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

# Agents API

Agents API 提供與 Mastra AI Agent 互動的方法，包括產生回應和串流互動。它還提供管理 Agent Tool 的方法。

## 取得所有 Agent

取得所有可用 Agent 的清單：

```typescript
const agents = await mastraClient.listAgents()
```

傳回從 Agent ID 到其序列化 Agent 設定的記錄。

## 使用特定 Agent

透過 ID 取得特定 Agent 的執行個體：

```typescript
export const myAgent = new Agent({
  id: 'my-agent',
})
```

```typescript
const agent = mastraClient.getAgent('my-agent')
```

## Agent 方法

### `details()`

取得 Agent 的詳細資訊：

```typescript
const details = await agent.details()
```

### `generate()`

讓 Agent 產生回應：

```typescript
const response = await agent.generate(
  [
    {
      role: 'user',
      content: 'Hello, how are you?',
    },
  ],
  {
    memory: {
      thread: 'thread-abc', // Optional: Thread ID for conversation context
      resource: 'user-123', // Optional: Resource ID
    },
    structuredOutput: {}, // Optional: Structured Output configuration
  },
)
```

你也可以使用簡化的字串格式並搭配 memory 選項：

```typescript
const response = await agent.generate('Hello, how are you?', {
  memory: {
    thread: 'thread-1',
    resource: 'resource-1',
  },
})
```

### `stream()`

串流傳輸 Agent 回應以進行即時互動：

```typescript
const response = await agent.stream('Tell me a story')

// Process data stream with the processDataStream util
response.processDataStream({
  onChunk: async chunk => {
    console.log(chunk)
  },
})
```

你也可以使用簡化的字串格式並搭配 memory 選項：

```typescript
const response = await agent.stream('Tell me a story', {
  memory: {
    thread: 'thread-1',
    resource: 'resource-1',
  },
  clientTools: { colorChangeTool },
})

response.processDataStream({
  onChunk: async chunk => {
    if (chunk.type === 'text-delta') {
      console.log(chunk.payload.text)
    }
  },
})
```

你也可以直接從回應 body 讀取：

```typescript
const reader = response.body.getReader()
while (true) {
  const { done, value } = await reader.read()
  if (done) break
  console.log(new TextDecoder().decode(value))
}
```

#### AI SDK 相容格式

要在使用者端從 `agent.stream(...)` 回應串流傳輸 AI SDK 格式的 part，請將 `response.processDataStream` 包裝為 `ReadableStream<ChunkType>` 並使用 `toAISdkStream`：

```typescript
import { createUIMessageStream } from 'ai'
import { toAISdkStream } from '@mastra/ai-sdk'
import type { ChunkType, MastraModelOutput } from '@mastra/core/stream'

const response = await agent.stream('Tell me a story')

const chunkStream: ReadableStream<ChunkType> = new ReadableStream<ChunkType>({
  start(controller) {
    response
      .processDataStream({
        onChunk: async chunk => controller.enqueue(chunk as ChunkType),
      })
      .finally(() => controller.close())
  },
})

const uiMessageStream = createUIMessageStream({
  execute: async ({ writer }) => {
    for await (const part of toAISdkStream(chunkStream as unknown as MastraModelOutput, {
      from: 'agent',
    })) {
      writer.write(part)
    }
  },
})

for await (const part of uiMessageStream) {
  console.log(part)
}
```

### `sendMessage()`

向執行中的 Agent run 或空閒的 memory thread 傳送使用者編寫的輸入。請與 `subscribeToThread()` 搭配使用，以便使用者端呈現被喚醒或接收訊息的串流。

```typescript
const agent = mastraClient.getAgent('support-agent')

const result = await agent.sendMessage({
  message: {
    contents: 'Also consider the customer note I just added.',
    attributes: { sentFrom: 'web' },
  },
  resourceId: 'user-123',
  threadId: 'thread-abc',
})

console.log(result.runId)
```

`message` 接受字串、文字/文件 part 陣列，或包含 `contents`、`attributes`、`metadata` 和 `providerOptions` 的物件。

