在 Next.js 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 Next.js。

你将使用 AI SDK UI 和 AI Elements 创建美观的交互式聊天体验。

开始之前

• 你需要受支持的模型 Provider所提供的 API 密钥。如果没有偏好，请使用 OpenAI。
• 安装 Node.js v22.13.0 或更高版本

创建新的 Next.js 应用（可选）

如果已有 Next.js 应用，请跳到下一步。

运行以下命令以创建新的 Next.js 应用：

npm

npx create-next-app@latest my-nextjs-agent --yes --ts --eslint --tailwind --src-dir --app --turbopack --no-react-compiler --no-import-alias

pnpm

pnpm dlx create-next-app@latest my-nextjs-agent --yes --ts --eslint --tailwind --src-dir --app --turbopack --no-react-compiler --no-import-alias

Yarn

yarn dlx create-next-app@latest my-nextjs-agent --yes --ts --eslint --tailwind --src-dir --app --turbopack --no-react-compiler --no-import-alias

Bun

bun x create-next-app@latest my-nextjs-agent --yes --ts --eslint --tailwind --src-dir --app --turbopack --no-react-compiler --no-import-alias

这会创建名为 my-nextjs-agent 的项目，你也可以将其替换为任意名称。

初始化 Mastra

进入 Next.js 项目：

cd my-nextjs-agent

运行 mastra init。出现提示时，选择 Provider（例如 OpenAI）并输入密钥：

npm

npx mastra@latest init

pnpm

pnpm dlx mastra@latest init

Yarn

yarn dlx mastra@latest init

Bun

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 Next.js 路由调用 weather-agent.ts。

将 Studio 与 Next.js 一起使用

如果希望同时运行 Studio 和 Next.js 应用，并让二者共享同一数据库，请更新 src/mastra/index.ts 中的存储 URL，使用绝对路径：

url: 'file:/absolute/path/to/your/project/mastra.db'

相对路径会根据各进程的工作目录进行解析，而 next dev 和 mastra dev 的工作目录不同。

安装 AI SDK UI 和 AI Elements

安装 AI SDK UI 和 Mastra adapter：

npm

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

pnpm

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

Yarn

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

Bun

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

npx ai-elements@latest

pnpm

pnpm dlx ai-elements@latest

Yarn

yarn dlx ai-elements@latest

Bun

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/app/api/chat/route.ts：

src/app/api/chat/route.ts

import { handleChatStream } from '@mastra/ai-sdk'
import { toAISdkV5Messages } from '@mastra/ai-sdk/ui'
import { createUIMessageStreamResponse } from 'ai'
import { mastra } from '@/mastra'
import { NextResponse } from 'next/server'

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

export async function POST(req: Request) {
  const params = await req.json()
  const stream = await handleChatStream({
    mastra,
    agentId: 'weather-agent',
    params: {
      ...params,
      memory: {
        ...params.memory,
        thread: THREAD_ID,
        resource: RESOURCE_ID,
      },
    },
  })
  return createUIMessageStreamResponse({ stream })
}

export async function GET() {
  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 NextResponse.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。

创建聊天页面

创建 src/app/chat/page.tsx：

src/app/chat/page.tsx

'use client'

import '@/app/globals.css'
import { useEffect, useState } from 'react'
import { DefaultChatTransport, 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() 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> 组件渲染响应文本，并使用 <Tool> 组件显示所有 Tool 调用。

测试 Agent

1. 使用 npm run dev 运行 Next.js 应用
2. 打开聊天页面：http://localhost:3000/chat
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 Next.js 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
• 为 Agent 添加自己的 Tool
• 为 Agent 添加类似人类的 memory

准备就绪后，可进一步了解 Mastra 与 AI SDK UI 和 Next.js 的集成方式，以及如何将 Agent 部署到包括 Vercel 在内的任意位置：

• 将 Mastra 与 AI SDK UI 集成
• 将 Agent 部署到 Vercel
• 将 Agent 部署到任意位置