Mastra — обзор 2026: open-source фреймворк для AI-агентов на JavaScript

Mastra — обзор 2026

Mastra — это современный open-source фреймворк для создания AI-агентов на TypeScript и JavaScript. Он был создан командой разработчиков популярного статического генератора сайтов Gatsby.js и с первых дней проектировался как целостная платформа для построения интеллектуальных агентов, способных к рассуждению, использованию инструментов, работе с памятью и голосовому взаимодействию.

TypeScript-first Open Source (MIT) 442 ▲ HN v0.7+ (2026)

GitHub 📖 Документация

🏗️ Архитектура Mastra

Трёхуровневая архитектура, построенная вокруг концепции агента как самодостаточной единицы вычислений. Каждый слой полностью типизирован и доступен для расширения через плагины. В отличие от многих конкурентов, Mastra не пытается быть универсальной абстракцией над всеми возможными LLM-провайдерами — вместо этого фреймворк предоставляет хорошо продуманные примитивы для построения агентов, которые легко комбинируются между собой.

Три слоя архитектуры Mastra: Core Engine, Agent Runtime и Tools & Integrations. Каждый слой независим и может быть заменён или расширен без изменения остальных компонентов системы.

Core Layer

Базовые примитивы: определение агента, LLM-клиент с поддержкой всех популярных провайдеров (OpenAI, Anthropic, Google, Groq), движок воркфлоу и обсервабилити. Слой полностью независим от рантайма и инструментов.

Agent Runtime

Среда исполнения агента: управление векторной и оперативной памятью, контекстом диалогов, оркестрация нескольких агентов. Поддерживает четыре бэкенда для хранения: LibSQL, PostgreSQL, Pinecone и Chroma.

Tools & Integrations

Инструменты агента, RAG-пайплайн, голосовые интерфейсы, система оценки и guardrails, деплой в serverless-окружения. Расширяется через плагины и пользовательские инструменты.

📋 Матрица возможностей

Полный перечень ключевых возможностей Mastra с текущим статусом реализации на середину 2026 года. Фреймворк активно развивается — новые функции появляются в каждом релизе, а существующие постоянно улучшаются на основе обратной связи от сообщества разработчиков.

Возможность	Статус	Описание	Примечание
Agent Run	✅ Готово	Запуск агентов с потоковой передачей, retry-логикой и таймаутами, поддержка structured output и function calling	Streaming + structured output из коробки
Memory	✅ Готово	Векторная и оперативная память агента: хранение контекста, истории диалогов, семантический поиск по прошлым взаимодействиям	LibSQL, PostgreSQL, Pinecone, Chroma
Tools	✅ Готово	Инструменты агента: функции, API-вызовы, браузер, файловая система, работа с базами данных. Полная типизация через Zod-схемы	Type-safe tool definitions
RAG	✅ Готово	Встроенный Retrieval-Augmented Generation: чанкинг, эмбеддинги, гибридный поиск, ре-ранжирование, инъекция контекста в промпт агента	MDX, PDF, Markdown, текст
Voice	✅ Готово	Голосовые интерфейсы: интеграция с OpenAI Realtime API через WebSocket, полнодуплексная голосовая связь с агентом в реальном времени	WebSocket-транспорт, TTS/STT
Eval	✅ Готово	Оценка качества агента: метрики точности, релевантности, безопасности. LLM-as-judge с кастомизируемыми критериями оценки	CI/CD интеграция, scoring
Multi-Agent	✅ Готово	Оркестрация нескольких агентов: последовательные и параллельные цепочки, условные переходы, обмен данными между шагами	Workflow DSL
Deploy	✅ Готово	Деплой в serverless-окружения (Cloudflare Workers, Vercel, Node.js). Автоматическая адаптация под edge-окружение, SSE и WebSocket streaming	REST API, SSE, WebSocket
Guardrails	🟡 В разработке	Защитные механизмы: фильтрация ввода и вывода, content safety, защита от prompt injection, контроль токсичности ответов агента	Beta в v0.8

Важно отметить, что Mastra с самого начала проектировался как production-ready решение. Здесь нет экспериментальных фич, которые работают только в демо-режиме — каждая заявленная возможность прошла тщательное тестирование и готова к использованию в реальных проектах.