### `queueMessage()`

將使用者編寫的輸入排入下一個 thread 輪次。如果 thread 正在執行，Mastra 會在目前 run 完成後啟動新的 run。如果 thread 處於空閒狀態，Mastra 會立即啟動 run。

```typescript
await agent.queueMessage({
  message: 'Also check whether the tests need updates.',
  resourceId: 'user-123',
  threadId: 'thread-abc',
})
```

### `sendSignal()`

向執行中的 Agent run 或 memory thread 傳送較低層級的訊號。可用於系統產生的情境，例如回應式提醒，或不必存入收件箱的通知形態情境。對於持久的通知記錄，請使用伺服器端 [`Agent.sendNotificationSignal()`](https://mastra.zisheng.pro/zh-TW/reference/agents/agent) API。對於使用者編寫的輸入，應優先使用 `sendMessage()` 或 `queueMessage()`。

```typescript
const agent = mastraClient.getAgent('support-agent')

const result = await agent.sendSignal({
  signal: {
    type: 'reactive',
    tagName: 'system-reminder',
    contents: 'Also consider the latest customer note.',
  },
  resourceId: 'user-123',
  threadId: 'thread-abc',
})

console.log(result.runId)
```

使用 `ifActive.behavior` 和 `ifIdle.behavior` 控制 Mastra 是投遞、持久儲存、丟棄訊號，還是透過訊號喚醒：

```typescript
await agent.sendSignal({
  signal: { type: 'reactive', tagName: 'system-reminder', contents: 'Store this for later.' },
  resourceId: 'user-123',
  threadId: 'thread-abc',
  ifIdle: {
    behavior: 'persist',
  },
})
```

當空閒喚醒串流需要模型設定、Tool 或執行階段情境等選項時，請傳入 `ifIdle.streamOptions`：

```typescript
await agent.sendSignal({
  signal: { type: 'reactive', tagName: 'system-reminder', contents: 'Start from this signal.' },
  resourceId: 'user-123',
  threadId: 'thread-abc',
  ifIdle: {
    behavior: 'wake',
    streamOptions: {
      maxSteps: 3,
    },
  },
})
```

傳回 `{ accepted: true, runId: string }`。

**signal** (`{ type: 'user' | 'reactive' | 'notification' | string; tagName?: string; contents: string | Array<TextPart | FilePart>; attributes?: Record<string, JSONValue>; metadata?: Record<string, unknown>; providerOptions?: ProviderMetadata }`): 較低層級的訊號 payload。使用 type 指定訊號的語義類別，使用 tagName 指定向模型顯示的 XML 標籤。providerOptions 會附加到產生的 prompt 輪次，並持久儲存到儲存的訊號訊息中。

**runId** (`string`): 要直接指定的 run ID。

**resourceId** (`string`): memory thread 的資源 ID。對於以 thread 為目標的訊號，請與 threadId 一起使用。

**threadId** (`string`): 目標 thread ID。對於以 thread 為目標的訊號，請與 resourceId 一起使用。

**ifActive.behavior** (`'deliver' | 'persist' | 'discard'`): 控制目標 thread 正在執行時的行為。預設為 deliver。

**ifActive.attributes** (`Record<string, string | number | boolean>`): 目標 thread 正在執行時，Mastra 接受訊號後合併到訊號中的屬性。

**ifIdle.behavior** (`'wake' | 'persist' | 'discard'`): 控制目標 thread 處於空閒狀態時的行為。預設為 wake。

**ifIdle.streamOptions** (`Omit<AgentExecutionOptions, 'messages'>`): ifIdle.behavior 為 wake 時啟動的流所用的選項。

**ifIdle.attributes** (`Record<string, string | number | boolean>`): 目標 thread 處於空閒狀態時，Mastra 接受訊號後合併到訊號中的屬性。

### `subscribeToThread()`

訂閱 memory thread 的原始串流 chunk。使用此方法呈現可能由 `sendMessage()`、`queueMessage()`、`sendSignal()` 或伺服器端通知分派啟動或繼續的 thread 輸出。

```typescript
const agent = mastraClient.getAgent('support-agent')

const subscription = await agent.subscribeToThread({
  resourceId: 'user-123',
  threadId: 'thread-abc',
})

await subscription.processDataStream({
  onChunk: chunk => {
    console.log(chunk)
  },
  reconnect: true,
})
```

