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

# withMastra()

使用 Mastra 处理器和/或 memory 封装 AI SDK 模型。

## 使用示例

```typescript
import { openai } from '@ai-sdk/openai'
import { generateText } from 'ai'
import { withMastra } from '@mastra/ai-sdk'
import type { Processor } from '@mastra/core/processors'

const loggingProcessor: Processor<'logger'> = {
  id: 'logger',
  async processInput({ messages }) {
    console.log('Input:', messages.length, 'messages')
    return messages
  },
}

const model = withMastra(openai('gpt-5.4'), {
  inputProcessors: [loggingProcessor],
})

const { text } = await generateText({
  model,
  prompt: 'What is 2 + 2?',
})
```

## 参数

**model** (`LanguageModelV2 | LanguageModelV3`): 任意 AI SDK v5 或 v6 语言模型（例如 openai('gpt-5.4')、anthropic('claude-opus-4-6')）。

**options** (`WithMastraOptions`): 处理器和 memory 的配置对象。

**options.inputProcessors** (`InputProcessor[]`): 在调用 LLM 前运行的 input processor。

**options.outputProcessors** (`OutputProcessor[]`): 对 LLM 响应运行的 output processor。

**options.memory** (`WithMastraMemoryOptions`): Memory 配置，用于启用消息历史记录的自动持久化。

**options.memory.storage** (`MemoryStorage`): 用于持久化消息的 memory storage domain。可通过 await storage.getStore('memory') 从 composite store 获取。

**options.memory.threadId** (`string`): 用于持久化对话的 thread ID。

**options.memory.resourceId** (`string`): Resource ID（用户/session 标识符）。

**options.memory.lastMessages** (`number | false`): 要检索的近期消息数量；设为 false 可禁用。

**options.memory.semanticRecall** (`WithMastraSemanticRecallOptions`): semantic recall 配置（基于 RAG 的 memory 检索）。

**options.memory.workingMemory** (`MemoryConfig['workingMemory']`): working memory 配置（持久化用户数据）。

**options.memory.readOnly** (`boolean`): 只读模式，可阻止保存新消息。

## 返回值

封装后的模型，与 `generateText`、`streamText`、`generateObject` 和 `streamObject` 兼容。

## 流式传输行为

实现 `processOutputResult` 的 output processor 会在 stream 结束后运行。请完整消费 stream，以持久化消息历史记录和 semantic recall。