Mastra
im Test.

Mastra passt zu Teams, die KI-Agenten in eine bestehende TypeScript-Codebasis einbauen wollen. Agenten, Werkzeuge, Abläufe und Betrieb bleiben nah an Node.js und Next.js, statt als zusätzliche Python-Plattform neben der Webanwendung zu stehen. Das Repository wird aktiv gepflegt und lag am 02.10.2026 bei über 28.000 GitHub-Sternen. Die Version 1.72.0 erschien am 30.09.2026.

Wichtigste Funktionen

• Ein Mastra-Agent verbindet ein Sprachmodell mit Anweisungen, Werkzeugen und Memory, also gespeichertem Kontext aus früheren Schritten. Er ruft Funktionen auf, prüft Zwischenergebnisse und arbeitet mehrstufige Aufgaben ab.
• Graphbasierte Abläufe legen Schritte, Verzweigungen und Typen fest. Das passt für Prozesse, bei denen ein Agent nicht frei entscheiden soll, etwa Freigaben, Stapelverarbeitung oder geplante Datenabgleiche.
• Für Antworten aus eigenen Dokumenten, kurz RAG, bringt Mastra Bausteine für Texteinbettungen, Textabschnitte und Vektordatenbanken wie pgvector oder Pinecone mit. Gesprächskontext und Anwendungszustand hält das Memory fest.
• Der Model Router erreicht über 40 Anbieter mit einem einheitlichen Aufruf, aus Europa etwa Mistral, Scaleway, OVHcloud, Hetzner und Infomaniak. Lokale Modelle bindest du über Ollama, LM Studio oder einen anderen OpenAI-kompatiblen Server ein. LM Studio meldet sich dafür unter http://localhost:1234/v1. Mastra spricht es mit lmstudio/ vor dem Modellnamen an.
• Agenten antworten inzwischen direkt in Slack, Microsoft Teams, Telegram und Discord. Will ein Agent dort ein Werkzeug aufrufen, das eine Freigabe braucht, erscheint im Kanal eine Karte zum Zustimmen oder Ablehnen. Klicken darf nur die Person, die den Lauf ausgelöst hat.
• Über das Model Context Protocol, kurz MCP, bindet Mastra externe Werkzeuge und Datenquellen an. Es arbeitet dabei als Client und als Server.
• Mastra Studio, die mitgelieferte Oberfläche, zeigt jeden Agentenlauf mit seinen einzelnen Schritten, dem Token-Verbrauch, der Laufzeit und den Kosten. Evals sind Bewertungsregeln, die eine Antwort automatisch prüfen. Sie verhindern, dass eine Änderung an der Anweisung oder am Modell die Qualität unbemerkt senkt.
• Projekte laufen auf eigenen Servern oder auf der Mastra Platform. Die Preisseite nennt dazu serverlosen Betrieb, dauerhaft laufende Server und eine Enterprise-Option für den Betrieb in der eigenen VPC, also in einer abgeschotteten Cloud-Umgebung des Kunden.

Preise und Tarife

Der Baukasten ist im Kern kostenlos nutzbar, weil Mastra den offenen Teil unter Apache-2.0 veröffentlicht. Laufende Kosten entstehen durch Hosting, Datenbanken, Vektorspeicher und die angebundenen KI-Modelle. Die Mastra Platform rechnet in US-Dollar ab. Die folgenden Beträge sind zum Kurs 0,86 umgerechnet und gerundet. Der Starter-Tarif kostet 0 Euro pro Monat und enthält 100.000 aufgezeichnete Vorgänge, 24 CPU-Stunden, 1 GB Speicher und 15 Tage Datenaufbewahrung bei unbegrenzt vielen Nutzern, Anwendungen und Projekten. Danach kosten weitere 100.000 Vorgänge rund 8,60 Euro und jede weitere CPU-Stunde rund 0,30 Euro. Ein dauerhaft laufender Server kostet rund 86 Euro pro Projekt. Der Teams-Tarif kostet rund 215 Euro pro Monat und enthält 1 Million Vorgänge, 250 CPU-Stunden, 100 GB Speicher, 6 Monate Aufbewahrung, mehrere Teams, Single Sign-on und SOC-2-Unterlagen für Sicherheits- und Kontrollnachweise. Wer Modelle über das Gateway der Plattform bezieht, zahlt den Marktpreis des Anbieters plus 5,5%. Enterprise und die selbst gehostete Enterprise-Fassung werden individuell angeboten. Der Code im Verzeichnis ee steht unter einer eigenen Lizenz: Für Entwicklung und Tests ist er frei, im Produktivbetrieb braucht er eine Enterprise-Lizenz. Alle Beträge sind Nettowerte, auf die je nach Rechnung die Umsatzsteuer kommt.

