FastAgency
把 AG2 多智能体工作流从原型快速部署为控制台、Web 应用或分布式服务。
- Star 数
- ★ 546
- 最近更新
- 11 个月前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 47/100 · 缺口较多
30 秒速览
- 可在哪里用
- 兼容但需适配OpenAI API
- 开始前需要
- 典型场景
- 已用 AG2/AutoGen 在 notebook 中验证多智能体流程,想尽快变成一个可演示的 Web 聊天应用的团队。
- 主要局限
- 运行时锁定:目前唯一支持的运行时是 AG2(原 AutoGen),其他框架仍在计划中。
- 官网
- fastagency.ai/latest ↗ 来自 GitHub 仓库设置
- 维护状态
- 超过半年没有提交最近提交 2025-12-09最新版本 v0.10.2(2025-12-09)
这个 Agent 能做什么,适合哪些场景?
FastAgency 是面向 AG2(原 AutoGen)多智能体工作流的部署框架,目标是把 Jupyter 原型平滑推进到生产环境。它提供统一的编程接口,同一份工作流定义既可通过 ConsoleUI 在终端交互,也可通过 MesopUI 提供 Web 聊天界面。网络层提供可链式组合的适配器:FastAPIAdapter 用 FastAPI/ASGI 以多 worker 方式对外服务,NatsAdapter 借助 NATS.io 消息代理与 FastStream 构建跨机器的分布式部署。框架还包含 Tester 类用于在 CI 中测试工作流行为,以及命令行接口用于编排与监控。所有工作流仍需运行在 AG2 运行时之上,外部 API 可通过导入 OpenAPI 规范接入。
开发者用 @wf.register 装饰器把函数注册为 Workflow 中的具名工作流,函数接收 UI 对象与参数字典,通过 ui.text_input 获取输入、用 AG2 的 ConversableAgent 与 LLMConfig 定义并运行多智能体对话,最后用 ui.process 输出结果。同一工作流可挂到 ConsoleUI(终端)或 MesopUI(Web,Mesop 驱动)上运行。部署时可选择 FastAPIAdapter 在 ASGI 服务器上以多 worker 提供服务,或叠加 NatsAdapter 通过 NATS.io 消息代理横向扩展。集成外部服务时导入 OpenAPI 规范即可把接口暴露给智能体。Tester 类生成并执行针对智能体交互的测试,CLI 则用于在终端启动、传参和监控工作流。
- 已用 AG2/AutoGen 在 notebook 中验证多智能体流程,想尽快变成一个可演示的 Web 聊天应用的团队。
- 需要同一套工作流既能在命令行调试、又能以 Web 界面对外交付的开发者。
- 要把智能体服务以 FastAPI/ASGI 多 worker 方式部署,并接入现有运维体系的工程团队。
- 需要跨多台机器、多个数据中心扩展智能体负载,愿意引入 NATS.io 消息代理的组织。
- 希望在 CI 中自动回归测试多智能体对话行为、防止提示词或代码改动引入退化的团队。
- 需要在智能体工作流中快速接入天气、支付等第三方 REST API 的开发者。
如何安装或部署这个 Agent?
推荐用 Cookiecutter 模板生成项目结构、默认工作流、依赖与 devcontainer。
如何使用这个 Agent?
生成项目后,先导出 OpenAI API 密钥,在 VS Code 中以 devcontainer 打开项目,用 pytest 验证环境,再用 gunicorn(Linux/macOS)或 waitress(Windows)启动 Mesop Web 界面。工作流本身在 workflow.py 中通过 @wf.register 注册。
这个 Agent 有哪些优点和局限?
