FollowAgents AI AGENTS 目录
首页 / 全部 Agents / FastAgent
开发与工程 pythonmcp-clientmcp-serveracpa2aagent-skillsinteractive-cli

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。

在 GitHub 查看 ↗ 快速上手 ↓
源仓库
evalstate/fast-agent
Star 数
★ 4k
最近更新
今天
License
Apache-2.0
主语言
Python
FA 评分
60/100 · 存在缺口

30 秒速览

运行形态
命令行工具代码库 / SDK开发框架
可在哪里用
通用 · 跨平台Codex · OpenAI API · Claude API
费用
软件免费，模型调用费用自付
上手难度
低 · 几分钟可跑通
开始前需要
uvPythonShell / 命令行网络访问本地文件系统MCP Server
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。
不适合
  • 希望开箱即用、不想安装 uv 或配置模型密钥的用户
  • 需要图形界面而非终端交互的用户
源码审查
60/100 · 存在缺口

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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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 --smart

README 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？

优点
  • 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。
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。
  • 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 形态 / 费用 Star 最近更新 主语言 完整支持的平台
FastAgent 当前 60 · 存在缺口 命令行工具免费 + 模型费 ★ 4k 今天 Python Codex · OpenAI API · Claude API
Pachca API 智能体工具链 69 · 存在缺口 — ★ 11 1 天前 TypeScript ChatGPT · Codex · Claude Code · Claude.ai
Microsoft Learn MCP Server 68 · 存在缺口 MCP 服务器免费 ★ 2k 9 天前 TypeScript ChatGPT · Codex · Claude Code · Claude.ai
MobileBuildMCP 54 · 缺口较多 命令行工具免费 ★ 6.6k 17 天前 TypeScript Codex · Claude Code

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1
存在缺口
60/ 100 五分制 3.0 / 5
信任安全 12/29
可靠稳定 8/14
适用触发 14/18
规范维护 12/18
有效结果 10/13
证据核验 4/8
查看各维度的扣分理由
信任安全12 / 29 · 2.1/5

README 说明 MCP、shell、HTTP/ACP/A2A 暴露、OAuth 和 keyring 持久化；OAuth 可按服务器关闭或设为 memory，显示了部分数据处理路径。CLI 和应用也支持 shell、连接服务器及执行工具，但所给材料未展示这些能力的权限边界、逐操作确认或完整副作用控制，因此最小权限、确认和外部影响控制仅部分成立。未提供依赖漏洞审计；补丁 CLI 有错误处理，但没有回滚机制证据。来源归属只有 README 中的个别引用和补丁许可说明，发布者身份未知。

可靠稳定8 / 14 · 2.9/5

README 的 CLI 示例、快速入门文档和 CLI 子命令大体相符，CLI 对缺少模型的交互及自动化配置作了区分；但 README 中“端到端测试”等产品说法不能由静态材料独立验证。pyproject 锁定了大量核心依赖版本，提供了一定可复现性线索，却未说明依赖可用性或兼容支持策略。CLI 对重复 shell、uvloop 回退、补丁参数及读取错误给出具体消息。

适用触发14 / 18 · 3.9/5

README 覆盖编码、开发、评估、工作流、交互、自动化及多种协议和模型场景，并提供 Agent、工作流和工具示例，受众及用途说明充分。框架支持明确指定 Agent 可用服务器、子 Agent 和并行上限，但 shell 和服务器连接的实际权限边界在所给代码中不充分。SKILL.md 示例描述了具体触发场景；不过它们是示例卡包中的一小部分，无法据此推断整个产品的技能覆盖。Python 版本范围、uv 安装、Windows 配置提示和 headless OAuth 回退显示了部分环境适配。

规范维护12 / 18 · 3.3/5

README、getting started 文档、源码目录说明和 CLI 命令共同形成清晰的信息结构；安装、配置、命令和多类示例可用，但文档称最新信息在外部站点，且本审查仅有部分文件。包名、CLI 名称和版本可查，文档有版本化 OAuth 标题；提供材料中没有变更日志。Apache-2.0 LICENSE 完整。根 AGENTS.md 内容是贡献和架构指导，不应当作面向用户的 Agent 产品指令。维护责任可从 pyproject 作者字段和仓库工作流略见，但不足以确认维护者职责或更新承诺。

有效结果10 / 13 · 3.8/5

框架提供 Agent 编排、MCP 工具、模型适配、技能、shell、协议适配和评估工作流；示例展示了可直接调用的输出和 CLI 自动化选项，支持较高的实用价值。复杂的模型、服务器和插件组合也带来配置与依赖成本；所给材料没有用量、成本控制或价值对比说明，因此成本效益只能部分判断。

