在你的 Next.js 專案中整合 Mastra

本指南將帶你使用 Mastra 建立可呼叫 Tool 的 AI Agent，接著直接從路由匯入並呼叫 Agent，將它連接至 Next.js。

你將使用 AI SDK UI 和 AI Elements，建立美觀且可互動的聊天體驗。

開始之前

• 你需要受支援模型 Provider 的 API 金鑰。如果沒有偏好，請使用 OpenAI。
• 安裝 Node.js v22.13.0 或更新版本

建立新的 Next.js 應用程式（選用）

如果你已經有 Next.js 應用程式，請跳到下一個步驟。

執行下列指令以建立新的 Next.js 應用程式：

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

這會建立名為 my-nextjs-agent 的專案，但你可以替換成任何想要的名稱。

初始化 Mastra

進入 Next.js 專案：

cd my-nextjs-agent

執行 mastra init。出現提示時，選擇 Provider（例如 OpenAI）並輸入金鑰：

npm

npx mastra@latest init

pnpm

pnpm dlx mastra@latest init

Yarn

yarn dlx mastra@latest init

Bun

bun x mastra@latest init

這會建立 src/mastra 資料夾，其中包含範例天氣 Agent 和下列檔案：

• index.ts - Mastra 設定，包含記憶功能
• tools/weather-tool.ts - 擷取指定位置天氣資訊的 Tool
• agents/weather-agent.ts- 使用該 Tool 的天氣 Agent，並包含提示詞

在接下來的步驟中，你會從 Next.js 路由呼叫 weather-agent.ts。

搭配 Next.js 使用 Studio

如果你想同時執行 Studio 和 Next.js 應用程式，並讓兩者共用同一個資料庫，請更新 src/mastra/index.ts 中的儲存 URL，改用絕對路徑：

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

相對路徑會根據每個處理程序的工作目錄解析，而 next dev 和 mastra dev 的工作目錄並不相同。

安裝 AI SDK UI 與 AI Elements

安裝 AI SDK UI 與 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

接著初始化 AI Elements。出現提示時，選擇預設選項：

npm

npx ai-elements@latest

pnpm

pnpm dlx ai-elements@latest

Yarn

yarn dlx ai-elements@latest

Bun

bun x ai-elements@latest

這會將完整的 AI Elements UI 元件庫下載至 @/components/ai-elements 資料夾。

建立聊天路由

建立 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 路由會接收提示詞，並以 AI SDK 格式串流回傳 Agent 的回應；GET 路由則從記憶中擷取訊息記錄，讓使用者端重新載入時能還原 UI 狀態。

建立聊天頁面

建立 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

此元件會將 useChat() 連接至 api/chat 端點，將提示詞傳送至該端點，並以分段串流方式回傳回應。

它會使用 <MessageResponse> 元件算繪回應文字，並透過 <Tool> 元件顯示所有 Tool 呼叫。

測試你的 Agent

1. 使用 npm run dev 執行 Next.js 應用程式
2. 在 http://localhost:3000/chat 開啟聊天介面
3. 試著詢問天氣。如果 API 金鑰設定正確，你會收到回應

後續步驟

恭喜你使用 Next.js 建立了 Mastra Agent！🎉

接下來，你可以使用自己的 Tool 和邏輯擴充專案：

• 深入了解 Agent
• 為 Agent 加入專屬的 Tool
• 為 Agent 加入類似人類的記憶

準備好後，進一步了解 Mastra 如何與 AI SDK UI 和 Next.js 整合，以及如何將 Agent 部署至包括 Vercel 在內的任何地方：

• 將 Mastra 與 AI SDK UI 整合
• 將 Agent 部署至 Vercel
• 將 Agent 部署至任何地方