---
title: "Mastraとは？Skills・サンドボックス・メモリまで分かるTypeScript製AIエージェントフレームワークの使い方"
url: "https://www.issoh.co.jp/tech/details/6062/"
published: 2025-03-27
updated: 2026-11-07
categories: ["AIエージェント・MCP"]
publisher: "株式会社一創"
---

# Mastraとは？Skills・サンドボックス・メモリまで分かるTypeScript製AIエージェントフレームワークの使い方

Mastra（マストラ）は、TypeScriptでAIエージェントを書くためのオープンソースのフレームワークです。Pythonのライブラリではなく、エージェントをコードで書くことを前提にしています。本記事では2026年10月28日公開の `@mastra/core` 1.80.0 を手元に入れ、導入からエージェント・ツール・ワークフローの書き方、検索の多い「Mastra Skills」、Workspaceのサンドボックス、メモリ、料金までを順に確かめました。Mastra Skillsは2026年に入って意味が2つに分かれたので、どちらを探しているのかを最初に切り分けます。

## まとめ：Mastraの要点（2026年10月時点）

- MastraはTypeScript製・コードファーストのAIエージェントフレームワーク。本体はApache-2.0で無料、公式のPython版は無い。
- 導入は `npm create mastra@latest`。動作環境はNode.js v22.13.0以上で、Bun・Deno・Cloudflareでも動く。
- 「Mastra Skills」は2つある。**コーディングエージェントにMastraを教える公式スキル**（`npx skills add mastra-ai/skills`）と、**自作エージェントに持たせるスキル**（`createSkill()`・Workspaceの `skills`）。
- 「mastra sandbox」はWorkspaceのサンドボックス機能を指す。エージェントにシェルコマンドを実行させる仕組みで、`LocalSandbox` は既定では隔離されない。
- メモリは公式がObservational Memoryを推奨。会話履歴が30,000トークンを超えると要約メモに置き換えていく。
- マネージド版のMastra platformはStarterが月0ドル、Teamsが月250ドル。

## Mastraの正体：TypeScript製のコードファーストなAIエージェントフレームワーク

Mastraは、エージェント・ツール・ワークフロー・メモリ・RAG・評価をTypeScriptのコードで組み合わせるフレームワークです。開発元はGatsbyを作ったチームで、ソースは [GitHubのmastra-ai/mastra](https://github.com/mastra-ai/mastra) で公開されています。モデルは `openai/gpt-6.1-sol` のような「プロバイダー/モデル」形式の文字列で指定し、プロバイダーを替えるときは、文字列の書き換えと、そのプロバイダーのAPIキーを環境変数に設定する作業で済みます。ただしツール呼び出しなどの対応状況はモデルごとに違うため、切り替えた後は動作を確かめてください。

### 画面での作成とPython対応の範囲

日本語の解説記事の一部には「ドラッグ＆ドロップで作れるノーコードツール」「`pip install mastra` で入る」という説明が残っています。Python製という説明は誤りで、npmで配布されるのはTypeScript/JavaScriptのパッケージだけです。PyPIには `mastra` というパッケージ自体がありません（2026年10月30日に確認）。画面での操作は、後述のStudioでエージェントを試すほか、[Agent Builder](https://agent-builder.mastra.ai/)というエージェント作成用のUIもあります。ただしAgent BuilderはMastraサーバーの中で動く機能で、本番で使うにはMastra Enterprise Editionのライセンスが必要です。Enterprise契約なしで本番運用する構成はコード中心ですが、Agent Builderもライセンス条件に従って開発・テスト用途で試せます。PythonのアプリからMastraのエージェントを使うなら、`mastra build` で作ったHTTPサーバーのREST APIを呼ぶ形になります。

### ライセンスとリリースの速さ

npmに登録された `@mastra/core` のライセンスはApache-2.0です。リポジトリの `ee/` ディレクトリにあるエンタープライズ向けの機能だけは別の「Mastra Enterprise License」になるため、RBACやSSOのような機能を自前ホストで使うときは条件を確認してください。1.0は2026年1月20日に公開され、10月28日には1.80.0まで進んでいます。10月1日の1.73.0から10月28日の1.80.0まで、4週間で8つのマイナー版が出ています。0.x時代に書かれた解説のコードは、1.0の破壊的変更（後述の `createTool` の引数など）のためにそのままでは動きません。参考にする記事は、どの版で書かれたかを確かめてから読んでください。