📦 Установка и начало работы

Mastra устанавливается за считанные минуты. CLI-утилита создаёт готовый к работе проект с агентами, инструментами и RAG-пайплайном. Разработчики Gatsby.js применили свой многолетний опыт создания developer-friendly утилит — процесс установки интуитивно понятен и хорошо документирован.

Создание нового проекта (рекомендуемый способ):

$ npm create mastra@latest

# Или с явным именем проекта:
$ npm create mastra@latest my-ai-agent

# Выбор шаблона: basic / with-rag / with-voice / multi-agent

Ручная установка в существующий проект:

$ npm install @mastra/core @mastra/memory @mastra/rag

# или
$ yarn add @mastra/core @mastra/memory @mastra/rag

# Переменные окружения:
$ export OPENAI_API_KEY=sk-...

После выполнения команды npm create mastra@latest CLI-утилита интерактивно проведёт вас через настройку проекта: выбор LLM-провайдера, конфигурацию памяти, добавление инструментов и выбор порта для локального сервера. Весь процесс занимает не более двух-трёх минут, после чего вы получаете полностью работоспособного агента.

Базовая конфигурация агента (mastra.config.ts):

mastra.config.ts⚙️ Config

import { defineConfig } from "@mastra/core";

export default defineConfig({
  agents: {
    assistant: {
      model: "openai/gpt-4o",
      instructions: "Ты — полезный AI-ассистент.",
      memory: { enabled: true },
      streaming: true,
    },
  },
  server: { port: 4111 },
});
    

После настройки конфигурации запустите npx mastra dev — фреймворк поднимет локальный сервер с REST API, WebSocket-эндпоинтами и встроенным Playground для отладки агентов в реальном времени.

✨ Ключевые особенности

Mastra спроектирован как целостная платформа, а не просто библиотека. Каждая фича глубоко интегрирована с остальными компонентами, что позволяет разработчикам создавать сложных агентов без необходимости склеивать десятки разрозненных пакетов.

🧠

Agent-first дизайн

Агент — центральная абстракция фреймворка. Инструкции, модель, инструменты и память объединены в один строго типизированный объект. Никакой магии, никаких неявных соглашений — только чистый TypeScript с полным автодополнением в IDE.

🔧

Type-safe инструменты

Инструменты описываются с полной типизацией через Zod-схемы. Автоматическая генерация JSON Schema для LLM на основе TypeScript-типов. Ошибки несоответствия типов отлавливаются на этапе компиляции, а не в рантайме, что радикально повышает надёжность агентов.

📚

Встроенный RAG

Полный Retrieval-Augmented Generation пайплайн: загрузка документов из файловой системы, интеллектуальный чанкинг с перекрытием, эмбеддинги через OpenAI или Cohere, гибридный семантический поиск, ре-ранжирование результатов и автоматическая инъекция релевантного контекста в промпт агента.

🔄

Потоковая передача

Нативный стриминг на всех уровнях архитектуры: токены языковой модели, события вызова инструментов, шаги выполнения воркфлоу, обновления состояния памяти. Поддержка Server-Sent Events и WebSocket из коробки для real-time приложений.

🎤

Голосовые интерфейсы

Полноценная интеграция с OpenAI Realtime API через WebSocket-транспорт. Полнодуплексная голосовая связь: агент в реальном времени слушает пользователя, обдумывает ответ, вызывает необходимые инструменты и отвечает синтезированным голосом — и всё это с минимальной задержкой.

📊

Observability

Детальная трассировка каждого шага агента: количество токенов, задержки на каждом этапе, вызовы инструментов, ошибки и повторные попытки. Встроенный дашборд в Mastra Playground плюс экспорт телеметрии в OpenTelemetry для интеграции с внешними системами мониторинга вроде Datadog и Grafana.

🧪

Eval-фреймворк

Тестирование агентов как обычного кода: оценка точности ответов, релевантности найденной информации, безопасности и отсутствия галлюцинаций. Подход LLM-as-judge с кастомизируемыми критериями. Полная интеграция в CI/CD пайплайны через стандартные тестовые раннеры.