`subscribeToThread()` 傳回底層 `Response` 和 `processDataStream()` 輔助方法。該輔助方法會讀取訂閱串流，直到連接關閉或請求中止。傳入 `reconnect: true`，可在 transport 關閉或重新連接請求失敗時重新訂閱，例如 Agent 閒置逾時後。

**resourceId** (`string`): memory thread 的資源 ID。

**threadId** (`string`): 要訂閱的 thread ID。

**processDataStream().reconnect** (`boolean | { maxRetries?: number; delayMs?: number }`): 訂閱串流關閉或重新連接請求失敗後重新連接。true 表示以一秒延遲無限重試。

### `streamUntilIdle()`

串流傳輸回應，並讓串流保持開啟，直到 run 期間分派的每個[背景任務](https://mastra.zisheng.pro/zh-TW/docs/long-running-agents/background-tasks)完成。每次任務完成時，伺服器都會重新進入 Agent 循環，使 LLM 能夠在同一次呼叫中回應結果。要求在 [Mastra 執行個體上啟用背景任務](https://mastra.zisheng.pro/zh-TW/reference/configuration) 並使用 memory thread；否則呼叫將使用一般的 `stream()`。

```typescript
const response = await agent.streamUntilIdle('Research solana for me', {
  memory: {
    thread: 'thread-1',
    resource: 'resource-1',
  },
  maxIdleMs: 5 * 60_000, //optional
})

response.processDataStream({
  onChunk: async chunk => {
    if (chunk.type === 'background-task-completed') {
      console.log('task complete:', chunk.payload.taskId)
    }
  },
})
```

### `resumeStreamUntilIdle()`

使用自訂資料復原已暫停的 Agent 串流，並讓串流保持開啟，直到 run 期間分派的每個[背景任務](https://mastra.zisheng.pro/zh-TW/docs/long-running-agents/background-tasks)完成。可使用此方法在暫停點之後繼續執行，例如 Agent 內部的 Workflow suspend。要求在 [Mastra 執行個體上啟用背景任務](https://mastra.zisheng.pro/zh-TW/reference/configuration) 並使用 memory thread；否則呼叫將使用一般的 `resumeStream()`：

```typescript
const response = await agent.resumeStreamUntilIdle(
  { approved: true, selectedOption: 'plan-b' },
  {
    memory: {
      thread: 'thread-1',
      resource: 'resource-1',
    },
    runId: 'run-123',
    toolCallId: 'tool-call-456', // optional
    maxIdleMs: 5 * 60_000, //optional
  },
)

await response.processDataStream({
  onChunk: chunk => {
    console.log(chunk)
  },
})
```

此串流發出與 `stream()` 相同的 chunk 類型，此外還會發出用於任務生命週期事件的 `background-task-*` chunk。有關完整的伺服器端 API，請參閱 [`Agent.streamUntilIdle()`](https://mastra.zisheng.pro/zh-TW/reference/streaming/agents/streamUntilIdle)；有關 payload 結構，請參閱[背景任務 chunk](https://mastra.zisheng.pro/zh-TW/reference/streaming/ChunkType)。

### `getTool()`

取得 Agent 可用的特定 Tool 的資訊：

```typescript
const tool = await agent.getTool('tool-id')
```

### `executeTool()`

為 Agent 執行特定 Tool：

```typescript
const result = await agent.executeTool('tool-id', {
  data: { input: 'value' },
})
```

### `network()`

從 Agent network 串流傳輸用於多 Agent 互動的回應：

```typescript
const response = await agent.network('Research this topic and write a summary')

response.processDataStream({
  onChunk: async chunk => {
    console.log(chunk)
  },
})
```