## Mastraのインストール：npm create mastraとStudio

### npm create mastra@latest による雛形の作成

新規プロジェクトは公式のcreate-mastraで作ります。[公式のインストール手順](https://mastra.ai/docs/getting-started/installation)によると、このコマンドはローカルのワークスペース・シェルツール・メモリ・タスク管理・Web検索・定期実行を備えた汎用のエージェント一式を生成し、手元にあるコーディングエージェント向けにMastra Skillsも入れます。

```
# npm
npm create mastra@latest
# pnpm
pnpm create mastra@latest
# Yarn
yarn create mastra
# Bun
bunx create-mastra
```

既存のプロジェクトに足す場合は、`npx mastra@latest init` で初期化します（`--default` を付けると、`src`・OpenAI・サンプル付きの既定値で作られます）。手作業で入れるなら、`package.json` に `"type": "module"` を設定し、`@mastra/core`・`zod`・`mastra`（CLI）を入れます。2026年10月30日にNode.js v26.5.0で `npm i @mastra/core@1.80.0 zod@4` を実行したところ、146パッケージが19秒で入りました。Node.js 22.18.0以降なら、`.ts` ファイルをビルドせずにそのまま実行できます。

### mastra dev と Studio（localhost:4111）での起動と動作確認

開発サーバーは `mastra dev`（create-mastraで作った場合は `npm run dev`）で起動します。[Studioの公式説明](https://mastra.ai/docs/studio/overview)のとおり、既定では `http://localhost:4111` にStudioが開き、エージェントとのチャット、ワークフローの実行、ツールの単体実行、トレースの確認ができます。`localhost:4111/swagger-ui` では同じ機能をREST APIとして試せます。ポートは設定で変えられます。

## エージェント・ツール・ワークフローの実装

### Agentの定義とモデルの指定

エージェントは `Agent` クラスに、ID・指示文・モデル・ツールを渡して作ります。次の例を単独実行する場合は、プロジェクト直下の `agent.ts` に保存し、後掲のツール例を `tools/weather.ts` に保存してください。作ったエージェントは `Mastra` インスタンスに登録すると、Studioやサーバーから呼べるようになります。

```
import { Agent } from '@mastra/core/agent'
import { Mastra } from '@mastra/core'
import { weatherTool } from './tools/weather.ts'

export const weatherAgent = new Agent({
  id: 'weather-agent',
  name: 'Weather Agent',
  instructions: '都市名を受け取り、気温を日本語で答えてください。',
  model: 'openai/gpt-6.1-sol',
  tools: { weatherTool },
})

export const mastra = new Mastra({ agents: { weatherAgent } })

// 呼び出し（OPENAI_API_KEY が必要）
const res = await mastra.getAgent('weatherAgent').generate('東京の気温は？')
console.log(res.text)
```

### createToolによる外部処理の定義

ツールは `createTool()` で、入力と出力をzodのスキーマで宣言して作ります。モデルを呼ばずにツールだけを実行できるので、APIキーが無くても単体で確かめられます。下の例は東京なら21度、それ以外は15度を返すだけのダミーで、実際の天気APIを呼ぶ処理は `execute` の中に書きます。下のコードは1.80.0で実行し、`{"temp":21}` が返ることを確認しました。

```
import { createTool } from '@mastra/core/tools'
import { z } from 'zod'

export const weatherTool = createTool({
  id: 'get-weather',
  description: '都市の気温を返す',
  inputSchema: z.object({ city: z.string() }),
  outputSchema: z.object({ temp: z.number() }),
  execute: async ({ city }) => ({ temp: city === 'Tokyo' ? 21 : 15 }),
})

console.log(await weatherTool.execute({ city: 'Tokyo' }, {}))  // { temp: 21 }
```

1.0で `execute` の引数は「入力そのもの」と「実行コンテキスト」の2つに分かれました。0.x時代の記事にある `execute: async ({ context }) => ...` の書き方は今は使えません。既存のMCPサーバーをツールとして使う場合は `@mastra/mcp` の `MCPClient` でつなぎます。MCPそのものの仕組みは[MCP（Model Context Protocol）とは？仕組み・APIとの違い・MCPサーバーの作り方](/tech/details/5736/)で解説しています。