🚀

Serverless-деплой

Деплой одним кликом на Cloudflare Workers, Vercel Edge Functions или собственный Node.js-сервер. Автоматическая адаптация под ограничения edge-окружения, оптимизация бандла, поддержка стриминга через SSE и WebSocket даже в serverless-режиме.

💻 Примеры кода

Практические примеры использования Mastra — от простого агента поддержки до сложных multi-agent-воркфлоу с RAG и кастомными инструментами. Все примеры полностью работоспособны и могут быть скопированы в проект без изменений.

🔹 Создание простого агента

Минимальный пример создания агента с потоковым выводом. Агент получает инструкции на естественном языке, модель GPT-4o и отвечает в режиме реального времени.

agent.ts🤖 Basic Agent

import { Agent } from "@mastra/core/agent";
import { openai } from "@ai-sdk/openai";

// Определяем агента с инструкциями и моделью
const supportAgent = new Agent({
  name: "CustomerSupport",
  model: openai("gpt-4o"),
  instructions: `
    Ты — агент поддержки клиентов интернет-магазина.
    Помогай с заказами, возвратами и вопросами по доставке.
    Будь вежливым, но конкретным.
  `,
});

// Отправляем запрос агенту с потоковым выводом
const stream = await supportAgent.stream("Где мой заказ #12345?");

for await (const chunk of stream.textStream) {
  process.stdout.write(chunk);
}
// → «Давайте проверим ваш заказ #12345...»
    

🔹 Добавление кастомных инструментов

Инструменты описываются декларативно с Zod-схемами для полной типобезопасности. Mastra автоматически генерирует JSON Schema для LLM и валидирует аргументы до вызова функции.

tools.ts🔧 Custom Tools

import { Agent } from "@mastra/core/agent";
import { tool } from "@mastra/core/tools";
import { z } from "zod";

// Type-safe инструмент с Zod-схемой
const checkOrderStatus = tool({
  name: "checkOrderStatus",
  description: "Проверить статус заказа по ID",
  schema: z.object({
    orderId: z.string().describe("ID заказа"),
  }),
  async execute({ orderId }) {
    // Запрос к реальной базе данных
    const order = await db.orders.findById(orderId);
    return {
      status: order.status,
      trackingNumber: order.tracking,
      estimatedDelivery: order.eta,
    };
  },
});

const agent = new Agent({
  name: "ShopAgent",
  model: openai("gpt-4o"),
  tools: { checkOrderStatus },
});
    

🔹 Multi-agent workflow

Оркестрация нескольких агентов через Workflow API. Каждый шаг получает результат предыдущего, что позволяет строить сложные цепочки обработки информации с разделением ответственности.

workflow.ts🔄 Multi-Agent Workflow

import { Agent } from "@mastra/core/agent";
import { Workflow } from "@mastra/core/workflow";

// Создаём специализированных агентов
const researcher = new Agent({
  name: "Researcher",
  instructions: "Ищи и анализируй информацию по теме.",
});

const writer = new Agent({
  name: "Writer",
  instructions: "Пиши текст на основе переданных исследований.",
});

const reviewer = new Agent({
  name: "Reviewer",
  instructions: "Проверяй текст на фактические ошибки.",
});

// Оркестрируем воркфлоу
const contentPipeline = new Workflow({
  name: "ContentCreation",
  steps: [
    { agent: researcher, input: "{{topic}}" },
    { agent: writer,    input: "{{previous.output}}" },
    { agent: reviewer,  input: "{{previous.output}}" },
  ],
});

const result = await contentPipeline.run({
  topic: "Будущее AI-агентов в 2026 году",
});
// → Result: { research, draft, finalWithReview }
    

🔹 RAG: Retrieval-Augmented Generation

Полный RAG-пайплайн: загрузка документов, чанкинг, эмбеддинги и семантический поиск. Поддерживаются форматы Markdown, MDX, PDF и обычный текст.

rag.ts📚 RAG Pipeline

import { RagPipeline } from "@mastra/rag";

// Загружаем документы в векторное хранилище
const rag = new RagPipeline({
  embeddingModel: "openai/text-embedding-3-small",
  vectorStore: "libsql",
});

await rag.ingest({
  source: "./docs/",
  chunkSize: 1024,
  chunkOverlap: 128,
});

// Выполняем семантический поиск
const results = await rag.retrieve({
  query: "Как настроить multi-agent workflow?",
  topK: 5,
  rerank: true,
});
// → [{ chunk, score, metadata }, ...]
    

