FastAgent
用 Python、MCP 与可组合工作流快速构建、运行和评估智能体应用。
- Star 数
- ★ 3.9k
- 最近更新
- 1 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 46/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台Codex · OpenAI API · Claude API
- 开始前需要
- 典型场景
- Python 开发者需要把 URL 摘要、社交文案生成等多个 MCP 增强型智能体串成可执行工作流时。
- 主要局限
- 需要 Python 和 uv；提供材料没有说明 Python 版本、提供方密钥配置或完整的生产部署要求。
这个 Agent 能做什么，适合哪些场景？
FastAgent 是一个以 CLI 为先的 Python 智能体框架与交互工具，可用于编码、开发工具、评估和工作流应用。开发者通过 FastAgent 类及 @fast.agent、@fast.chain、@fast.parallel 等装饰器定义智能体和工作流，并在 fast.run() 中调用或交互运行。它可连接 stdio、SSE 和 Streamable HTTP MCP 服务器，也可将程序以 MCP 服务器模式暴露。项目提供可选的 prompt_toolkit 交互终端、Rich 流式终端输出、Shell Mode，以及技能和 MCP 连接管理命令。模型层原生支持 Anthropic、OpenAI、Google，以及 Azure、Ollama、Deepseek 和经 TensorZero 接入的其他提供方；同时支持 ACP 客户端使用。
开发者可执行 fast-agent go 启动交互会话，用 /skills 管理技能、用 /connect 连接 MCP 服务，并以 ! 或 ! cd web && npm run build 运行 Shell 命令。Python 程序可创建 FastAgent，通过 @fast.agent 注册带 instruction、servers、model、human_input 和函数工具的智能体，再在 async with fast.run() 中用 agent(...)、.send()、.prompt() 或 .interactive() 调用。它提供 chain 顺序执行、parallel 扇出/扇入、evaluator_optimizer 迭代评估、router 路由、orchestrator 规划、maker K 投票，以及把子智能体作为工具调用的工作流。程序可通过 uv run agent.py --transport http --port 8001 以 MCP 服务器模式运行；HTTP/SSE MCP 服务可启用 OAuth、PKCE、本地回调和 keyring 密钥存储。
- Python 开发者需要把 URL 摘要、社交文案生成等多个 MCP 增强型智能体串成可执行工作流时。
- 使用 OpenAI Codex 计划或 Hugging Face Inference Providers 的开发者，希望通过 --pack codex 或 --pack hf-dev 启动编码会话时。
- 需要将翻译、研究或多模型结果并行运行，再由 fan-in 智能体汇总的团队。
- 要以 HTTP 传输把自定义 agent.py 暴露为 MCP 服务器，并让其他 MCP 客户端调用的工程师。
- 需要给远程 HTTP 或 SSE MCP 服务配置 OAuth、PKCE 和安全令牌持久化的集成人员。
- 希望以 evaluator_optimizer 或 MAKER 对生成结果进行迭代评估或重复采样投票的应用开发者。
如何安装或部署这个 Agent？
先安装 uv，然后执行：
uv pip install fast-agent-mcp
fast-agent go也可安装为 uv 工具：
uv tool install -U fast-agent-mcp
fast-agent --model opus -x --smartREADME 未说明各模型提供方所需凭据的具体环境变量或配置步骤；在实际调用相应提供方前，需要按所选提供方完成其认证配置。Python 版本要求未在提供材料中说明。
如何使用这个 Agent？
最快可运行方式是：
uvx fast-agent-mcp@latest -x在交互会话中可输入 /skills、/connect @modelcontextprotocol/server-everything，或 /connect https://huggingface.co/mcp。创建项目后可执行 fast-agent scaffold，再用 uv run agent.py 运行示例；若要暴露为 MCP 服务，执行：
uv run agent.py --transport http --port 8001最小 Python 调用模式为创建 FastAgent、用 @fast.agent 定义智能体，然后在 async with fast.run() as agent 中执行 await agent("消息")。