### createWorkflowによる処理順序の固定

判断をモデルに任せたくない処理は、`createStep()` で作った手順を `createWorkflow()` で `.then()` につなぎ、最後に `.commit()` します。次の例は1.80.0で `success` と `{"length":6}` を返しました。

```
import { createWorkflow, createStep } from '@mastra/core/workflows'
import { Mastra } from '@mastra/core'
import { z } from 'zod'

const upper = createStep({
  id: 'upper',
  inputSchema: z.object({ text: z.string() }),
  outputSchema: z.object({ text: z.string() }),
  execute: async ({ inputData }) => ({ text: inputData.text.toUpperCase() }),
})
const count = createStep({
  id: 'count',
  inputSchema: z.object({ text: z.string() }),
  outputSchema: z.object({ length: z.number() }),
  execute: async ({ inputData }) => ({ length: inputData.text.length }),
})

const textFlow = createWorkflow({
  id: 'text-flow',
  inputSchema: z.object({ text: z.string() }),
  outputSchema: z.object({ length: z.number() }),
}).then(upper).then(count).commit()

const mastra = new Mastra({ workflows: { textFlow } })
const run = await mastra.getWorkflow('textFlow').createRun()
const result = await run.start({ inputData: { text: 'mastra' } })
console.log(result.status, result.result)  // success { length: 6 }
```

このとき `Mastra` にストレージを設定していないと、「メモリ上の保存先にフォールバックした。再起動で全データが消え、本番では安全でない」という警告が出ます。ワークフローの途中停止・再開や会話履歴を本番で使うなら、ストレージは必ず明示してください。

## Mastra Skillsの2つの意味：コーディングエージェント向けと自作エージェント向け

「mastra skills」で調べる人の目的は2つに分かれます。どちらも [Agent Skills仕様](https://agentskills.io)に沿ったスキル（`SKILL.md` を置いたフォルダ、またはコード内での定義）ですが、使う場面がまったく違います。

| 種類               | 誰が読むか                     | 入れ方                               | 登場        |
| ---------------- | ------------------------- | --------------------------------- | --------- |
| 公式のMastra Skills | Claude Code等のコーディングエージェント | `npx skills add mastra-ai/skills` | 2026年2月   |
| エージェントのスキル       | Mastraで作ったエージェント          | `createSkill()`・パス指定              | 1.x系で追加   |
| Workspaceのスキル    | 同じWorkspaceを使う全エージェント     | `Workspace` の `skills`            | 1.x系で追加   |
| 同梱ドキュメント         | コーディングエージェント              | パッケージに最初から入っている                   | 2026年2月以前 |

本記事の2026年7月版では「Mastra Skillsは実行時の機能ではなく開発支援」と説明していましたが、現在の公式ドキュメントには実行時のスキル機能があります。Mastraのコードを書かせたいなら前者、作ったエージェントに業務手順を覚えさせたいなら後者です。

### コーディングエージェントにMastraを教える：npx skills add mastra-ai/skills

公式のMastra Skillsは、[2026年2月5日の公式ブログ](https://mastra.ai/blog/introducing-mastra-skills)で公開されました。Claude CodeやCursorのようなコーディングエージェントが、Mastraの古いAPIを推測で書くのを防ぐための知識パックです。

```
npx skills add mastra-ai/skills
# .well-known による自動検出でも入る
npx skills add https://mastra.ai/
```

[mastra-ai/skillsのREADME](https://github.com/mastra-ai/skills)によると、2026年10月時点で入っているのは2つです。`mastra` は1つの総合スキルで、セットアップ、`node_modules` 内の同梱ドキュメントの引き方、`mastra.ai/llms.txt` からの最新ドキュメント取得、よくあるエラー、版の移行手順などを参照ファイルに分けて持ちます。`mastra-factory` は `mastra api factory` を使う監督役向けで、`--skill mastra-factory` を付けると単独で入れられます。