⚖️ Сравнение с аналогами

Mastra против LangChain, CrewAI и OpenAI Agents SDK — объективный анализ сильных и слабых сторон каждого фреймворка по состоянию на июль 2026 года. Мы сравнили их по одиннадцати ключевым критериям, важным для реальной разработки.

Критерий	🟦 Mastra	LangChain	CrewAI	OpenAI Agents SDK
Язык	TypeScript (JS)	Python / JS	Python	Python / TypeScript
Типизация	Полная (Zod + TypeScript)	Частичная (Pydantic)	Частичная	Базовая
Streaming	Нативный (все уровни)	Через callbacks	Ограниченный	Нативный
RAG из коробки	Встроенный пайплайн	LangChain RAG	Нет	Нет
Векторная память	Встроенная (4 бэкенда)	Расширяемая	Базовая	Нет
Multi-agent	Workflow DSL	LangGraph	Встроенный	Через Swarm
Voice	OpenAI Realtime (WS)	Сторонние модули	Нет	Realtime API
Eval-фреймворк	Встроенный	LangSmith	Нет	Встроенный
Деплой	Serverless (CF Workers)	LangServe	Только Python-сервер	OpenAI Platform
Экосистема	Молодая, активно растёт	Огромная	Средняя	Привязана к OpenAI
Лицензия	MIT	MIT	MIT	Apache 2.0

📊 Ключевые выводы сравнения

Каждый из четырёх фреймворков имеет свою нишу. Выбор зависит от вашего стека, требований к типизации, необходимости в serverless-деплое и уровне зрелости экосистемы. Ниже — детальные рекомендации по выбору в зависимости от вашего контекста.

Выбирайте Mastra, если ваш основной стек — JavaScript или TypeScript, вам критически важна производительность и типобезопасность, а также нужен нативный serverless-деплой на edge-платформах вроде Cloudflare Workers. Идеальный выбор для стартапов и команд, которые хотят быстро выйти в продакшен.
Выбирайте LangChain, если вам нужна максимально широкая экосистема с сотнями готовых интеграций, вы работаете преимущественно на Python и готовы мириться с более высоким порогом входа ради гибкости и覆盖ения максимального количества сценариев.
Выбирайте CrewAI, если вам нужна простая и интуитивная ролевая модель агентов, вы работаете исключительно на Python и не планируете сложных сценариев с RAG или голосовыми интерфейсами.
Выбирайте OpenAI Agents SDK, если вы полностью находитесь в экосистеме OpenAI, используете их модели и вам нужна максимальная простота интеграции без дополнительных абстракций.

📈 Метрики и сообщество

Ключевые показатели проекта Mastra по состоянию на июль 2026 года. Фреймворк демонстрирует устойчивый органический рост с момента публичного запуска в сентябре 2025 года и уже собрал вокруг себя активное сообщество разработчиков.

7.2K+

⭐ GitHub Stars

18K/wk

📦 npm Downloads

85+

👥 Contributors

442

▲ HN Upvotes

v0.7

🏷️ Current Version

🗓️ История релизов

🟢 v0.7 — Июль 2026: Guardrails (beta), улучшенный RAG с ре-ранжированием, поддержка новых embedding-моделей, улучшенная производительность Workflow Engine
🟢 v0.6 — Май 2026: Голосовые интерфейсы через OpenAI Realtime API, Workflow v2 с поддержкой условных переходов, расширенная обсервабилити
🟢 v0.5 — Март 2026: Serverless-деплой на Cloudflare Workers, Eval-фреймворк, интеграция с OpenTelemetry
🟢 v0.4 — Январь 2026: Векторная память с четырьмя бэкендами, Multi-agent workflows, поддержка Anthropic Claude
🟢 v0.1 — Сентябрь 2025: Публичный запуск, базовая поддержка агентов, инструментов и потоковой передачи