这个 Agent 有哪些优点和局限？
- 同时覆盖 MCP 客户端连接、MCP 服务器模式，以及 stdio、SSE、Streamable HTTP 传输。
- 工作流类型具体且可组合：链式、并行、路由、编排、评估器—优化器、MAKER 和子智能体工具调用均有明确接口。
- 原生覆盖 Anthropic、OpenAI、Google，并可通过 TensorZero 接入更多模型提供方，也支持 Ollama 等本地模型路径。
- 交互 CLI 支持技能管理、MCP 连接、Shell Mode、补全和终端内菜单，适合开发调试。
- 远程 MCP OAuth 文档包含 PKCE、回调端口、内存回退和 keyring 令牌存储。
- 需要 Python 和 uv；提供材料没有说明 Python 版本、提供方密钥配置或完整的生产部署要求。
- 模型、远程 MCP 服务和 OAuth 流程通常依赖网络；不同模型提供方的能力并不完全一致。
- MCP 工具结果会受模型 API 内容类型限制：OpenAI 仅支持文本，Anthropic 支持文本和图片，Google 还支持 PDF 与视频。
- OAuth 的 keyring 不可用时会退回仅当前会话的内存令牌存储，可能不适合需要跨会话持久认证的无头环境。
- README 提到 Windows 的 Filesystem 和 Docker MCP Server 需要额外配置，但未在所给材料中列出具体改动。
这个 Agent 与同类方案有什么区别？
项目说明其构建于 Sarmad Qadri 的 mcp-agent 项目之上。README 还指出“Agents As Tools”工作流受 OpenAI Agents SDK 的同名功能启发；所给材料未提供功能逐项对比或迁移指南。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| FastAgent 当前 | 46 · 缺口较多 | ★ 3.9k | 1 天前 | Python | Codex · OpenAI API · Claude API |
| Dexto | 51 · 缺口较多 | ★ 651 | 1 天前 | TypeScript | Claude Code · OpenAI API · Claude API |
| Microsoft Learn MCP Server | 43 · 缺口较多 | ★ 1.9k | 14 天前 | TypeScript | ChatGPT · Codex · Claude Code · Claude.ai |
| Compartment | 76 · 表现良好 | ★ 582 | 1 天前 | Python | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README 提到 OAuth 使用 PKCE 和内存令牌存储，默认不写盘；有 keyring 存储令牌的选项；MCP 服务器配置需要用户显式定义。但未发现权限最小化、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚、来源归属的详细文档或实现。扣分：缺乏明确的权限最小化策略、用户确认机制、数据流透明说明、敏感数据处理细节、依赖安全审计、外部影响控制、回滚机制、来源归属验证。
证据显示：README 和 pyproject.toml 提供了一致的安装和使用说明；有 CI 工作流（checks.yml）运行单元和集成测试。但未发现依赖可用性保障（如锁定文件、镜像）、失败消息的详细设计。扣分：依赖版本固定但未提供锁定文件；失败消息未在文档中说明。
证据显示：README 描述了多种使用场景（编码代理、开发工具包、评估平台），支持多种模型提供商和 MCP 服务器；提供了丰富的配置选项（如模型、服务器、工作流）。但未明确能力边界和触发精度。扣分：能力边界未明确说明；触发精度（如命令触发）未详细描述。
证据显示：README 结构清晰，包含安装、使用、示例；有 LICENSE 文件（Apache-2.0）；pyproject.toml 定义了版本和入口点。但未发现已知限制、变更日志、维护责任说明。扣分：缺少已知限制、变更日志、维护责任说明。
证据显示：README 提供了大量示例和用法，输出格式（如 --quiet 开关）适合自动化；提供了多种工作流（链、并行、评估器-优化器）增加价值。但未提供成本效益分析。扣分：成本效益未量化。
证据显示：README 中的声明（如 MCP 功能支持）有测试和 CI 支持；但未提供外部来源验证或事实与推断的分离。扣分：缺乏外部来源验证；事实与推断未明确分离。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 未验证的发布者身份：发布者未在 FollowAgents 企业注册表中验证，身份未知。
- 依赖安全：依赖版本固定但未提供锁定文件，且未进行安全审计。
- 权限最小化：未明确说明权限最小化策略，可能默认授予过多权限。
- 回滚机制：未提供回滚机制，更新失败时可能无法恢复。
- 已知限制：未列出已知限制，用户可能遇到未预期的问题。