スキーマを用いたワーキングメモリ

Zod スキーマを使って、ワーキングメモリに保存する情報の構造を定義します。スキーマは、エージェントが会話をまたいで抽出・保持するデータに対し、型安全性とバリデーションを提供します。

これは、.stream() を使ったストリーミング応答と、.generate() を使った生成応答の両方で機能し、セッション間でデータを保持するために PostgreSQL、LibSQL、Redis などのストレージプロバイダが必要です。

この例では、ワーキングメモリ用スキーマを使って ToDo リストを管理する方法を示します。

前提条件

この例では openai モデルを使用します。OPENAI_API_KEY を .env ファイルに追加してください。

.env


OPENAI_API_KEY=<your-api-key>

次のパッケージをインストールしてください:


npm install @mastra/libsql

エージェントにメモリを追加する

エージェントに LibSQL のメモリを追加するには、Memory クラスを使用し、LibSQLStore を用いて storage インスタンスを渡します。url はリモートの場所またはローカルファイルを指せます。

`schema` を用いたワーキングメモリ

workingMemory.enabled を true に設定してワーキングメモリを有効にします。これにより、エージェントは対話間で構造化された情報を記憶できます。

schema を指定すると、エージェントが情報を記憶する際の形式を定義できます。この例では、タスクをアクティブと完了のリストに分けています。

スレッドは関連するメッセージを会話ごとにまとめます。generateTitle を有効にすると、各スレッドには内容に基づいたわかりやすい名前が自動的に付与されます。

src/mastra/agents/example-working-memory-schema-agent.ts


import { Memory } from "@mastra/memory";
import { Agent } from "@mastra/core/agent";
import { openai } from "@ai-sdk/openai";
import { LibSQLStore } from "@mastra/libsql";
import { z } from "zod";
 
export const workingMemorySchemaAgent = new Agent({
  name: "working-memory-schema-agent",
  instructions: `
    You are a todo list AI agent.
    Always show the current list when starting a conversation.
    For each task, include: title with index number, due date, description, status, and estimated time.
    Use emojis for each field.
    Support subtasks with bullet points.
    Ask for time estimates to help with timeboxing.
  `,
  model: openai("gpt-4o"),
  memory: new Memory({
    storage: new LibSQLStore({
      url: "file:working-memory-schema.db"
    }),
    options: {
      workingMemory: {
        enabled: true,
        schema: z.object({
          items: z.array(
            z.object({
              title: z.string(),
              due: z.string().optional(),
              description: z.string(),
              status: z.enum(["active", "completed"]).default("active"),
              estimatedTime: z.string().optional(),
            })
          )
        })
      },
      threads: {
        generateTitle: true
      }
    }
  })
});

使用例

この例では、構造化情報を管理するためにワーキングメモリスキーマを用いるエージェントとのやり取り方法を示します。エージェントは同一スレッド内の複数回の対話にわたり、ToDoリストを更新して保存します。

`.stream()` を使ったストリーミング応答

この例では、新しいタスクを含むメッセージをエージェントに送信します。応答はストリーミングされ、更新後の ToDo リストが含まれます。

src/test-working-memory-schema-agent.ts


import "dotenv/config";
 
import { mastra } from "./mastra";
 
const threadId = "123";
const resourceId = "user-456";
 
const agent = mastra.getAgent("workingMemorySchemaAgent");
 
const stream = await agent.stream("Add a task: Build a new feature for our app. It should take about 2 hours and needs to be done by next Friday.", {
  memory: {
    thread: threadId,
    resource: resourceId
  }
});
 
for await (const chunk of stream.textStream) {
  process.stdout.write(chunk);
}

`.generate()` を使った応答生成

この例では、新しいタスクを含むメッセージをエージェントに送信します。応答は単一のメッセージとして返され、更新後の ToDo リストが含まれます。

src/test-working-memory-schema-agent.ts


import "dotenv/config";
 
import { mastra } from "./mastra";
 
const threadId = "123";
const resourceId = "user-456";
 
const agent = mastra.getAgent("workingMemorySchemaAgent");
 
const response = await agent.generate("Add a task: Build a new feature for our app. It should take about 2 hours and needs to be done by next Friday.", {
  memory: {
    thread: threadId,
    resource: resourceId
  }
});
 
console.log(response.text);

出力例

この出力は、zod スキーマで定義された構造に従って、エージェントが更新された ToDo リストをどのように整形して返すかを示しています。


# Todo List
## Active Items
1. 🛠️ **Task:** Build a new feature for our app
   - 📅 **Due:** Next Friday
   - 📝 **Description:** Develop and integrate a new feature into the existing application.
   - ⏳ **Status:** Not Started
   - ⏲️ **Estimated Time:** 2 hours

## Completed Items
- None yet

ストレージオブジェクトの例

Working memory はデータを .json 形式で保存し、以下のようになります:


