Skip to main content

Mastraについて

🎭 Mastra とは？​

Mastraは、AI Agentを簡単に構築できるTypeScriptフレームワークです。

前のレッスンで学んだMCPプロトコルをネイティブサポートし、開発者が本質的な機能の実装に集中できるようにします。

✨ Mastra の特徴​

1. シンプルなAPI

  • 直感的で使いやすいAPIでAI Agentを作成できます。

2. TypeScript完全対応

  • 型安全な開発が可能で、エディタの補完機能をフル活用できます。

3. MCP統合

  • 前のレッスンで学んだMCPサーバーと簡単に接続できます。

4. 複数のLLMに対応

  • Claude、OpenAI、Geminiなど、様々なLLMプロバイダーをサポートします。

🔌 MCP との関係​

Mastraは、MCPプロトコルを実装するAI Agentフレームワークです：

[ユーザー]
    ↓
[Mastra Agent] ← AI Agentフレームワーク
    ↓
[Mastra MCP Client] ← MCPクライアントの実装
    ↓
[MCP Server] ← 前のレッスンで学んだMCPサーバー
    ↓
[JPYC SDK]

🤖 Agent の作成​

Mastraでは、Agentクラスを使ってAI Agentを作成します：

import { Agent } from '@mastra/core/agent';

const jpycAgent = new Agent({
  name: 'JPYC Assistant',
  model: gpt4oMiniModel,
  tools: async () => {
    // MCPサーバーからツールを取得
    const tools = await jpycMCPClient.getTools();
    return tools;
  },
  instructions: `
    あなたはJPYC操作をサポートするAIアシスタントです。
    ...
  `,
});

主要な設定項目：

  • name: Agentの名前
  • model: 使用するLLMモデル
  • tools: 利用可能なツール（関数で動的に取得）
  • instructions: Agentへのシステムプロンプト

📝 Instructions の役割​

instructionsは、AI Agentの振る舞いを定義する重要な要素です：

instructions: `
  あなたはJPYC操作をサポートするAIアシスタントです。

  対応テストネット: Ethereum Sepolia, Avalanche Fuji

  以下の操作が可能です：
  - 残高照会
  - 送信処理
  - チェーン切り替え

  ## 回答スタイル:
  - カジュアルで親しみやすい会話調
  - 絵文字は使わない
`

🔗 MCP クライアントの作成​

MastraでMCPサーバーに接続するには、MCPClientを使用します：

import { MCPClient } from '@mastra/mcp';

// MCPサーバーに接続
const jpycMCPClient = new MCPClient({
  name: 'jpyc-sdk',
  url: 'http://localhost:3001',  // MCPサーバーのURL
});

// ツールを取得
const tools = await jpycMCPClient.getTools();

🔄 動的ツール取得​

Agentにツールを提供する際、関数形式で動的に取得します：

const jpycAgent = new Agent({
  name: 'JPYC Assistant',
  model: gpt4oMiniModel,

  // ツールを動的に取得する関数
  tools: async () => {
    const { jpycMCPClient } = await import('@/lib/mastra/mcp/client');
    const tools = await jpycMCPClient.getTools();
    return tools;
  },
});

💬 Agent の実行​

通常実行（generate）​

const response = await jpycAgent.generate(
  '残高を教えて',
  { threadId: 'unique-thread-id' }
);

console.log(response.text);
// → "Ethereum Sepoliaチェーンの残高は1,000 JPYCです"

ストリーミング実行（stream）​

const stream = await jpycAgent.stream(
  '太郎に100JPYC送って',
  { threadId: 'unique-thread-id' }
);

for await (const chunk of stream) {
  if (chunk.type === 'text') {
    process.stdout.write(chunk.text);
  }
}

🔄 このプロジェクトでの処理フロー​

実際のアプリケーションでの全体的な流れ：

1. ユーザー入力
   ↓
2. Next.js API Route (/api/chat)
   ↓
3. Mastra Agent (jpycAgent.stream())
   ↓
4. Mastra MCP Client (getTools())
   ↓
5. MCP Server (http://localhost:3001)
   ↓
6. JPYC SDK → Blockchain
   ↓
7. 結果を逆順で返す
   ↓
8. フロントエンドに表示

API Route の実装例：

// src/app/api/chat/route.ts
import { jpycAgent } from '@/lib/mastra/agent';

export async function POST(req: Request) {
  const { message, threadId } = await req.json();

  // Agentをストリーミングモードで実行
  const stream = await jpycAgent.stream(message, { threadId });

  return new Response(stream, {
    headers: { 'Content-Type': 'text/event-stream' },
  });
}

📊 スレッド管理​

Mastraは会話のコンテキストを「スレッド」として管理します：

// 新しいスレッドを作成
const threadId = crypto.randomUUID();

// 最初のメッセージ
await jpycAgent.generate('私の残高は？', { threadId });
// → "1,000 JPYCです"

// 同じスレッドで続けて会話（コンテキストを保持）
await jpycAgent.generate('半分を太郎さんに送って', { threadId });
// → コンテキストから「500 JPYC」と推測して送信

🎯 モデルの設定​

Mastraは複数のLLMプロバイダーをサポートします：

// OpenAI GPT-4o-mini
import { createOpenAI } from '@ai-sdk/openai';

const openai = createOpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

export const gpt4oMiniModel = openai('gpt-4o-mini');
// Anthropic Claude
import { createAnthropic } from '@ai-sdk/anthropic';

const anthropic = createAnthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

export const claude = anthropic('claude-3-5-sonnet-20241022');

🚀 このプロジェクトでの構成​

1. MCPクライアント（src/lib/mastra/mcp/client.ts）

import { MCPClient } from '@mastra/mcp';

export const jpycMCPClient = new MCPClient({
  name: 'jpyc-sdk',
  url: 'http://localhost:3001',
});

2. Agent（src/lib/mastra/agent.ts）

import { Agent } from '@mastra/core/agent';

export const jpycAgent = new Agent({
  name: 'JPYC Assistant',
  model: gpt4oMiniModel,
  tools: async () => {
    const tools = await jpycMCPClient.getTools();
    return tools;
  },
  instructions: '...',
});

3. API Route（src/app/api/chat/route.ts）

export async function POST(req: Request) {
  const stream = await jpycAgent.stream(message, { threadId });
  return new Response(stream);
}

🙋‍♂️ 質問する​

ここまでの作業で何かわからないことがある場合は、Discordの#jpycで質問をしてください。

ヘルプをするときのフローが円滑になるので、エラーレポートには下記の4点を記載してください ✨

  1. 質問が関連しているセクション番号とレッスン番号
  2. 何をしようとしていたか
  3. エラー文をコピー&ペースト
  4. エラー画面のスクリーンショット

これでセクション1（座学）は完了です！ 次のセクションでは、実際に開発環境をセットアップしていきます。