8. RAG 与 MCP¶

RAG 和 MCP 都是给 agent 扩展上下文与能力，但它们解决的问题不同。

RAG：从你的知识库中检索相关内容。
MCP：连接外部工具、资源和 prompt，或把你的能力暴露给其他客户端。

RAG 的位置¶

RAG 不是“把文档贴进 prompt”。一个完整 RAG 流程通常包括：

flowchart LR
  D["文档"] --> C["切块"]
  C --> E["Embedding"]
  E --> V["Vector Store"]
  Q["用户问题"] --> R["检索"]
  V --> R
  R --> A["Agent 生成答案"]

Mastra 提供文档切块、向量查询工具、Graph RAG 等能力。实际项目里你需要关注：

文档来源是否可信。
chunk 大小是否适合模型。
embedding 模型是否和语言匹配。
检索结果是否需要重排。
答案是否需要引用来源。
用户权限是否会影响可检索文档。

RAG 适合什么¶

适合：

帮客服 agent 查询知识库。
帮代码 agent 查询内部规范。
帮法务或财务 assistant 查询制度文档。
帮销售 agent 查询产品资料。

不适合：

实时状态查询。用 Tool 查数据库或 API。
强一致业务逻辑。用 Tool 或 Workflow。
需要修改外部系统的操作。用 Tool，并加权限。

MCP 的两个方向¶

Mastra 支持两个核心类：

MCPClient：连接外部 MCP server，拿到工具、资源、prompt。
MCPServer：把你的 Mastra tools、agents、workflows 暴露给外部 MCP 客户端。

flowchart LR
  Agent["Mastra Agent"] --> Client["MCPClient"]
  Client --> External["外部 MCP Server"]

  Tools["Mastra Tools / Agents / Workflows"] --> Server["MCPServer"]
  Server --> Other["Claude / Codex / 其他 MCP Client"]

连接外部 MCP Server¶

src/mastra/mcp/search-client.ts

import { MCPClient } from '@mastra/mcp'

export const searchMcpClient = new MCPClient({
  id: 'search-mcp-client',
  servers: {
    wikipedia: {
      command: 'npx',
      args: ['-y', 'wikipedia-mcp'],
    },
  },
})

把 MCP 工具交给 agent：

src/mastra/agents/research-agent.ts

import { Agent } from '@mastra/core/agent'
import { searchMcpClient } from '../mcp/search-client'

export const researchAgent = new Agent({
  id: 'research-agent',
  name: 'Research Agent',
  instructions: '使用可用 MCP 工具查找背景资料，并用中文总结。',
  model: 'openai/gpt-4o-mini',
  tools: await searchMcpClient.listTools(),
})

这种静态写法适合个人工具、CLI 或单租户服务。

多租户场景用动态 toolsets¶

如果不同用户有不同 MCP 凭据，不要在 agent 初始化时写死工具。可以在请求时构造 MCPClient，并把 listToolsets() 传给 .generate() 或 .stream()。

const userMcp = new MCPClient({
  servers: {
    privateSearch: {
      url: new URL('https://example.com/mcp'),
      requestInit: {
        headers: {
          Authorization: `Bearer ${userToken}`,
        },
      },
    },
  },
})

const response = await agent.generate(userPrompt, {
  toolsets: await userMcp.listToolsets(),
})

await userMcp.disconnect()

这能避免把所有用户共享同一套外部工具凭据。

暴露自己的 MCP Server¶

src/mastra/mcp/travel-mcp-server.ts

import { MCPServer } from '@mastra/mcp'
import { travelAgent } from '../agents/travel-agent'
import { itineraryWorkflow } from '../workflows/itinerary-workflow'
import { cityWeatherTool } from '../tools/city-weather-tool'

export const travelMcpServer = new MCPServer({
  id: 'travel-mcp-server',
  name: 'Travel MCP Server',
  version: '1.0.0',
  agents: { travelAgent },
  workflows: { itineraryWorkflow },
  tools: { cityWeatherTool },
})

注册：

src/mastra/index.ts

import { Mastra } from '@mastra/core'
import { travelMcpServer } from './mcp/travel-mcp-server'

export const mastra = new Mastra({
  mcpServers: { travelMcpServer },
})

选择 RAG、Tool、MCP 的判断¶

需求	首选
查询自己系统里的实时业务数据	Tool
查询大量非结构化文档	RAG
调用外部 agent 工具生态	MCPClient
把自己的能力给其他 agent 用	MCPServer
固定多步骤业务流程	Workflow

不要把 MCP 当成内部模块系统，也不要把 RAG 当成数据库查询。