### `listSuspendedRuns()`

從儲存中列出 Agent 的暫停 run：即等待 Tool 呼叫核准，或因 Tool 暫停的 run。搜尋作業由儲存支援，因此在伺服器重新啟動後以及跨伺服器執行個體時仍然有效。將傳回的 `runId` 傳給 `approveToolCall()`、`declineToolCall()` 或 `resumeStream()`。

```typescript
const { runs, total } = await agent.listSuspendedRuns({
  threadId: 'thread-456',
  resourceId: 'user-123',
})

if (runs[0]) {
  console.log(runs[0].toolCalls) // [{ toolCallId, toolName, args, requiresApproval }]
  await agent.approveToolCall({
    runId: runs[0].runId,
    toolCallId: runs[0].toolCalls[0].toolCallId,
  })
}
```

接受選用篩選條件（`threadId`、`resourceId`、`fromDate`、`toDate`）和分頁參數（`perPage`、`page`）。傳回 `{ runs, total }`，其中 `total` 是分頁前相符的 run 數量。有關傳回的 run 結構詳情，請參閱 [`Agent.listSuspendedRuns()`](https://mastra.zisheng.pro/zh-TW/reference/agents/listSuspendedRuns)。

### `approveToolCall()`

核准待處理的 Tool 呼叫並傳回續接串流。當你要呈現核准回應中復原的 chunk 時，請使用此方法。

```typescript
const response = await agent.approveToolCall({
  runId: 'run-123',
  toolCallId: 'tool-call-456',
})

response.processDataStream({
  onChunk: async chunk => {
    console.log(chunk)
  },
})
```

### `sendToolApproval()`

核准或拒絕已訂閱 thread 的待處理 Tool 呼叫。當復原的 chunk 應透過現有 thread 訂閱到達，而不是透過單獨的續接串流到達時，請與 `subscribeToThread()` 搭配使用。

```typescript
const result = await agent.sendToolApproval({
  resourceId: 'user-123',
  threadId: 'thread-456',
  toolCallId: 'tool-call-456',
  approved: true,
})

console.log(result.accepted)
```

傳回 `{ accepted: true, runId: string, toolCallId?: string }`。

### `declineToolCall()`

拒絕待處理的 Tool 呼叫並傳回續接串流。當你要呈現拒絕回應中復原的 chunk 時，請使用此方法。

```typescript
const response = await agent.declineToolCall({
  runId: 'run-123',
  toolCallId: 'tool-call-456',
})

response.processDataStream({
  onChunk: async chunk => {
    console.log(chunk)
  },
})
```

### `resumeStream()`

使用自訂資料復原已暫停的 Agent 串流。可使用此方法在暫停點之後繼續執行，例如 Agent 內部的 Workflow suspend：

```typescript
const response = await agent.resumeStream(
  { approved: true, selectedOption: 'plan-b' },
  {
    runId: 'run-123',
    toolCallId: 'tool-call-456', // optional
  },
)

await response.processDataStream({
  onChunk: chunk => {
    console.log(chunk)
  },
})
```

### `approveToolCallGenerate()`

使用 `generate()`（非串流）時核准待處理的 Tool 呼叫。傳回完整回應：

```typescript
const output = await agent.generate('Find user John', {
  requireToolApproval: true,
})

if (output.finishReason === 'suspended') {
  const result = await agent.approveToolCallGenerate({
    runId: output.runId,
    toolCallId: output.suspendPayload.toolCallId,
  })

  console.log(result.text)
}
```

### `declineToolCallGenerate()`

使用 `generate()`（非串流）時拒絕待處理的 Tool 呼叫。傳回完整回應：

```typescript
const output = await agent.generate('Find user John', {
  requireToolApproval: true,
})

if (output.finishReason === 'suspended') {
  const result = await agent.declineToolCallGenerate({
    runId: output.runId,
    toolCallId: output.suspendPayload.toolCallId,
  })

  console.log(result.text)
}
```

## Agent 排程

使用 client SDK 的排程方法，透過 `/api/schedules` 路由管理持久儲存的 Agent 排程。有關概念和伺服器端範例，請參閱[排程](https://mastra.zisheng.pro/zh-TW/docs/long-running-agents/schedules)和 [`mastra.schedules` 參考](https://mastra.zisheng.pro/zh-TW/reference/schedules/overview)。