スキルを入れなくても、各パッケージには同梱ドキュメントがあります。1.80.0の `node_modules/@mastra/core/dist/docs/` には `name: mastra-core`・`version: "1.80.0"` を持つ `SKILL.md` と、471本の参照ファイルが入っていました。インストールした版と同じ版の説明として配布されるため、版の上がりやすいMastraでは、書かれた時期の分からないWeb上の記事より先に当たるべき情報源です。Claude Code側のスキルの仕組みは[Claude Skillsとは？SKILL.mdの書き方とclaude.ai・Claude Code・APIでの使い方【2026年10月】](/tech/details/9396/)、カスタムコマンドがスキルに統合された経緯は[Claude Codeカスタムコマンドの作り方｜Skills統合後の書き方と引数【2026年最新】](/tech/details/7071/)にまとめています。

### 自作エージェントにスキルを持たせる：createSkillとWorkspaceのskills

Mastraで作ったエージェントに手順書を持たせるには、[エージェントのスキル](https://mastra.ai/docs/skills)としてコードで定義するか、[Workspaceのスキル](https://mastra.ai/docs/sandbox/skills)としてフォルダから読み込みます。両方を同時に使うこともできます。Workspaceから読み込む場合は、先に `./workspace/skills/code-review/SKILL.md` を次の内容で作っておきます。

```
---
name: code-review
description: Reviews code for bugs and readability issues
---

# Code review

Check the code for bugs, missing error handling, and unclear naming.
```

そのうえで、エージェントにコード内のスキルとWorkspaceを渡します。

```
import { Agent } from '@mastra/core/agent'
import { createSkill } from '@mastra/core/skills'
import { Workspace, LocalFilesystem } from '@mastra/core/workspace'

const release = createSkill({
  name: 'release-checklist',
  description: 'リリース準備のときに使う',
  instructions: '1. テストを全件流す\n2. CHANGELOG.md を更新\n3. タグを打つ',
})

// ./workspace/skills/code-review/SKILL.md を自動で見つける
const workspace = new Workspace({
  filesystem: new LocalFilesystem({ basePath: './workspace' }),
  skills: ['skills'],
})

export const reviewer = new Agent({
  id: 'reviewer',
  name: 'reviewer',
  instructions: 'コードレビューを担当します。',
  model: 'openai/gpt-6.1-sol',
  workspace,
  skills: [release],
})

console.log(await reviewer.listSkills())
```

1.80.0で実行すると、`listSkills()` はコードで定義した `release-checklist` と、フォルダから見つけた `code-review` の2件を返しました。`getSkill('code-review')` で `SKILL.md` の本文も取り出せます。会話の中では、エージェントに `skill`（本文を読み込む）・`skill_read`（参照ファイルを読む）・`skill_search`（スキル内を検索する）の3つのツールが自動で付き、必要になったスキルだけを読み込みます。全スキルの本文を最初からプロンプトに入れないので、スキルを増やしてもコンテキストを圧迫しにくい作りです。同じ名前のスキルがある場合は、Workspace側よりエージェントに直接渡した方が優先されます。

### SKILL.mdの命名ルールと読み込み失敗時の挙動

フロントマターの `name` と `description` は必須で、`name` はフォルダ名と一致させ、64文字以内の小文字英数字とハイフンにします。先頭・末尾のハイフンと、ハイフンの連続も使えません。ここで注意したいのは、規則に外れたスキルがあってもエラーで止まらない点です。`Bad_Name` というフォルダを置いて試すと、警告を1行出してそのスキルだけを読み飛ばし、残りのスキルは普通に読み込まれました。気づかないまま「スキルが効かない」状態になりやすいので、アプリからSKILL.mdを書き込むなら保存前に `validateSkillContent()` で確かめてください。

```
import { validateSkillContent } from '@mastra/core/skills'

const r = validateSkillContent({
  content: '---\nname: Bad_Name\ndescription: x\n---\nbody',
  directoryName: 'Bad_Name',
})
console.log(r.valid, r.errors)
// false [ 'name: Skill name must contain only lowercase letters, numbers, and hyphens' ]
```

### スキル・ツール・MCPの使い分け

スキルは「手順と知識」を渡す仕組みで、それ自体は何も実行しません。外部APIを呼ぶ、DBを書き換えるといった動作はツール（`createTool`）かMCPサーバーで持たせます。判断の目安は、文章で書ける手順ならスキル、入力と出力の型が決まった処理ならツール、他のアプリとも共有したい機能ならMCPです。スキルの中でスクリプトを動かしたい場合は、次章のサンドボックスと組み合わせます。