Für wen ist Mastra geeignet?

TypeScript- und Next.js-Entwicklerteams bauen mit Mastra Agenten in ihre bestehende Anwendung, ohne die Sprache zu wechseln. Produktcode, Backend und KI-Logik liegen in einem Projekt.

Softwarefirmen mit KI-Funktionen im eigenen Produkt binden Agenten direkt in ihre Node.js-Dienste ein. Über die Kanäle erreicht ein solcher Agent die Nutzer auch dort, wo sie ohnehin schreiben, in Slack oder Microsoft Teams.

Entwicklerteams mit strengen Datenschutzvorgaben betreiben Mastra auf eigener Hardware mit einem lokalen Modell über Ollama oder LM Studio. Solange Mastra Platform und Cloud-Modelle außen vor bleiben, verlässt weder eine Anfrage noch ein Dokument die eigene Infrastruktur.

DSGVO und Datenschutz

Mastra selbst ist ein Baukasten und läuft dort, wo du ihn betreibst: auf eigener Hardware oder bei einem europäischen Cloud-Anbieter. Code, Gesprächsgedächtnis, Ablaufprotokolle und Vektordatenbank bleiben dann in der eigenen Hand. Die Inhalte gehen aber an den Modellanbieter, den du anbindest. Seine Bedingungen regeln auch, ob Eingaben ins Training fließen. Bei OpenAI, Anthropic oder Google brauchst du einen Auftragsverarbeitungsvertrag und eine Prüfung möglicher Drittlandtransfers. Mit Mistral oder einem anderen europäischen Anbieter aus dem Model Router bleibt die Verarbeitung in der EU. Mit einem lokalen Modell verlässt nichts den eigenen Rechner. Die Mastra Platform verarbeitet Betriebs- und Messdaten beim Anbieter, der Kepler Software Inc. aus San Francisco. Seit dem 28.09.2026 liegt dafür ein Auftragsverarbeitungsvertrag mit EU-Standardvertragsklauseln vor. Seine Liste der Unterauftragsverarbeiter nennt überwiegend Dienste in den USA, darunter Google Cloud, Railway und OpenRouter. Deshalb führen wir Mastra hier nicht als DSGVO-konform. Für Anwendungen mit personenbezogenen Daten ist der Selbstbetrieb mit einem europäischen oder lokalen Modell der Weg ohne Drittlandfrage.

Alternativen zu Mastra

• CrewAI ist das verbreitete Gegenstück in Python und setzt stärker auf mehrere Agenten mit Rollen und Zielen. Mastra passt besser, wenn die Anwendung bereits in TypeScript entsteht.
• Deep Agents kommt aus dem LangChain-Umfeld und ist auf langlaufende Agenten ausgerichtet. Abläufe, Studio, Kanäle und Betrieb deckt Mastra zusätzlich ab.
• LangFlow setzt Agenten und RAG-Flows in einer grafischen Oberfläche zusammen. Das hilft bei Prototypen, während Mastra näher am Quellcode einer bestehenden Anwendung arbeitet.