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

# 在 Astro 项目中集成 Mastra

本指南将介绍如何使用 Mastra 构建一个可调用 Tool 的 AI Agent，然后通过路由直接导入并调用该 Agent，将其连接到 Astro。

你将使用 [AI SDK UI](https://ai-sdk.dev/docs/ai-sdk-ui/overview) 和 [AI Elements](https://ai-sdk.dev/elements) 创建美观的交互式聊天体验。

> **备注:** 虽然本指南展示了如何将 Astro 与 React 和完整服务器端渲染（SSR）配合使用，但 Astro 与 Mastra 还有许多其他用法。你可以按文件[选择启用 SSR](https://docs.astro.build/en/guides/on-demand-rendering/#enabling-on-demand-rendering)，也可以使用 Svelte、Vue、Solid 或 Preact 等其他框架。你可以用 Astro 构建聊天界面，并[在 Astro 中原生调用端点](https://docs.astro.build/en/recipes/call-endpoints/)。

## 开始之前

- 你需要受支持的[模型 Provider](https://mastra.zisheng.pro/models)所提供的 API 密钥。如果没有偏好，请使用 [OpenAI](https://mastra.zisheng.pro/models/providers/openai)。
- 安装 Node.js `v22.13.0` 或更高版本

## 创建新的 Astro 应用（可选）

如果已有 Astro 应用，请跳到下一步。Astro 应用应按以下方式设置：

- 使用 SSR（在 `astro.config.mjs` 中设置 `output: "server"`）
- 使用 [React 集成](https://docs.astro.build/en/guides/integrations-guide/react/)
- 已安装 Tailwind

为支持[按需渲染](https://docs.astro.build/en/guides/on-demand-rendering/)，本指南使用 [Node.js adapter](https://docs.astro.build/en/guides/integrations-guide/node/)，但任何受支持的 server adapter 都可以使用。

**npm**:

```bash
npm create astro@latest mastra-astro -- --add node --add react --add tailwind --install --skip-houston --template minimal --git
```

**pnpm**:

```bash
pnpm create astro mastra-astro --add node --add react --add tailwind --install --skip-houston --template minimal --git
```

**Yarn**:

```bash
yarn create astro mastra-astro --add node --add react --add tailwind --install --skip-houston --template minimal --git
```

**Bun**:

```bash
bunx create-astro mastra-astro --add node --add react --add tailwind --install --skip-houston --template minimal --git
```

这会创建名为 `mastra-astro` 的项目，你也可以将其替换为任意名称。

使用 `cd` 进入项目，然后编辑 `astro.config.mjs` 文件，将 [`output` 设置](https://docs.astro.build/en/reference/configuration-reference/#output)设为 `"server"`：

```js
// @ts-check
import { defineConfig } from 'astro/config'

import node from '@astrojs/node'
import react from '@astrojs/react'
import tailwindcss from '@tailwindcss/vite'

// https://astro.build/config
export default defineConfig({
  output: 'server',
  adapter: node({
    mode: 'standalone',
  }),

  integrations: [react()],

  vite: {
    plugins: [tailwindcss()],
  },
})
```

编辑 `tsconfig.json` 以解析路径：

```jsonc
{
  "compilerOptions": {
    // ...
    "baseUrl": ".",
    "paths": {
      "@/*": ["./src/*"],
    },
    // ...
  },
}
```

## 初始化 Mastra

运行 [`mastra init`](https://mastra.zisheng.pro/reference/cli/mastra)。出现提示时，选择 Provider（例如 OpenAI）并输入密钥：

**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
```

这会创建一个 `src/mastra` 文件夹，其中包含示例天气 Agent 和以下文件：

- `index.ts` - Mastra 配置，包括 memory
- `tools/weather-tool.ts` - 获取指定位置天气的 Tool
- `agents/weather-agent.ts`- 使用该 Tool 的天气 Agent 及其提示词

接下来，你会从 Astro 路由调用 `weather-agent.ts`。

## 安装 AI SDK UI 和 AI Elements

安装 AI SDK UI 和 Mastra adapter：

**npm**:

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

**pnpm**:

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

**Yarn**:

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

**Bun**:

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

接下来初始化 AI Elements。出现提示时请选择默认选项：

**npm**:

```bash
npx ai-elements@latest
```

**pnpm**:

```bash
pnpm dlx ai-elements@latest
```

**Yarn**:

```bash
yarn dlx ai-elements@latest
```

**Bun**:

```bash
bun x ai-elements@latest
```

这会将完整的 AI Elements UI 组件库下载到 `@/components/ai-elements` 文件夹。

## 创建聊天路由

创建 `src/pages/api/chat.ts`：

```ts
import type { APIRoute } from 'astro'
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: APIRoute = 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: APIRoute = 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)
}
```

`POST` 路由接受提示词，并以 AI SDK 格式流式返回 Agent 响应；`GET` 路由则从 memory 获取消息历史，以便客户端重新加载时恢复 UI 状态。

## 创建聊天组件

创建 `src/components/chat.tsx`：