## Workspaceのサンドボックスによるコマンド実行

「mastra sandbox」で検索される機能の実体は、Workspaceの `sandbox` です。[公式のSandboxes解説](https://mastra.ai/docs/sandbox/overview)では、リポジトリをクローンしてテストを流す、PDFを専用ライブラリで処理する、長時間の作業を別環境で並行させる、といった用途が挙がっています。利用できるツールはバックエンドの対応機能で変わります。バックグラウンドプロセスに対応する静的サンドボックス、またはリクエストごとに解決するサンドボックスを付けたエージェントには、`execute_command`・`get_process_output`・`kill_process` のツールが自動で付きます。

```
import { Agent } from '@mastra/core/agent'
import { LocalSandbox, Workspace } from '@mastra/core/workspace'

const workspace = new Workspace({
  sandbox: new LocalSandbox({ workingDirectory: './workspace' }),
  tools: { requireApproval: true },  // エージェントがツールを呼ぶ前に人の承認を挟む
})

export const codingAgent = new Agent({
  id: 'coding-agent',
  name: 'Coding agent',
  instructions: 'サンドボックスでコーディング作業をしてください。',
  model: 'openai/gpt-6.1-sol',
  workspace,
})

// アプリのコードから直接実行することもできる（この場合は承認を挟まない）
const r = await workspace.sandbox.executeCommand('echo', ['hello-from-sandbox'])
console.log(r.exitCode, r.stdout)  // 0 'hello-from-sandbox\n'
```

`requireApproval` はエージェントがツールとして呼ぶときに効く設定で、`workspace.sandbox.executeCommand()` を直接呼ぶと承認は挟まらず、すぐに結果が返りました。ここで最も注意すべきなのは、`LocalSandbox` が既定ではアプリと同じマシンでコマンドを実行し、隔離されていないことです。公式も「隔離されておらず安全ではない」と警告しています。ユーザーの入力からコマンドが組み立てられるエージェントでは、LocalSandboxをそのまま本番に出してはいけません。ネイティブ隔離を有効にするか、Docker・E2B・Daytona・Modal・Cloudflare Sandboxなどの外部サンドボックスに替えてください。もう1点、サンドボックスを1つだけ定義すると全ユーザー・全スレッドで共有されます。ユーザーごとに環境を分けるなら、`sandbox` にリクエストごとに別のサンドボックスを返す関数を渡します。

## メモリ：Observational Memoryとストレージの選び方

### Observational Memoryの有効化

会話をまたいだ記憶は `@mastra/memory` の `Memory` で持たせます。次の例を実行する前に、`npm install @mastra/memory @mastra/libsql` で追加パッケージを導入してください。[メモリの公式解説](https://mastra.ai/docs/memory/overview)では、会話履歴（message history）を土台に、ユーザーの名前や好みを構造化して保つワーキングメモリ、意味の近い過去発言を引く意味的想起（semantic recall）を足す構成で、さらにObservational Memoryを「推奨」としています。

```
import { Agent } from '@mastra/core/agent'
import { Memory } from '@mastra/memory'
import { LibSQLStore } from '@mastra/libsql'

export const agent = new Agent({
  id: 'support-agent',
  name: 'support-agent',
  instructions: 'あなたはサポート担当です。',
  model: 'openai/gpt-6.1-sol',
  memory: new Memory({
    storage: new LibSQLStore({ id: 'memory', url: 'file:./memory.db' }),
    options: { observationalMemory: true },
  }),
})
```

[Observational Memoryの公式説明](https://mastra.ai/docs/memory/observational-memory)によると、既定の非同期処理では、Observerが約6,000トークンごとに観察メモを先行作成し、会話履歴が30,000トークンに達すると準備済みのメモを有効化して、観察済みの履歴をコンテキストから置き換えます。メモが増えるとReflectorがさらにまとめ直します。長い会話でもコンテキストが膨らみにくい一方、要約のたびにモデルを呼ぶので、その分のトークン費用がかかります。使えるストレージは `@mastra/pg`・`@mastra/libsql`・`@mastra/mysql`・`@mastra/mongodb`・`@mastra/convex`・`@mastra/oracledb` に限られます。