- 统一编程接口:同一份工作流定义可在 ConsoleUI 与 MesopUI 之间复用,无需重写。
- 部署路径清晰:FastAPIAdapter 负责多 worker 的 ASGI 服务,NatsAdapter 借助 NATS.io 实现跨机器分布式扩展。
- 内置 Tester 类,可把多智能体交互测试接入 CI,便于回归验证。
- 外部 API 集成成本低:导入 OpenAPI 规范即可把接口接入智能体。
- 提供 Cookiecutter 模板与 devcontainer,附带 Docker 构建、Fly.io 与 GitHub Actions 部署脚本。
- 运行时锁定:目前唯一支持的运行时是 AG2(原 AutoGen),其他框架仍在计划中。
- 需要自备 LLM 凭据(如 OPENAI_API_KEY),并按用量向模型提供商付费。
- 生产级部署涉及 FastAPI、NATS.io、Docker、Fly.io 等多个组件,学习与环境成本高于纯库使用。
- UI 选项限于 ConsoleUI 与 MesopUI,Web 端依赖 Mesop 框架。
- 分布式部署需要自建或运维 NATS.io 消息代理。
这个 Agent 与同类方案有什么区别?
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 |
|---|---|---|---|---|---|---|
| FastAgency 当前 | 47 · 缺口较多 | — | ★ 546 | 11 个月前 | Python | OpenAI API |
| DeterminFlow | 73 · 存在缺口 | 桌面应用免费 + 模型费 | ★ 979 | 2 个月前 | Python | — |
| DevAll 多智能体编排平台 | 54 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 35k | 15 天前 | Python | — |
| Open Swarm 智能体集群控制台 | 证据不足 | — | ★ 826 | 2 天前 | JavaScript | Claude API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
信任维度整体偏弱。最小权限:Mesop 默认安全策略允许来自 cdn.jsdelivr.net 的脚本源与 fastagency.ai 的 iframe 父级,属于较宽的默认放行,未见按需收紧的说明,扣分。用户确认:工作流通过 ui.text_input/multiple_choice 与用户交互,但对外部 API 调用、函数执行(suggested_function_call/function_call_execution)没有显式的确认或审批机制,仅 1 分。数据流透明:README 提到 OpenAPI 集成与外部 API,但未说明数据流向第三方 LLM/API 的披露,扣分。敏感数据处理:示例把 OPENAI_API_KEY 通过环境变量与 GitHub Secrets 传递,做法合理,但仓库内未见密钥脱敏、日志脱敏或 PII 处理说明,仅 1 分。依赖安全:pyproject 对多数依赖做了版本约束,并有 CodeQL、dependency-review、bandit、semgrep、detect-secrets 等 CI 配置,证据较充分,给 2 分;但未提供已知漏洞扫描结果,故不给满分。外部副作用:框架会调用外部 LLM 与 API,但未见副作用边界或沙箱说明,扣分。回滚:未见任何回滚、撤销或事务恢复机制,0 分。来源归属:LICENSE 为 Apache-2.0,pyproject 标注作者 ag2ai,但发布者身份未经验证,且 package.json 的 license 字段写成 ISC 与 Apache-2.0 不一致,扣分。
README 的功能描述(ConsoleUI/MesopUI、FastAPI/NATS 适配器、Tester 类、CLI)与 pyproject 的可选依赖和源码结构基本一致,示例代码与 e2e 文件相互印证,给 2 分。依赖可用性:依赖在 pyproject 中明确列出并带版本约束,可选依赖分组清晰,给 2 分;但部分依赖(如 fastapi-code-generator==0.5.2、agentwire==0.1.4)为较旧或小众包,存在可用性风险,故未给满分。失败消息:Mesop 主页对异常仅记录日志并显示通用错误文本,retry 逻辑中 except 分支把 available_workflows_exception 置为 False 疑似逻辑缺陷,错误信息对用户帮助有限,扣分。
README 明确面向使用 AG2 的开发者,覆盖控制台、Web、REST、NATS 分布式等场景,受众与场景描述充分,给 2 分。能力边界:明确说明当前仅支持 AG2 运行时,并列出支持的 UI 与网络适配器,边界清晰,给 2 分。触发精度:工作流通过 @wf.register 的 name/description 注册,但未见对触发条件、歧义消解或选择逻辑的说明,扣分。环境适配:支持 Python 3.10-3.12,区分 Windows/Linux 启动命令(gunicorn/waitress),提供 devcontainer 与 Docker 脚本,环境适配较好,给 2 分。