```tsx
import '@/styles/global.css'
import { useEffect, useState } from 'react'
import { DefaultChatTransport, type ToolUIPart } from 'ai'
import { useChat } from '@ai-sdk/react'

import {
  PromptInput,
  PromptInputBody,
  PromptInputTextarea,
} from '@/components/ai-elements/prompt-input'

import {
  Conversation,
  ConversationContent,
  ConversationScrollButton,
} from '@/components/ai-elements/conversation'

import { Message, MessageContent, MessageResponse } from '@/components/ai-elements/message'

import { Tool, ToolHeader, ToolContent, ToolInput, ToolOutput } from '@/components/ai-elements/tool'

function Chat() {
  const [input, setInput] = useState<string>('')

  const { messages, setMessages, sendMessage, status } = useChat({
    transport: new DefaultChatTransport({
      api: '/api/chat',
    }),
  })

  useEffect(() => {
    const fetchMessages = async () => {
      const res = await fetch('/api/chat')
      const data = await res.json()
      setMessages([...data])
    }
    fetchMessages()
  }, [setMessages])

  const handleSubmit = async () => {
    if (!input.trim()) return

    sendMessage({ text: input })
    setInput('')
  }

  return (
    <div className="relative size-full h-screen w-full p-6">
      <div className="flex h-full flex-col">
        <Conversation className="h-full">
          <ConversationContent>
            {messages.map(message => (
              <div key={message.id}>
                {message.parts?.map((part, i) => {
                  if (part.type === 'text') {
                    return (
                      <Message key={`${message.id}-${i}`} from={message.role}>
                        <MessageContent>
                          <MessageResponse>{part.text}</MessageResponse>
                        </MessageContent>
                      </Message>
                    )
                  }

                  if (part.type?.startsWith('tool-')) {
                    return (
                      <Tool key={`${message.id}-${i}`}>
                        <ToolHeader
                          type={(part as ToolUIPart).type}
                          state={(part as ToolUIPart).state || 'output-available'}
                          className="cursor-pointer"
                        />
                        <ToolContent>
                          <ToolInput input={(part as ToolUIPart).input || {}} />
                          <ToolOutput
                            output={(part as ToolUIPart).output}
                            errorText={(part as ToolUIPart).errorText}
                          />
                        </ToolContent>
                      </Tool>
                    )
                  }

                  return null
                })}
              </div>
            ))}
            <ConversationScrollButton />
          </ConversationContent>
        </Conversation>

        <PromptInput onSubmit={handleSubmit} className="mt-20">
          <PromptInputBody>
            <PromptInputTextarea
              onChange={e => setInput(e.target.value)}
              className="md:leading-10"
              value={input}
              placeholder="Type your message..."
              disabled={status !== 'ready'}
            />
          </PromptInputBody>
        </PromptInput>
      </div>
    </div>
  )
}

export default Chat
```

此组件将 [`useChat()`](https://ai-sdk.dev/docs/reference/ai-sdk-ui/use-chat) 连接到 `api/chat` 端点，把提示词发送到该端点，并分块流式返回响应。

它使用 [`<MessageResponse>`](https://ai-sdk.dev/elements/components/message#messageresponse-) 组件渲染响应文本，并使用 [`<Tool>`](https://ai-sdk.dev/elements/components/tool) 组件显示所有 Tool 调用。

## 渲染聊天组件

最后一步是在索引页面渲染聊天组件。编辑 `src/pages/index.astro`：

```html
---
import Chat from '@/components/chat';
---

<html lang="en">
  <head>
    <meta charset="utf-8" />
    <link rel="icon" type="image/svg+xml" href="/favicon.svg" />
    <meta name="viewport" content="width=device-width" />
    <meta name="generator" content="{Astro.generator}" />
    <title>Astro</title>
  </head>
  <body>
    <Chat client:load />
  </body>
</html>
```

导入 `Chat` 组件，并使用 `client:load` [指令](https://docs.astro.build/en/reference/directives-reference/#client-directives)将其添加到 body，使它在客户端运行。

## 测试 Agent

1. 使用 `npm run dev` 运行 Astro 应用
2. 打开聊天页面：<http://localhost:4321>
3. 尝试询问天气。如果 API 密钥配置正确，你会收到响应

## 后续步骤

恭喜你使用 Astro 构建了 Mastra Agent！🎉

接下来，你可以使用自己的 Tool 和逻辑扩展项目：

- 进一步了解 [Agent](https://mastra.zisheng.pro/docs/agents/overview)
- 为 Agent 添加自己的 [Tool](https://mastra.zisheng.pro/docs/agents/using-tools)
- 为 Agent 添加类似人类的 [memory](https://mastra.zisheng.pro/docs/memory/overview)

准备就绪后，可进一步了解 Mastra 与 AI SDK UI 的集成方式，以及如何将 Agent 部署到任意位置：

- 将 Mastra 与 [AI SDK UI](https://mastra.zisheng.pro/guides/build-your-ui/ai-sdk-ui) 集成
- 将 Agent [部署到任意位置](https://mastra.zisheng.pro/docs/deployment/overview)