Mastra 1.0 : le framework TypeScript qui structure vos agents IA pour la production

Le 20 janvier 2026, l'équipe derrière Gatsby a publié la version stable de Mastra 1.0. Après une bêta lancée en novembre 2025, 94 correctifs et plusieurs nouvelles fonctionnalités, le framework TypeScript pour agents IA se positionne comme la solution "batteries incluses" pour les équipes qui veulent aller au-delà du prototype.

Avec plus de 300 000 téléchargements hebdomadaires sur npm, 21 000 étoiles sur GitHub et des déploiements en production chez Replit, PayPal et Marsh McLennan, Mastra n'est plus un projet expérimental. Voici ce que la v1 apporte concrètement.

D'où vient Mastra

Mastra a été fondé en octobre 2024 par Sam Bhagwat, Abhi Ayer et Shane Thomas, qui ont collaboré pendant près d'une décennie sur Gatsby et d'autres projets open-source. Le framework est soutenu par Y Combinator (batch W25) et a levé 13 millions de dollars en seed auprès de plus de 100 investisseurs de la Silicon Valley.

L'objectif : fournir aux développeurs TypeScript un framework complet pour construire des agents IA, sans assembler des briques disparates. Agents, workflows, mémoire, RAG, MCP, observabilité, évaluation : tout est dans un seul écosystème.

Ce que la v1 change

Mastra 1.0 n'est pas une refonte. L'équipe a publié les fonctionnalités au fil des versions 0.x, puis a stabilisé les API, unifié les conventions et corrigé les retours de production. Le passage en v1 marque la maturité du framework, pas un pivot.

Des API stabilisées

Les API expérimentales (agent.network(), Mastra Auth, workflows multi-moteurs via Inngest) sont désormais stables. Les conventions ont été unifiées : get pour un objet unique, list pour une collection. Les imports utilisent des subpath entry points (@mastra/core/agent, @mastra/core/tools).

Pour migrer depuis la v0, un codemod automatisé gère l'essentiel des changements :

npx @mastra/codemod@latest v1

Server Adapters : Mastra dans votre serveur existant

C'est le changement architectural majeur. Avant, Mastra nécessitait son propre processus serveur. Désormais, les Server Adapters permettent d'intégrer Mastra directement dans une application Express, Hono, Fastify ou Koa.

import express from 'express'
import { MastraServer } from '@mastra/express'
import { mastra } from './mastra'

const app = express()
const server = new MastraServer({ app, mastra })
await server.init()

// Vos agents, workflows et outils sont exposes
// automatiquement comme endpoints HTTP
app.listen(3001)

Vos agents, workflows, outils et serveurs MCP deviennent des endpoints HTTP sans configuration supplémentaire. Vous gardez le contrôle sur le middleware, l'authentification et le déploiement.

Composite Storage : un backend par domaine

La v1 introduit le Composite Storage, qui remplace le modèle de stockage unique. Vous pouvez assigner un backend différent à chaque domaine : PostgreSQL pour les workflows, LibSQL pour la mémoire, ClickHouse pour l'observabilité. Cela permet d'optimiser le coût, la latence et la scalabilité par type de donnée, au lieu d'appliquer un compromis global.

Les fonctionnalités qui comptent

Au-delà de la stabilisation des API, Mastra 1.0 embarque des fonctionnalités qui n'existent pas ailleurs dans l'écosystème TypeScript.

Agent Network

Agent Network est la couche d'orchestration multi-agents de Mastra. Contrairement aux workflows prédéterminés, elle permet à un agent de router dynamiquement des tâches vers d'autres agents, workflows ou outils, sans chemin d'exécution défini à l'avance.

import { NewAgentNetwork } from '@mastra/core'
import { openai } from '@ai-sdk/openai'

const network = new NewAgentNetwork({
  id: 'support-network',
  name: 'Support Network',
  instructions: 'Coordonne les agents de support et de recherche.',
  model: openai('gpt-5.6-terra'),
  agents: { triageAgent, technicalAgent, billingAgent },
  workflows: { escalationWorkflow },
  tools: { searchKnowledgeBase },
})

// Routage automatique vers le bon agent
const result = await network.generate(
  'Le client signale une erreur 500 sur la page de paiement'
)

// Orchestration multi-etapes autonome
const plan = await network.loop(
  'Analyse les 50 derniers tickets, identifie les patterns et redige un rapport'
)

Deux modes d'exécution : .generate() pour le routage simple (un seul appel), .loop() pour les tâches complexes nécessitant plusieurs agents en séquence. La qualité du routage dépend directement de la clarté des descriptions de chaque agent et workflow.

Observational Memory

C'est probablement l'innovation la plus significative. L'Observational Memory fait en sorte qu'une petite fenêtre de contexte se comporte comme une grande, tout en préservant la mémoire à long terme.

Le mécanisme : quand l'historique dépasse un seuil (30 000 tokens par défaut), un agent "observateur" compresse les messages en observations structurées, 5 à 40 fois plus petites que les messages bruts. Quand les observations dépassent 40 000 tokens, un agent "réflecteur" élimine les observations obsolètes.

Les résultats sur le benchmark LongMemEval : 94,87% avec gpt-5-mini, soit 3 points au-dessus de tout score précédent. Selon VentureBeat, cette approche réduit les coûts de 10x par rapport au RAG classique sur les contextes longs.

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

const agent = new Agent({
  id: 'support-agent',
  model: openai('gpt-5.6-terra'),
  memory: new Memory({
    observationalMemory: true,
  }),
  instructions: 'Tu es un agent de support technique.',
})

Scorers intégrés

Mastra inclut un système de scorers pour évaluer la qualité des sorties de vos agents. La fonction createScorer supporte les évaluations déterministes (règles codées) et le pattern LLM-as-a-judge. Les scorers s'intègrent dans votre pipeline de CI pour détecter les régressions de qualité à chaque changement de prompt, d'outil ou de modèle.

Démarrer avec Mastra 1.0

Pour un nouveau projet :

npm create mastra@latest

Pour un projet existant, le guide de migration documente chaque changement et le codemod automatise les transformations les plus courantes.

La documentation officielle est exhaustive et l'équipe maintient un Discord actif avec près de 5 000 développeurs. Le Mastra Studio fournit une interface visuelle pour tester et débugger vos agents sans code supplémentaire.

C'est la stack que je retiens souvent pour des agents et enchaînements pilotés par des modèles de langage, quand l'écosystème tout-en-un fait gagner des semaines de plomberie.

Quand choisir Mastra

Mastra n'est pas le seul framework agentique en TypeScript. Le Vercel AI SDK 6 offre une intégration React/Next.js plus native. Le Claude Agent SDK excelle dans l'orchestration multi-agents avec Claude. Google ADK est optimisé pour Gemini et le streaming multimédia.

Mastra se justifie quand vous cherchez un framework tout-en-un : agents, workflows, mémoire, RAG, MCP, évaluation et observabilité dans un seul écosystème. Si vous assemblez déjà trois ou quatre librairies pour couvrir ces besoins, Mastra les remplace par une solution cohérente.

Le fait que des entreprises comme Replit, PayPal et Adobe l'utilisent en production est un signal fort. Le framework n'est plus un pari sur l'avenir, c'est un outil qui a fait ses preuves.