前書き
最近、TypeScriptエージェントフレームワークの「Mastra」が話題になっています。どのような特徴があるのか実際に使って検証してみました。
天気情報検索エージェントの実装
プロジェクト初期化
> npx create-mastra@latest
「Choose Components」でAgentsを選択します。
プロバイダーにAmazon Bedrockの選択肢がありませんが、適当に選んで、後から変更できます。
初期化後のディレクトリ構成:
project
├── node_modules
├── src
│ ├── mastra
│ │ ├── agents
│ │ │ ├── index.ts
│ │ └── tools
│ │ │ └── index.ts
│ └── index.ts
├── package.json
└── tsconfig.json
メインのindex.tsファイルはシンプルで、天気エージェントとログ設定を行っています。
import { Mastra } from '@mastra/core/mastra';
import { createLogger } from '@mastra/core/logger';
import { weatherAgent } from './agents';
export const mastra = new Mastra({
agents: { weatherAgent },
logger: createLogger({
name: 'Mastra',
level: 'info',
}),
});
天気エージェントの実装
import { anthropic } from '@ai-sdk/anthropic';
import { Agent } from '@mastra/core/agent';
import { weatherTool } from '../tools';
export const weatherAgent = new Agent({
name: 'Weather Agent',
instructions: `
You are a helpful weather assistant that provides accurate weather information.
Your primary function is to help users get weather details for specific locations. When responding:
- Always ask for a location if none is provided
- If giving a location with multiple parts (e.g. "New York, NY"), use the most relevant part (e.g. "New York")
- Include relevant details like humidity, wind conditions, and precipitation
- Keep responses concise but informative
Use the weatherTool to fetch current weather data.
`,
model: anthropic('claude-3-5-sonnet-20241022'),
tools: { weatherTool },
});
@ai-sdk/xxxからプロバイダーをインポートし、Agentの設定は名前、システムプロンプト、使用モデルとツールを明確に定義します。
Amazon Bedrockプロバイダーへの変更
VercelのAI SDKからBedrockプロバイダーをインストールして利用できます。
> npm install @ai-sdk/amazon-bedrock
+ import { createAmazonBedrock } from '@ai-sdk/amazon-bedrock';
import { Agent } from '@mastra/core/agent';
import { weatherTool } from '../tools';
+const bedrock = createAmazonBedrock({
+ region: 'us-east-1',
+ accessKeyId: 'xxxxxxxxx',
+ secretAccessKey: 'xxxxxxxxx',
+ sessionToken: 'xxxxxxxxx',
+});
export const weatherAgent = new Agent({
name: 'Weather Agent',
instructions: `
You are a helpful weather assistant that provides accurate weather information.
Your primary function is to help users get weather details for specific locations. When responding:
- Always ask for a location if none is provided
- If giving a location with multiple parts (e.g. "New York, NY"), use the most relevant part (e.g. "New York")
- Include relevant details like humidity, wind conditions, and precipitation
- Keep responses concise but informative
Use the weatherTool to fetch current weather data.
`,
+ model: bedrock('anthropic.claude-3-5-sonnet-20240620-v1:0'),
tools: { weatherTool },
});
mastraの開発サーバーの起動
> npm run dev
INFO [2025-03-18 23:51:33.248 +0900] (BUNDLER - Dev): Starting watcher...
INFO [2025-03-18 23:51:33.430 +0900] (BUNDLER - Dev): Bundling finished, starting server...
INFO [2025-03-18 23:51:33.433 +0900] (Mastra CLI): [Mastra Dev] - Starting server...
INFO [2025-03-18 23:51:34.177 +0900] (Mastra): 🦄 Mastra API running on port 4111/api
INFO [2025-03-18 23:51:34.178 +0900] (Mastra): 📚 Open API documentation available at http://localhost:4111/openapi.json
INFO [2025-03-18 23:51:34.179 +0900] (Mastra): 🧪 Swagger UI available at http://localhost:4111/swagger-ui
INFO [2025-03-18 23:51:34.179 +0900] (Mastra): 👨💻 Playground available at http://localhost:4111/
サーバー起動後、http://localhost:4111/でチャット画面にアクセスできます。
大阪の天気を尋ねてみると、いい感じの回答してくれました。
バックグラウンドではhttp://localhost:4111/api/agents/weatherAgent/streamというAPIを呼び出しています。
http://localhost:4111/swagger-uiでAPIドキュメントを確認できます。
Langfuseによるトレース管理
チャット画面でもトレース内容を確認できますが、Langfuseを使うとより効率的に管理できます。
Langfuseの詳細については、以下の記事を参照してください：
> npm install langfuse-vercel
import { Mastra } from "@mastra/core/mastra";
import { createLogger } from "@mastra/core/logger";
import { weatherAgent } from "./agents";
+ import { LangfuseExporter } from "langfuse-vercel";
export const mastra = new Mastra({
agents: { weatherAgent },
logger: createLogger({
name: "Mastra",
level: "info",
}),
+ telemetry: {
+ serviceName: "ai",
+ enabled: true,
+ export: {
+ type: "custom",
+ exporter: new LangfuseExporter({
+ publicKey: "pk-lf-xxxxxx",
+ secretKey: "sk-lf-xxxxxx",
+ baseUrl: "https://cloud.langfuse.com",
+ }),
+ },
},
});
再度サーバーを起動して天気を尋ねると、Langfuseダッシュボードでトレース内容を確認できるようになります。
最後
TypeScriptで一貫して開発している私にとって、Langfuseへのトレース情報送信がこれほど簡単なのは大変助かります。@aws-sdk/client-bedrock-runtimeでは、多くの手動設定が必要で面倒でした。
Amazon Bedrockユーザーにとって唯一の懸念は認証方法です。AI SDK公式ドキュメントにはIAMユーザー認証情報の使用方法しか記載されていません。もしデプロイ先でリソースロールの権限を使ってAmazon Bedrockの機能を利用できるなら非常に便利です。検証結果は別の記事で報告する予定です。