🔮 Roadmap (вторая половина 2026)

🟡 v0.8 (Сентябрь 2026) — Guardrails GA, инструменты для генерации изображений, расширенная поддержка браузерных агентов (Playwright integration)
🟡 v0.9 (Ноябрь 2026) — Мультимодальные агенты с поддержкой изображений и видео, интеграция с browser-use, улучшенная работа с длинными контекстами
🟡 v1.0 (Декабрь 2026) — Стабильный публичный API, гарантии обратной совместимости, долгосрочная поддержка (LTS), сертификация для enterprise-использования

🌍 Активность сообщества

Сообщество Mastra растёт быстрыми темпами. На GitHub Discussion появляется в среднем 15-20 новых тем в неделю, а Discord-сервер насчитывает более 1200 активных участников. Команда разработчиков оперативно реагирует на issues — среднее время первого ответа составляет менее 24 часов. Регулярно проводятся community calls с демонстрацией новых возможностей и обсуждением roadmap. Проект привлёк внимание инвесторов и получил seed-раунд финансирования, что гарантирует устойчивое развитие как минимум на ближайшие несколько лет.

🏆 Итоговый вердикт

Mastra — лучший выбор для JavaScript-разработчиков в 2026 году

После детального анализа архитектуры, возможностей, экосистемы и сравнения с конкурентами можно уверенно сказать: Mastra — это самый продуманный и современный фреймворк для создания AI-агентов в экосистеме JavaScript и TypeScript.

Команда разработчиков Gatsby.js привнесла свой многолетний опыт построения сложных веб-фреймворков в мир искусственного интеллекта. Результат — элегантная, строго типизированная архитектура, в которой каждый компонент (агент, память, RAG, инструменты, воркфлоу, eval) работает как единое целое, а не как набор разрозненных библиотек, склеенных конфигурационными файлами и неочевидными абстракциями.

Сильные стороны: полная типобезопасность на основе TypeScript и Zod, нативный streaming на всех уровнях архитектуры, встроенная векторная память с поддержкой четырёх бэкендов (LibSQL, PostgreSQL, Pinecone, Chroma), полноценный RAG-пайплайн с автоматическим чанкингом и ре-ранжированием, голосовые интерфейсы через OpenAI Realtime API, удобный Eval-фреймворк для тестирования агентов и бесшовный serverless-деплой на Cloudflare Workers и другие edge-платформы. Отдельного упоминания заслуживает Mastra Playground — встроенный интерактивный дашборд для отладки агентов в реальном времени, который значительно ускоряет цикл разработки.

Зоны роста: экосистема пока заметно уступает LangChain по абсолютному количеству готовых интеграций и社区ных модулей, документация местами неполная (особенно по продвинутым сценариям), guardrails-система для защиты от prompt injection и контроля безопасности ответов всё ещё находится в статусе бета-тестирования. Также сообщество, хотя и активно растёт, пока не может сравниться по размеру с устоявшимися Python-экосистемами.

Однако темпы развития Mastra впечатляют — за неполный год проект прошёл путь от экспериментального v0.1 до production-ready v0.7 с полным набором функций, необходимых для построения современных AI-приложений. Если команда сохранит текущий темп, к версии 1.0 в конце 2026 года Mastra имеет все шансы стать стандартом де-факто для разработки AI-агентов в JavaScript-экосистеме.

★★★★★

Общий рейтинг: 4.5 / 5.0

Архитектура и дизайн	⭐⭐⭐⭐⭐ 5/5
Типизация и Developer Experience	⭐⭐⭐⭐⭐ 5/5
Функциональность (RAG, Voice, Eval)	⭐⭐⭐⭐⭐ 5/5
Производительность и streaming	⭐⭐⭐⭐⭐ 5/5
Документация	⭐⭐⭐⭐ 4/5
Экосистема и интеграции	⭐⭐⭐ 3/5

🚀 Начните использовать Mastra сегодня

Установите Mastra, создайте первого агента за пять минут и убедитесь сами в преимуществах TypeScript-first подхода к разработке интеллектуальных AI-приложений.

Открыть репозиторий на GitHub

npm create mastra@latest | mastra.ai | github.com/mastra-ai/mastra