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

# 在 SvelteKit 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 SvelteKit。

你将使用 [AI SDK UI](https://ai-sdk.dev/docs/ai-sdk-ui/overview) 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](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 SvelteKit 应用（可选）

如果已有使用 Tailwind 的 SvelteKit 应用，请跳到下一步。

运行以下命令以[创建新的 SvelteKit 应用](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
```

这会创建名为 `mastra-svelte` 的项目，你也可以将其替换为任意名称。Tailwind 会用于后续样式设置。

## 初始化 Mastra

进入 SvelteKit 项目：

```bash
cd mastra-svelte
```

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 SvelteKit 路由调用 `weather-agent.ts`。

## 安装 AI SDK UI

安装 AI SDK UI 和 Mastra adapter：

**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
```

## 创建聊天路由

创建 `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)
}
```

`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。

要让 `GET` handler 被调用，需要创建 `src/routes/+page.ts` 文件。它的 `load()` 函数会与 `+page.svelte` 一起运行。

```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 }
}
```

## 添加聊天 UI

将 `src/routes/+page.svelte` 替换为以下内容。

```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>
```

此页面将 [`Chat`](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。

它使用自定义消息和 Tool 组件渲染响应文本。

## 测试 Agent

1. 使用 `npm run dev` 运行 SvelteKit 应用
2. 打开聊天页面：<http://localhost:5173>
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 SvelteKit 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 和 SvelteKit 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)
- 试用[非官方 Svelte AI Elements](https://svelte-ai-elements.vercel.app/)