{
  // ...
  "toolInvocations": [
    {
      // ...
      "args": {
        "memory": {
          "items": [
            {
              "title": "アプリの新機能を開発する",
              "due": "来週の金曜日",
              "description": "",
              "status": "active",
              "estimatedTime": "2 hours"
            }
          ]
        }
      },
    }
  ],
}

スキーマを用いたワーキングメモリ

この例では、ワーキングメモリ用スキーマを使って ToDo リストを管理する方法を示します。

前提条件

この例では openai モデルを使用します。OPENAI_API_KEY を .env ファイルに追加してください。

.env


OPENAI_API_KEY=<your-api-key>

次のパッケージをインストールしてください:


npm install @mastra/libsql

エージェントにメモリを追加する

`schema` を用いたワーキングメモリ

workingMemory.enabled を true に設定してワーキングメモリを有効にします。これにより、エージェントは対話間で構造化された情報を記憶できます。

schema を指定すると、エージェントが情報を記憶する際の形式を定義できます。この例では、タスクをアクティブと完了のリストに分けています。

src/mastra/agents/example-working-memory-schema-agent.ts


import { Memory } from "@mastra/memory";
import { Agent } from "@mastra/core/agent";
import { openai } from "@ai-sdk/openai";
import { LibSQLStore } from "@mastra/libsql";
import { z } from "zod";
 
export const workingMemorySchemaAgent = new Agent({
  name: "working-memory-schema-agent",
  instructions: `
    You are a todo list AI agent.
    Always show the current list when starting a conversation.
    For each task, include: title with index number, due date, description, status, and estimated time.
    Use emojis for each field.
    Support subtasks with bullet points.
    Ask for time estimates to help with timeboxing.
  `,
  model: openai("gpt-4o"),
  memory: new Memory({
    storage: new LibSQLStore({
      url: "file:working-memory-schema.db"
    }),
    options: {
      workingMemory: {
        enabled: true,
        schema: z.object({
          items: z.array(
            z.object({
              title: z.string(),
              due: z.string().optional(),
              description: z.string(),
              status: z.enum(["active", "completed"]).default("active"),
              estimatedTime: z.string().optional(),
            })
          )
        })
      },
      threads: {
        generateTitle: true
      }
    }
  })
});

使用例

`.stream()` を使ったストリーミング応答

この例では、新しいタスクを含むメッセージをエージェントに送信します。応答はストリーミングされ、更新後の ToDo リストが含まれます。

src/test-working-memory-schema-agent.ts


import "dotenv/config";
 
import { mastra } from "./mastra";
 
const threadId = "123";
const resourceId = "user-456";
 
const agent = mastra.getAgent("workingMemorySchemaAgent");
 
const stream = await agent.stream("Add a task: Build a new feature for our app. It should take about 2 hours and needs to be done by next Friday.", {
  memory: {
    thread: threadId,
    resource: resourceId
  }
});
 
for await (const chunk of stream.textStream) {
  process.stdout.write(chunk);
}

`.generate()` を使った応答生成

src/test-working-memory-schema-agent.ts


import "dotenv/config";
 
import { mastra } from "./mastra";
 
const threadId = "123";
const resourceId = "user-456";
 
const agent = mastra.getAgent("workingMemorySchemaAgent");
 
const response = await agent.generate("Add a task: Build a new feature for our app. It should take about 2 hours and needs to be done by next Friday.", {
  memory: {
    thread: threadId,
    resource: resourceId
  }
});
 
console.log(response.text);

出力例

この出力は、zod スキーマで定義された構造に従って、エージェントが更新された ToDo リストをどのように整形して返すかを示しています。


# Todo List
## Active Items
1. 🛠️ **Task:** Build a new feature for our app
   - 📅 **Due:** Next Friday
   - 📝 **Description:** Develop and integrate a new feature into the existing application.
   - ⏳ **Status:** Not Started
   - ⏲️ **Estimated Time:** 2 hours

## Completed Items
- None yet

ストレージオブジェクトの例

Working memory はデータを .json 形式で保存し、以下のようになります:


{
  // ...
  "toolInvocations": [
    {
      // ...
      "args": {
        "memory": {
          "items": [
            {
              "title": "アプリの新機能を開発する",
              "due": "来週の金曜日",
              "description": "",
              "status": "active",
              "estimatedTime": "2 hours"
            }
          ]
        }
      },
    }
  ],
}

スキーマを用いたワーキングメモリ

前提条件

エージェントにメモリを追加する

schema を用いたワーキングメモリ

使用例

.stream() を使ったストリーミング応答

.generate() を使った応答生成

出力例

ストレージオブジェクトの例

関連

スキーマを用いたワーキングメモリ

前提条件

エージェントにメモリを追加する

schema を用いたワーキングメモリ

使用例

.stream() を使ったストリーミング応答

.generate() を使った応答生成

出力例

ストレージオブジェクトの例

関連

`schema` を用いたワーキングメモリ

`.stream()` を使ったストリーミング応答

`.generate()` を使った応答生成

`schema` を用いたワーキングメモリ

`.stream()` を使ったストリーミング応答

`.generate()` を使った応答生成