages = toAISdkV5Messages(response?.messages || [])

  return Response.json(uiMessages)
}
```

La route `POST` accepte une instruction et renvoie la réponse de l’Agent en streaming au format AI SDK, tandis que la route `GET` récupère l’historique des messages depuis la mémoire afin de réhydrater l’interface lors du rechargement du client.

Pour que le gestionnaire `GET` soit appelé, créez un fichier `src/routes/+page.ts`. Sa fonction `load()` s’exécute avec `+page.svelte`.

```ts
import type { UIDataTypes, UIMessage, UITools } from 'ai'
import type { PageLoad } from './$types'

export const load: PageLoad = async ({ fetch }) => {
  const response = await fetch('/api/chat')
  const initialMessages = (await response.json()) as UIMessage<unknown, UIDataTypes, UITools>[]
  return { initialMessages }
}
```

## Ajouter l’interface de chat

Remplacez le contenu de `src/routes/+page.svelte` par ce qui suit.

```svelte
<script lang="ts">
  import { Chat } from '@ai-sdk/svelte';
  import { DefaultChatTransport, type ToolUIPart } from 'ai';

  let input = $state('');
  const { data } = $props();
  let messages = $derived(data.initialMessages)

  const chat = new Chat({
    transport: new DefaultChatTransport({
      api: '/api/chat'
    }),
    get messages() {
      return messages;
    }
  });

  function handleSubmit(event: SubmitEvent) {
    event.preventDefault();
    chat.sendMessage({ text: input });
    input = '';
  }

  const STATE_TO_LABEL_MAP: Record<ToolUIPart["state"], string> = {
    "input-streaming": "Pending",
    "input-available": "Running",
    // @ts-expect-error - Only available in AI SDK v6
    "approval-requested": "Awaiting Approval",
    "approval-responded": "Responded",
    "output-available": "Completed",
    "output-error": "Error",
    "output-denied": "Denied",
  };
</script>

<main class="max-w-3xl mx-auto p-6 size-full h-screen">
  <div class="flex flex-col h-full">
    <div class="flex-1 min-h-0 overflow-y-auto" data-name="conversation">
      <div data-name="conversation-content" class="flex flex-col gap-8">
        {#each chat.messages as message, messageIndex (messageIndex)}
          <div>
            {#each message.parts as part, partIndex (partIndex)}
              {#if part.type === 'text'}
                <div data-name="message" class={[message.role === 'user' && 'ml-auto justify-end', 'group flex w-full max-w-[95%] flex-col gap-2', message.role === 'user' ? 'is-user' : 'is-assistant']}>
                  <div data-name="message-content" class={["is-user:dark flex w-fit max-w-full min-w-0 flex-col gap-2 overflow-hidden text-sm",
      "group-[.is-user]:ml-auto group-[.is-user]:rounded-lg group-[.is-user]:bg-blue-100 group-[.is-user]:px-4 group-[.is-user]:py-3 group-[.is-user]:text-foreground",
      "group-[.is-assistant]:text-foreground"]}>
                    <div data-name="message-response" class="size-full [&>*:first-child]:mt-0 [&>*:last-child]:mb-0">
                      {part.text}
                    </div>
                  </div>
                </div>
              {:else if part.type.startsWith('tool-')}
                <div data-name="tool" class="not-prose mb-6 w-full rounded-lg border border-gray-300 shadow">
                  <details data-name="tool-header" class="w-full p-3 hover:cursor-pointer">
                    <summary class="font-medium text-sm">{(part as ToolUIPart).type.split("-").slice(1).join("-")} - {STATE_TO_LABEL_MAP[(part as ToolUIPart).state ?? 'output-available']}</summary>
                    <div data-name="tool-content" class="">
                      <div data-name="tool-input" class="space-y-2 overflow-hidden py-4">
                        <div class="font-medium text-muted-foreground text-xs uppercase tracking-wide">Parameters</div>
                        <pre class="w-full overflow-x-auto rounded-md border border-gray-300 bg-gray-50 p-3 text-sm"><code>{JSON.stringify((part as ToolUIPart).input, null, 2)}</code></pre>
                      </div>
                      <div data-name="tool-output" class="space-y-2 overflow-hidden py-4">
                        <div class="font-medium text-muted-foreground text-xs uppercase tracking-wide">{(part as ToolUIPart).errorText ? 'Error' : 'Result'}</div>
                        <pre class="w-full overflow-x-auto rounded-md border border-gray-300 bg-gray-50 p-3 text-sm"><code>{JSON.stringify((part as ToolUIPart).output, null, 2)}</code></pre>
                        {#if (part as ToolUIPart).errorText}
                          <div data-name="tool-error" class="text-red-600">
                            {(part as ToolUIPart).errorText}
                          </div>
                        {/if}
                      </div>
                    </div>
                  </details>
                </div>
              {/if}
            {/each}
          </div>
        {/each}
      </div>
    </div>
    <form class="w-full grid grid-cols-[1fr_auto] gap-6 shrink-0 pt-4" onsubmit={handleSubmit} data-name="prompt-input">
      <input name="chat-input" class="rounded-lg border border-gray-300 shadow h-10" placeholder="City name" bind:value={input} />
      <button class="bg-blue-600 text-white shadow-lg border border-blue-400 px-4 whitespace-nowrap rounded-lg text-sm font-medium transition-all disabled:pointer-events-none disabled:opacity-50 shrink-0 outline-none focus-visible:border-ring focus-visible:ring-ring/50 focus-visible:ring-[3px]" type="submit">Send</button>
    </form>
  </div>
</main>
```

Cette page connecte [`Chat`](https://ai-sdk.dev/docs/reference/ai-sdk-ui/use-chat) au point de terminaison `api/chat`, lui envoie les instructions et reçoit la réponse en streaming par fragments.

Elle affiche le texte de la réponse à l’aide de composants personnalisés pour les messages et les Tools.

## Tester votre Agent

1. Exécutez votre application SvelteKit avec `npm run dev`
2. Ouvrez le chat à l’adresse <http://localhost:5173>
3. Posez une question sur la météo. Si votre clé API est correctement configurée, vous obtiendrez une réponse

## Étapes suivantes

Félicitations, vous avez créé votre Agent Mastra avec SvelteKit ! 🎉

Vous pouvez maintenant enrichir le projet avec vos propres Tools et votre propre logique :

- En savoir plus sur les [Agents](https://mastra.zisheng.pro/fr/docs/agents/overview)
- Donnez à votre Agent ses propres [Tools](https://mastra.zisheng.pro/fr/docs/agents/using-tools)
- Ajoutez une [mémoire](https://mastra.zisheng.pro/fr/docs/memory/overview) semblable à celle des humains à votre Agent

Lorsque vous êtes prêt, découvrez plus en détail l’intégration de Mastra avec AI SDK UI et SvelteKit, ainsi que le déploiement de votre Agent sur n’importe quelle plateforme :

- Intégrez Mastra à [AI SDK UI](https://mastra.zisheng.pro/fr/guides/build-your-ui/ai-sdk-ui)
- Déployez votre Agent [sur la plateforme de votre choix](https://mastra.zisheng.pro/fr/docs/deployment/overview)
- Essayez la bibliothèque [Svelte AI Elements non officielle](https://svelte-ai-elements.vercel.app/)