### `createSchedule()`

透過傳入 `agentId` 建立 Agent 排程。

```typescript
const schedule = await mastraClient.createSchedule({
  agentId: 'pinger',
  cron: '0 * * * *',
  prompt: 'Give me a status update.',
})
```

### `listSchedules()`

列出 Agent 排程。可依 `agentId`、`threadId`、`resourceId`、`name` 或 `status` 等欄位篩選。

```typescript
const schedules = await mastraClient.listSchedules({
  agentId: 'pinger',
  status: 'active',
})
```

### `getSchedule()`

依 ID 取得單一 Agent 排程。

```typescript
const schedule = await mastraClient.getSchedule('agent_pinger')
```

### `updateSchedule()`

更新 Agent 排程。Agent 排程可以更新 `cron`、`timezone`、`prompt`、`name`、訊號投遞選項、中繼資料和 `status` 等欄位。

```typescript
const updated = await mastraClient.updateSchedule('agent_pinger', {
  cron: '*/30 * * * *',
  prompt: 'Give me a status update every 30 minutes.',
})
```

### `deleteSchedule()`

刪除 Agent 排程。

```typescript
await mastraClient.deleteSchedule('agent_pinger')
```

### `runSchedule()`

立即觸發一次 Agent 排程，而不變更其 cron 週期。

```typescript
const run = await mastraClient.runSchedule('agent_pinger')
```

### `pauseSchedule()`

暫停 Agent 排程，使排程器停止觸發它。傳回更新後的排程。

```typescript
await mastraClient.pauseSchedule('agent_pinger')
```

### `resumeSchedule()`

復原暫停的 Agent 排程。下一次觸發時間將從目前時間重新計算，因此暫停很久的排程不會觸發積壓任務。傳回更新後的排程。

```typescript
await mastraClient.resumeSchedule('agent_pinger')
```

### `listScheduleTriggers()`

列出 Agent 排程的觸發歷史記錄，包括每次觸發所關聯的 run 摘要。

```typescript
const { triggers } = await mastraClient.listScheduleTriggers('agent_pinger', {
  limit: 50,
})
```

## Client Tool

當 Agent 請求時，使用者端 Tool 允許你在使用者端執行自訂函式。

```typescript
import { createTool } from '@mastra/client-js'
import { z } from 'zod'

const colorChangeTool = createTool({
  id: 'changeColor',
  description: 'Changes the background color',
  inputSchema: z.object({
    color: z.string(),
  }),
  execute: async inputData => {
    document.body.style.backgroundColor = inputData.color
    return { success: true }
  },
})

// Use with generate
const response = await agent.generate('Change the background to blue', {
  clientTools: { colorChangeTool },
})

// Use with stream
const response = await agent.stream('Tell me a story', {
  memory: {
    thread: 'thread-1',
    resource: 'resource-1',
  },
  clientTools: { colorChangeTool },
})

response.processDataStream({
  onChunk: async chunk => {
    if (chunk.type === 'text-delta') {
      console.log(chunk.payload.text)
    } else if (chunk.type === 'tool-call') {
      console.log(
        `calling tool ${chunk.payload.toolName} with args ${JSON.stringify(
          chunk.payload.args,
          null,
          2,
        )}`,
      )
    }
  },
})
```

### 為模型調整 Client Tool 輸出結構

Client Tool 支援使用 `toModelOutput` 控制模型收到的內容，包括圖像等多模態內容。由於 Client Tool 在本機執行，對應也會在 `execute` 完成後在使用者端執行。轉換後的輸出會與原始結果一起傳回伺服器，因此原始結果仍可供儲存和應用程式邏輯使用。

```typescript
const screenshotTool = createTool({
  id: 'takeScreenshot',
  description: 'Takes a screenshot of the current page',
  inputSchema: z.object({}),
  execute: async () => {
    const base64 = await captureScreenshot()
    return { ok: true, data: base64 }
  },
  toModelOutput: output => ({
    type: 'content',
    value: [{ type: 'media', data: output.data, mediaType: 'image/jpeg' }],
  }),
})
```