证据核验4 / 8 · 2.5/5

pyproject、README、快速入门文档、CLI 源码及 CI 配置对安装、命令、版本和部分机制形成交叉印证。部分功能和测试范围被 README 宣称，所给片段不足以佐证所有实现或测试结果；CI 工作流能说明计划运行哪些检查，不能证明此修订已通过。文档较少明确区分已核实行为、产品主张和推断，因此事实与推断分离得分有限。

风险与缓解建议
  • 该框架可连接外部 MCP 服务并启用 shell、工具及服务器暴露能力；部署前应结合完整配置和权限设置审查可触达资源及副作用。
  • README 中的测试、兼容性和功能覆盖表述未能由本次提供的静态材料全部独立核实。
证据充分度：低 评估于 2026年11月8日 审查版本 d89956d84c2e
评估证据 README.mdAGENTS.mdfast-agent-system/SKILL.mdpr-writing-review/SKILL.mdsession-investigator/SKILL.mddocs/getting_started.mdcli/__main__.pycli/main.pypatch/cli.pyLICENSEpyproject.tomlworkflows/checks.ymlworkflows/create-tag.ymltests/__init__.pytests/conftest.pybedrock/bedrock_test_server.py
查看完整评分方法 →
你是这个项目的维护者？把 FARS 徽章加到 README

徽章显示当前的评审分数和结论，点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/fast-agent.svg?lang=zh)](https://followagents.com/zh/agents/fast-agent)
<a href="https://followagents.com/zh/agents/fast-agent"><img src="https://followagents.com/badge/fast-agent.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

  1. v0.10.53
    发布说明摘录
    Major Changes - Kimi K3.1 Support - Herdr App support (with new {{herdrApp}} system prompt template - Programmatic Tool Calling enabled for GLM-5.3-Flash, Kimi 3.1 and OpenAI GPT-6 Models (uses pydantic monty -- enable/disable for any model through the model string or --ptc or --no-ptc CLI options). What's Changed * docs: fix iterative_planner decorator docstring arguments by @mmporong in https://github.com/evalstate/fast-agent/pull/1048 * fix: report maxTokens and stopSequence in MCP sampling results by @jaeminbird in https://github.com/evalstate/fast-agent/pull/1052 …
    在 GitHub 查看 ↗
  2. v0.10.49
    发布说明摘录
    Changes fast-agent 0.10.49 ⚠️ Behaviour changes • Z.ai defaults to GLM‑5.3. A bare zai model and the zaiglm alias now select zai.glm-5.3 (previously glm-5.2). Use zaiglm52 or zai.glm-5.2 to stay on GLM‑5.2. A zai.default_model setting still takes precedence. • The glm alias moves to GLM‑5.3 on Hugging Face (hf.zai-org/GLM-5.3:zai-org). glm52 keeps its GLM‑5.2 route. • GLM‑5.3 reasoning is always on. It supports low, high and max only, and defaults to max. On GLM‑5.2, reasoning=off or none turned reasoning off. On GLM‑5.3 those settings log a warning and max is used. …
    在 GitHub 查看 ↗
  3. v0.10.47
    发布说明摘录
    What's Changed * ATIF: export v1.8 with audio content parts by @evalstate in https://github.com/evalstate/fast-agent/pull/1010 * fix: finalize A2A shutdown when transport close fails by @liangzhechen655 in https://github.com/evalstate/fast-agent/pull/1003 * fix: preserve named properties and literals in tool schemas by @liangzhechen655 in https://github.com/evalstate/fast-agent/pull/1004 * fix: drain tasks before closing run_sync worker loops by @liangzhechen655 in https://github.com/evalstate/fast-agent/pull/1002 …
    在 GitHub 查看 ↗

常见问题

是否只能使用某一家模型提供方？
不是。材料明确列出 Anthropic、OpenAI、Google、Azure、Ollama、Deepseek，以及经 TensorZero 接入的其他提供方；也可使用 generic provider 或 llama.cpp 配置。
能否连接需要认证的远程 MCP 服务？
可以。HTTP 和 SSE MCP 服务默认启用 OAuth，支持 PKCE、本地回调、粘贴 URL 回退，以及 keyring 或内存令牌存储。
能否把 FastAgent 程序提供给其他工具调用？
可以。README 给出 uv run agent.py --transport http --port 8001，将程序以 MCP 服务器模式运行；也说明任何 FastAgent 设置或程序都可用于 ACP 客户端。
Shell Mode 有什么权限边界？
交互会话支持以 ! 输入 Shell，或直接运行以 ! 开头的命令。所给材料没有说明沙箱、权限控制或命令审批机制，采用前应自行评估运行环境。
这页内容对你有帮助吗？
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审，横向比较这个 Agent 所属的短名单。

开源编程 Agent 横向对比

按 FARS 评审排序的开源编程 agent——分数、信任、许可证、语言与维护状态并排比较，并说明各自擅长与不擅长什么。

MCP Agent 横向对比

提供或调用 Model Context Protocol 服务的 agent，按 FARS 评审排序，并列出许可证、维护状态与信任分。