### ストレージ（DB）の選び方

開発中はローカルファイルに保存できるLibSQL（`@mastra/libsql`）が手軽です。本番で複数台のサーバーから同じ記憶を読むならPostgreSQL（`@mastra/pg`）が無難で、pgvectorを使えばRAGのベクトル保存先も1つにまとめられます。前章で見たとおり、ストレージを設定しないとメモリ上に保存され、再起動で消えます。Observational Memoryを使うなら、上の6種から選んでください。

## RAGによる自社ドキュメントの検索と参照

RAGは `@mastra/rag` の `MDocument` で文書を分割し、埋め込みを作ってベクトルストアに保存し、質問時に近い断片を取り出す流れです。[RAGの公式解説](https://mastra.ai/docs/rag/overview)の例では `strategy: 'recursive'`・`size: 512`・`overlap: 50` で分割しています。対応するベクトルストアにはpgvector・OracleDB・Pinecone・Qdrant・MongoDBなどがあります。検索をエージェントの判断に任せる構成の考え方は[エージェンティックRAGとは？RAGとAIエージェントの違いと組み合わせる仕組み](/tech/details/8079/)で扱っています。

## デプロイとMastra platformの料金

[デプロイの公式解説](https://mastra.ai/docs/deployment/overview)によると、Mastraは `mastra build` でHonoベースのHTTPサーバーとしてビルドし、VM・コンテナ・PaaSに載せられます。ビルド結果は普通のNode.jsアプリなので、Dockerでの運用も他のNode.jsアプリと同じです。Vercel・Netlify・Cloudflare向けのデプロイヤーがあり、AWS Lambda・EC2・Amazon Bedrock AgentCore・Azure App Servicesなどの手引きもあります。Next.js・Astro・Express・Honoなどの既存アプリの中に組み込む構成も取れます。

自前で運用しない場合は、マネージドのMastra platform（Studio・Server・Observability）を使います。[公式の料金ページ](https://mastra.ai/pricing)の内容は次のとおりです（2026年10月30日確認）。

| プラン        | 月額    | 観測イベント              | CPU時間               | データ保持 |
| ---------- | ----- | ------------------- | ------------------- | ----- |
| Starter    | 0ドル   | 10万件（超過は10万件ごと10ドル） | 24時間（超過は1時間0.35ドル）  | 15日   |
| Teams      | 250ドル | 100万件（超過は10万件ごと8ドル） | 250時間（超過は1時間0.25ドル） | 6か月   |
| Enterprise | 個別見積  | 個別                  | 個別                  | 個別    |

表は主な項目の抜粋です。ほかにデータ転送量（Starterは10GBまで、超過は1GBあたり0.10ドル）、常時稼働サーバー（1プロジェクトあたり100ドル）、Gateway経由のモデル利用（市場価格＋5.5%）などが加わります。Starterでもユーザー数・デプロイ数・プロジェクト数は無制限で、SSOとSOC 2の資料はTeamsから、RBAC・監査ログ・稼働率のSLAはEnterpriseで提供されます。Apache-2.0の範囲の機能を自前のサーバーで動かす限り、Mastraへの支払いは発生しません。Agent BuilderやRBAC・SSOのような `ee/` 配下の機能を本番で自前ホストする場合は、年額固定のEnterpriseライセンスの契約が必要です。

## Mastra Code：Mastraで作られたコーディングエージェント

「mastra code」で探しているのが別製品のMastra Codeであることもあります。これは2026年2月24日に[公式ブログで発表](https://mastra.ai/blog/announcing-mastra-code)されたターミナル型のコーディングエージェントで、`npm install -g mastracode` で入ります（npmの最新は0.48.1で、要件はNode.js 22.19.0以上）。Observational Memoryで会話を圧縮し続けるため、長いセッションでも文脈を失いにくいのが売りです。Mastraの部品で作られたアプリの1つであり、フレームワークとしてのMastraを使うのに必須ではありません。

## LangChain・Vercel AI SDKとの比較と選ぶ条件

同じTypeScriptの選択肢と比べると、違いは「どこまでを1つのパッケージで面倒を見るか」です。

| 観点     | Mastra         | Vercel AI SDK   | LangChain.js     |
| ------ | -------------- | --------------- | ---------------- |
| 担当範囲   | エージェント基盤一式     | モデル呼び出し・UI連携    | エージェントと部品群       |
| メモリ    | 組み込み（4方式）      | 自前で実装           | LangGraphの仕組みを利用 |
| ワークフロー | 専用エンジンあり       | コードで組む          | LangGraphで表現     |
| 実行時スキル | 標準対応（SKILL.md） | ツールで実装・プロバイダー連携 | Deep Agentsで対応   |
| 開発用UI  | Studio（ローカル）   | DevTools（ローカル）  | LangSmith（別サービス） |

