withMastra()

使用 Mastra processors 及／或記憶體包裝 AI SDK 模型。

使用範例

src/example.ts

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?',
})

參數

model:

LanguageModelV2 | LanguageModelV3

任何 AI SDK v5 或 v6 語言模型（例如 openai('gpt-5.4')、anthropic('claude-opus-4-6')）。

options?:

WithMastraOptions

processors 及記憶體的設定物件。

WithMastraOptions

inputProcessors?:

InputProcessor[]

在呼叫 LLM 前執行的輸入 processors。

outputProcessors?:

OutputProcessor[]

對 LLM 回應執行的輸出 processors。

memory?:

WithMastraMemoryOptions

記憶體設定，可啟用自動持久保存訊息記錄。

WithMastraMemoryOptions

storage:

MemoryStorage

用於持久保存訊息的記憶體儲存網域。可使用 await storage.getStore('memory') 從複合儲存空間取得。

threadId:

string

用於持久保存對話的執行緒 ID。

resourceId?:

string

資源 ID（使用者／工作階段識別碼）。

lastMessages?:

number | false

要擷取的最近訊息數目，或設為 false 以停用。

semanticRecall?:

WithMastraSemanticRecallOptions

語意回憶設定（以 RAG 為基礎的記憶體擷取）。

workingMemory?:

MemoryConfig['workingMemory']

工作記憶體設定（持久保存的使用者資料）。

readOnly?:

boolean

唯讀模式，可防止儲存新訊息。

傳回值

傳回與 generateText、streamText、generateObject 及 streamObject 相容的已包裝模型。

串流行為

實作 processOutputResult 的輸出 processors 會在串流結束後執行。請完整接收串流，以持久保存訊息記錄及語意回憶。