### 追蹤 Client Tool

當伺服器上安裝並設定了 `@mastra/observability` 時，使用者端 Tool 會記錄一個 `CLIENT_TOOL_CALL` span，作為目前 `AGENT_RUN` span 的子級。當模型發出 Client Tool 呼叫時，伺服器會建立該 span，並將 W3C Trace carrier 注入傳出的 Tool 呼叫 chunk。Tool 參數可用後，該 span 會結束。如果未設定伺服器端可觀測性，Client Tool 追蹤不會執行任何操作。

client SDK 還會測量每個 Client Tool `execute` 函式的實際耗時，並將其傳回伺服器；伺服器會將它作為 `mastra_tool_duration_ms` 指標發出，並包含 `toolType: "client"`。

要從 Tool 的 `execute` 函式內部取得更豐富的 telemetry，請使用執行情境中的 `observe` 輔助方法新增子 span 和結構化記錄：

```typescript
import { createTool } from '@mastra/client-js'
import { z } from 'zod'

const fetchUserTool = createTool({
  id: 'fetchUser',
  description: 'Fetches the current user profile',
  inputSchema: z.object({ userId: z.string() }),
  execute: async ({ userId }, { observe }) => {
    observe.log('info', 'fetching user', { userId })
    const user = await observe.span('http GET /users', async () => {
      const res = await fetch(`/api/users/${userId}`)
      return res.json()
    })
    return user
  },
})
```

`observe` 始終可用：沒有活動的追蹤情境時（例如在被追蹤 Agent 之外執行），`span` 會直接執行函式，而 `log` 不執行任何操作。不必進行 null 檢查。

SDK 會將 collector 緩衝的所有內容序列化為 OTLP/JSON，並在下一個請求 body 中發回。伺服器的 `@mastra/observability` 套件會驗證 span 屬於正確的 Trace（防止跨 Trace 注入），並將每個 span/log 轉送到伺服器端 telemetry 使用的同一可觀測性匯流排。設定可觀測性後，現有 exporter 會自動接收它們。

## 儲存的 Agent

儲存的 Agent 是儲存在資料庫中的 Agent 設定，可以在執行階段建立、更新和刪除。它們透過鍵參照基本元件（Tool、Workflow、其他 Agent、Scorer），執行個體化 Agent 時會從 Mastra registry 解析這些元件。Memory 以內聯 `SerializedMemoryConfig` 物件的形式設定，並包含 `lastMessages` 和 `semanticRecall` 等選項。

### `listStoredAgents()`

取得所有儲存的 Agent 的分頁清單：

```typescript
const result = await mastraClient.listStoredAgents()
console.log(result.agents) // Array of stored agents
console.log(result.total) // Total count
```

使用分頁和排序：

```typescript
const result = await mastraClient.listStoredAgents({
  page: 0,
  perPage: 20,
  orderBy: {
    field: 'createdAt',
    direction: 'DESC',
  },
})
```

### `createStoredAgent()`

建立新的儲存 Agent：

```typescript
const agent = await mastraClient.createStoredAgent({
  id: 'my-agent',
  name: 'My Assistant',
  instructions: 'You are a helpful assistant.',
  model: {
    provider: 'openai',
    name: 'gpt-5.4',
  },
})
```

預設情況下，`createStoredAgent()` 會立即發布初始版本。將 `autoPublish` 設為 `false` 可建立未發布的草稿，以便在呼叫 [`activateVersion()`](#activateversion) 前進行審查：

```typescript
const draft = await mastraClient.createStoredAgent({
  id: 'draft-agent',
  name: 'Draft Assistant',
  instructions: 'You are a helpful assistant.',
  model: {
    provider: 'openai',
    name: 'gpt-5',
  },
  autoPublish: false,
})
```

設定了 `code` source 的 Editor 始終會發布初始版本，因為儲存操作會將 Agent 設定寫入檔案系統。

包含所有選項：

```typescript
const agent = await mastraClient.createStoredAgent({
  id: 'full-agent',
  name: 'Full Agent',
  description: 'A fully configured agent',
  instructions: 'You are a helpful assistant.',
  model: {
    provider: 'openai',
    name: 'gpt-5.4',
  },
  tools: { calculator: {}, weather: {} },
  workflows: { 'data-processing': {} },
  agents: { 'subagent-1': {} },
  memory: {
    options: {
      lastMessages: 20,
      semanticRecall: false,
    },
  },
  scorers: {
    'quality-scorer': {
      sampling: { type: 'ratio', rate: 0.1 },
    },
  },
  defaultOptions: {
    maxSteps: 10,
  },
  metadata: {
    version: '1.0',
    team: 'engineering',
  },
})
```