README 结构清晰,含功能、快速开始、部署、未来计划等章节,并链接到文档站点,给 2 分。安装说明:提供 cookiecutter 脚手架、pip 安装、环境变量设置、pytest 验证等步骤,较为完整,给 2 分。命名稳定性:示例中 multiple_choice_single_workflow 被重复定义(覆盖前一个函数),且注册名与函数名不一致,存在命名混乱,扣分。示例与 FAQ:README 与 e2e 目录提供多个可运行示例,但未见独立 FAQ,给 2 分。已知限制:仅提及当前只支持 AG2 运行时,未系统列出限制与已知问题,扣分。许可证:LICENSE 为完整 Apache-2.0 文本,pyproject 分类器一致,给 2 分;但 package.json 的 license 字段为 ISC,存在不一致,已在来源归属中扣分。版本与变更日志:pyproject 使用动态版本(__about__.py),未见 CHANGELOG 文件,扣分。维护责任:有作者邮箱、Discord、Issue 链接,但发布者身份未验证,且未见明确的维护承诺或 SLA,扣分。
框架提供统一 UI 接口、CLI、Tester 类与部署脚本,输出可直接用于构建应用,给 2 分。边际价值:在 AG2 之上提供 UI 与部署抽象,减少样板代码,价值明确,给 2 分。成本效益:引入较多可选依赖(mesop、fastapi、nats、firebase 等),且部分依赖版本较旧,部署与维护成本不低,扣分。
README 中的功能声明可对应到源码文件(如 MesopUI、Workflow 注册),但性能与生产就绪等营销性表述缺乏可验证依据,扣分。跨源印证:README、pyproject、e2e 示例与测试文件相互印证部分功能,但测试样本有限,仅 1 分。事实与推断分离:文档未明确区分已验证事实与规划(Future Plans 有标注),但部分能力描述较笼统,扣分。
- 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。
- Mesop 默认安全策略允许 cdn.jsdelivr.net 脚本与 fastagency.ai iframe,部署前应审查并收紧。
- 框架会调用外部 LLM 与第三方 API,但未见数据流向披露或用户确认机制,处理敏感数据时需自行加控制。
- package.json 的 license 字段为 ISC,与 Apache-2.0 不一致,需核实。
- 发布者身份未经验证,不应基于品牌推断可靠性。
- 示例代码存在重复函数定义与命名不一致,复制使用时需注意。
- 未见回滚或事务恢复机制,生产部署需自行设计。
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。
-
发布说明摘录
What's Changed * Bump version to 0.9.9 (incl. remove Python 3.9 support) by @marklysze in https://github.com/ag2ai/fastagency/pull/736 * FastAgency + AG2 version bump 0.10.2 by @marklysze in https://github.com/ag2ai/fastagency/pull/750 Full Changelog: https://github.com/ag2ai/fastagency/compare/v0.9.7...v0.10.2在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * Bump version to 0.9.7 by @marklysze in https://github.com/ag2ai/fastagency/pull/732 Full Changelog: https://github.com/ag2ai/fastagency/compare/v0.9.6...v0.9.7在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * Bump version to 0.9.5 by @marklysze in https://github.com/ag2ai/fastagency/pull/729 * Bump version to 0.9.6 by @marklysze in https://github.com/ag2ai/fastagency/pull/730 Full Changelog: https://github.com/ag2ai/fastagency/compare/v0.9.4...v0.9.6在 GitHub 查看 ↗
常见问题
FastAgency 官网是什么?
FastAgency 开源吗?
FastAgency 安全吗?
FastAgency 还在维护吗?
FastAgency 是谁开发的?
谢谢反馈,我们会据此改进页面。