MastraはモデルとのやりとりにVercel AI SDKを使い、その上にメモリ・ワークフロー・スキル・評価を足した構成です。AI SDK単体の機能は[Vercel AI SDK v6とは？新機能（ToolLoopAgent・needsApproval）とv7との違い・移行【2026】](/tech/details/10402/)、LangChain.jsは[LangChain.jsとは？npm導入からcreateAgent・構造化出力・会話メモリまで【v1.5対応】](/tech/details/3590/)、Python側も含めた8種の比較は[AIエージェントフレームワークとは？主要8種の比較・動作コード・選定基準【2026年9月版】](/tech/details/15367/)で確認できます。

### Mastraを選ばない方がよい場面

選ぶべきなのは、TypeScriptで、会話をまたぐ記憶・多段のワークフロー・スキル・サンドボックスまで1つにまとめたい場合です。逆に、チャット画面を1つ作るだけならVercel AI SDK単体で足ります。Mastraを入れると依存が増え、版を上げるたびにリリースノートで破壊的変更を確かめる保守作業も増えます。チームの主力言語がPythonで、TypeScriptのサーバーを別に運用する体制が無いなら、Mastraは選ばずPythonのフレームワークを使うべきです。社内の業務フローにエージェントを組み込む設計から相談したい場合は、[AIエージェント開発](/service/ai/agent/)の支援も行っています。

## よくある質問

### MastraはPythonで使えますか？

使えません。公式のPython版は無く、`pip install mastra` もできません。PythonのアプリからMastraのエージェントを使うなら、`mastra build` で作ったサーバーのREST APIを呼びます。

### Mastra SkillsとClaudeのAgent Skillsは同じものですか？

形式は同じです。どちらもAgent Skills仕様の `SKILL.md` を使います。公式のMastra SkillsはClaude Codeなどに入れるスキル集で、Mastraの `createSkill()` やWorkspaceの `skills` は、同じ形式のスキルを自作のエージェントに読ませる機能です。

### Mastraは無料ですか？

フレームワーク本体はApache-2.0で無料です。マネージドのMastra platformはStarterが月0ドル、Teamsが月250ドルで、観測イベント・CPU時間・データ転送量などの超過分や常時稼働サーバーの料金が加わります。

### mastra init コマンドはありますか？

あります。Node.js版のCLIの `npx mastra@latest init` が、既存のプロジェクトにMastraを追加するコマンドです。新規作成は `npm create mastra@latest`、開発サーバーは `mastra dev`、本番ビルドは `mastra build` を使います。Pythonのコマンドではありません。

### MastraはBunで動きますか？

動きます。公式のデプロイ解説は、Node.js v22.13.0以上・Bun・Deno・Cloudflareを実行環境に挙げています。プロジェクト作成は `bunx create-mastra` です。

### Mastraの最新バージョンはいくつですか？

2026年10月28日公開の `@mastra/core` 1.80.0です（CLIの `mastra` は1.36.0）。マイナー版の公開が速いため、最新は `npm view @mastra/core version` で確かめてください。

## 関連記事

- [Claude Skillsとは？SKILL.mdの書き方とclaude.ai・Claude Code・APIでの使い方【2026年10月】](/tech/details/9396/)
- [AIエージェントフレームワークとは？主要8種の比較・動作コード・選定基準【2026年9月版】](/tech/details/15367/)
- [Vercel AI SDK v6とは？新機能（ToolLoopAgent・needsApproval）とv7との違い・移行【2026】](/tech/details/10402/)
- [LangChainとLangGraphの違いと使い分け｜v1.0以降の関係をコードで確認【2026年10月】](/tech/details/4059/)
- [MCP（Model Context Protocol）とは？仕組み・APIとの違い・MCPサーバーの作り方](/tech/details/5736/)

---

出典: [Mastraとは？Skills・サンドボックス・メモリまで分かるTypeScript製AIエージェントフレームワークの使い方](<https://www.issoh.co.jp/tech/details/6062/>)（株式会社一創）