狀態： 已採納（Accepted）
日期： 2026-03
決策者： Software Architect

背景

Arova Nexus 的核心差異化是 AI-Native：多個 Agent（Triage / Correlation / Preventive / Compliance / Anomaly Detection）協同工作，透過 Workflow 驅動自動化。我們需要選擇一個 Agent 框架，同時要能支援：

• Agent 生命週期（建立、排程、記憶、工具呼叫）
• Workflow 編排（節點式、可視化、Dry-Run）
• RAG + Memory（整合 Vector DB 和對話記憶）
• On-Prem 部署（整個平台的硬約束）
• TypeScript 生態（前後端語言統一，前端已鎖定 Next.js）
• MCP 支援（Model Context Protocol，可連接工具和資料源）

決策時比較了 Mastra、LangChain/LangGraph、LlamaIndex、自研。詳細比較見 docs/research/Mastra_vs_LangChain_Comparison.md。

決策

採用 Mastra AI（@mastra/core）作為 Agent 框架的核心。

理由

1. TypeScript 原生 — 與前端 Next.js 同語言，不需要維護 Python/JS 兩套技術棧，降低工程團隊負擔
2. 內建 Agent + Workflow + RAG + Memory + MCP — 一次備齊 5 大能力，不需要拼裝 LangChain + LangGraph + LlamaIndex
3. 輕量可地端 — 無強制綁雲端依賴（對比 LangChain 多處預設 OpenAI 整合），符合 On-Prem First
4. Hono 內建 HTTP server — 同一個 runtime 提供 API，不需要另起 FastAPI（Python）或 Express
5. 官方支援 @mastra/ai-sdk — 直接和 Vercel AI SDK 的 useChat / useCompletion 橋接，前端 Copilot 不用自研串流邏輯
6. Workflow 為一等公民 — Mastra Workflow 原生支援節點式流程定義、Step 執行、排程、Dry-Run，對應 PRD Automation 模組的核心功能

考慮過的替代方案

影響

正面

• 前後端 TypeScript 一致，工程師可跨層工作
• 架構整體簡單：一個 Node.js runtime 同時處理 API、Agent、Workflow
• MCP 原生支援讓 L5 的外部工具整合有統一模式

負面 / 取捨

• 技術新穎風險：Mastra 2026 才算成熟，遇到 bug 可能需要向上游 PR 或自己修
• 社群規模小：相比 LangChain，可搜尋的範例/教學較少，學習曲線主要靠官方文件
• 可能過度綁定：未來若要換 Agent 框架，Agent、Workflow、Memory 定義都要改寫（約 30% 程式碼）

需要追蹤的風險

• Mastra 的 stateful workflow 可靠度（容錯、重啟恢復）是否足以承接 P1 事件的 Correlation Agent 即時處理
• MCP 規格演進，若標準大幅變動，Mastra 是否能跟上
• 社群成熟度：6 個月後再審視是否符合預期

相關

• docs/research/Mastra_vs_LangChain_Comparison.md
• docs/research/Agent_Framework_Alternatives.md
• docs/architecture/TECH_STACK.md
• docs/architecture/AI_Ops_Agent_Architecture.md