用纯 TypeScript 构建 AI Pipeline 与 Agent：Mastra 的一次现场拆解

这是一场偏实战的工作坊，Nick Nisi 与 Zack Proser 用一个“生成表情包”的完整案例，讲清楚了 Mastra 如何在纯 TypeScript 中构建 AI workflows、tools 与 agents。视频最大的价值不在概念，而在于他们如何把看似复杂的 Agent 系统拆成可组合、可调试、可落地的工程结构。

为什么他们一上来就强调：这是一个真正的“Workshop”

这场分享一开始就定下了基调。Nick 在开场时明确说，这是一个“true workshop format”，而不是传统的产品宣讲：前半段快速讲核心概念，后半段直接动手，最后还有一个完整 demo 和 Q&A。为什么这点重要？因为 AI Agent 相关内容太容易停留在概念层，而他们选择用工程实践来回答“到底怎么做”。

Nick 和 Zack 都来自一家叫 Work OS 的公司，他们每天面对的不是“能不能做 Agent”，而是“Agent 如何在真实系统里安全、可靠地替人工作”。Nick 提到一个关键点：他们关注的是“给 agent 绑定身份（identity）”，让它“能代表你行动，并且知道你是谁”。这不是炫技，而是企业场景下绕不开的问题。

这种背景也解释了他们为什么选择 Mastra。整个 workshop 不是在比较模型效果，而是在展示一种工程方法论：如何在熟悉的 TypeScript 生态里，把 AI 能力变成可维护的软件系统。

Mastra 到底解决什么问题：不是“又一个框架”，而是一套工程底座

在正式写代码之前，Zack 抛出了一个核心问题：“What is Mastra？” 他的回答很克制，但信息量很大。Mastra 被定义为一个 framework，但它不是只管 agent，而是同时覆盖 workflows、tools 和 agents，并且内置了 persistence（持久化）、memory（记忆）、observability（可观测性）以及 evaluation（评估）。

这里的洞见在于：他们并不把 Agent 当成一个孤立的聊天机器人，而是当成系统中的一环。Workflows 是可组合的 pipeline，用来把多个步骤串起来完成一件事；tools 本质上就是函数，但可以被 LLM 调用，从而“代表你行动”；agents 则是把这些 workflow 和 tools 包装进一个对话式接口。

Nick 在讲 workflows 时用了一句非常工程师的解释：“The idea is you're chaining multiple steps together to get some work done。”在 demo 中，他们用 Zod 来做输入校验，明确了 schema 边界。这种细节说明，Mastra 并不是让你放弃严谨性，而是把 AI 能力放进现有的工程规范里。

从 Tool 到 Agent：为什么 MCP 是理解 Agent 的关键一环

当话题转到 tools 时，Zack 给了一个很具体的定义：“tools are just functions that agents can call”。如果你用过 MCP（Model Context Protocol），你会立刻明白这句话的分量。MCP 的核心价值在于：它给了大语言模型一个标准化的方式去调用外部能力。

Nick 提到，真正让他“理解 MCP 的”，是 GitHub MCP server。那一刻他意识到，Agent 并不是魔法，而是模型 + 明确的上下文 + 可调用的工具。顺着这个思路，他们还做了一个小 demo——mcp.shop，用来展示 MCP 如何驱动一个真实的交互流程。

在讲 agents 时，Zack 也刻意去掉了神秘感。他说，我们都用过 chatbot，而 agent 只是“我们现在看到的核心模式”。不同之处在于，agent 背后不再是一次性 prompt，而是一个可以反复调用 workflow、使用 tool、并且有状态的系统。

现场 Demo：用“吐槽生成表情包”串起完整 Agent 流程

真正让现场热起来的，是他们选择的 demo。本次 workshop 要构建的是：用户输入一段“吐槽”，系统会自动生成一个表情包，并发布在一个稳定的 URL 上。这个看似轻松的例子，实际上覆盖了完整的 Agent 架构。

他们把流程拆成多个步骤：找到基础 meme、生成文案、生成最终图片。这些步骤被组织成一个 workflow，然后再交给一个对话式 agent 使用。Nick 在展示本地 playground 时特别兴奋，他说这是他“最喜欢的东西之一”——运行 npm dev 后，你可以在本地看到 agents、networks、tools、MCP servers 和 workflows 的整体结构。

当他们在聊天界面里直接“ask the chat and see the output”时，观众看到的并不是一个临时拼出来的 Demo，而是一个可复用的多步骤 workflow，被自然地嵌入到对话 Agent 中。这一刻，Agent 不再是概念，而是一个你可以 debug、可以扩展的工程实体。

总结

这场 workshop 的价值，并不在于介绍了多少新名词，而在于它提供了一种清晰的工程路径：用 workflows 管复杂度，用 tools 连接现实世界，用 agents 作为交互层。Nick 和 Zack 反复强调的，其实是一件事——不要神话 Agent，把它当成软件来构建。对已经在 TypeScript 生态中的开发者来说，Mastra 展示了一种把 AI 真正“落地”的可能性。

关键词： Mastra， AI Agent， TypeScript， MCP， Workflow

事实核查备注： 演讲者：Nick Nisi、Zack Proser；框架名称：Mastra；核心概念：workflows、tools、agents、MCP（Model Context Protocol）；技术细节：Zod 用于输入校验；Demo 内容：基于用户吐槽生成并发布表情包；开发环境：本地 playground，通过 npm dev 运行