### `getStoredAgent()`

取得特定儲存 Agent 的執行個體：

```typescript
const storedAgent = mastraClient.getStoredAgent('my-agent')
```

## 儲存 Agent 的方法

### `details()`

取得儲存的 Agent 設定：

```typescript
const details = await storedAgent.details()
console.log(details.name)
console.log(details.instructions)
console.log(details.model)
```

### `update()`

更新儲存 Agent 的特定欄位。所有欄位均為選用：

```typescript
const updated = await storedAgent.update({
  name: 'Updated Agent Name',
  instructions: 'New instructions for the agent.',
})
```

```typescript
// Update just the tools
await storedAgent.update({
  tools: { 'new-tool-1': {}, 'new-tool-2': {} },
})

// Update metadata
await storedAgent.update({
  metadata: {
    version: '2.0',
    lastModifiedBy: 'admin',
  },
})
```

### `delete()`

刪除儲存的 Agent：

```typescript
const result = await storedAgent.delete()
console.log(result.success) // true
```

## 版本管理

`Agent`（程式碼中定義）和 `StoredAgent` 執行個體都有用於管理設定版本的方法。有關生命週期和選擇行為，請參閱 [Editor 版本控制](https://mastra.zisheng.pro/zh-TW/docs/editor/overview)。

### 取得特定版本的 Agent

取得 Agent 時傳入版本識別碼：

```typescript
// Load the published version (default)
const agent = mastraClient.getAgent('support-agent')

// Load the latest draft
const draftAgent = mastraClient.getAgent('support-agent', { status: 'draft' })

// Load a specific version
const versionedAgent = mastraClient.getAgent('support-agent', { versionId: 'abc-123' })
```

對於儲存的 Agent，請向 `details()` 傳入 status 選項：

```typescript
const storedAgent = mastraClient.getStoredAgent('my-agent')
const draft = await storedAgent.details(undefined, { status: 'draft' })
```

### `listVersions()`

列出 Agent 的所有版本：

```typescript
const versions = await agent.listVersions()
console.log(versions.items) // Array of version snapshots
console.log(versions.total)
```

使用分頁和排序：

```typescript
const versions = await agent.listVersions({
  page: 0,
  perPage: 10,
  orderBy: {
    field: 'createdAt',
    direction: 'DESC',
  },
})
```

### `createVersion()`

建立新的版本快照：

```typescript
const version = await agent.createVersion({
  changeMessage: 'Updated tone to be more friendly',
})
```

### `getVersion()`

依 ID 取得特定版本：

```typescript
const version = await agent.getVersion('version-123')
console.log(version.versionNumber)
console.log(version.changedFields)
console.log(version.createdAt)
```

### `activateVersion()`

將某一版本設為活動的已發布版本：

```typescript
await agent.activateVersion('version-123')
```

### `restoreVersion()`

透過建立具有相同設定的新版本來復原先前的版本：

```typescript
await agent.restoreVersion('version-456')
```

### `deleteVersion()`

刪除版本：

```typescript
await agent.deleteVersion('version-789')
```

### `compareVersions()`

比較兩個版本並傳回差異：

```typescript
const diff = await agent.compareVersions('version-123', 'version-456')
console.log(diff.changes) // Fields that changed between versions
```

### React SDK

在 React SDK 中使用 `useChat` hook 時，透過 `requestContext` 傳入 `agentVersionId`：

```typescript
import { useChat } from '@mastra/react'

function Chat() {
  const { messages, input, handleInputChange, handleSubmit } = useChat({
    agentId: 'support-agent',
    requestContext: {
      agentVersionId: 'abc-123',
    },
  })

  // ... render chat UI
}
```