fast-agent (MCP server) — Cas d'usage, Installer & Démo en direct

Pourquoi l'utiliser

Fonctionnalités clés

Décorateurs @fast.agent() / @fast.chain() / @fast.parallel() pour les formes d'agent
Support natif de MCP, Skills et ACP
Multi-modèle (Anthropic, OpenAI, Bedrock, local)
Lanceur d'évaluations intégré + visualiseur de traces
Peut lui-même fonctionner comme serveur MCP, exposant vos agents comme outils

Démo en direct

Aperçu en pratique

fast-agent-mcp.replay ▶ prêt

0/0

Installer

Choisissez votre client

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Ouvrez Claude Desktop → Settings → Developer → Edit Config. Redémarrez après avoir enregistré.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Cursor utilise le même schéma mcpServers que Claude Desktop. La config projet l'emporte sur la globale.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Cliquez sur l'icône MCP Servers dans la barre latérale Cline, puis "Edit Configuration".

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Même format que Claude Desktop. Redémarrez Windsurf pour appliquer.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "fast-agent-mcp",
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  ]
}

Continue utilise un tableau d'objets serveur plutôt qu'une map.

~/.config/zed/settings.json

{
  "context_servers": {
    "fast-agent-mcp": {
      "command": {
        "path": "uvx",
        "args": [
          "fast-agent-mcp"
        ]
      }
    }
  }
}

Ajoutez dans context_servers. Zed recharge à chaud à la sauvegarde.

claude mcp add fast-agent-mcp -- uvx fast-agent-mcp

Une seule ligne. Vérifiez avec claude mcp list. Supprimez avec claude mcp remove.

Cas d'usage

Usages concrets : fast-agent

Construire un agent de recherche approfondie en 30 lignes de Python

👤 Développeurs qui veulent un agent de recherche reproductible ⏱ ~60 min intermediate

Quand l'utiliser : Vous avez prototypé «recherche X» dans le chat et voulez en faire un agent appelable.

Prérequis

Python 3.11+ et uv — Installer uv si absent ; fast-agent l'utilise
fast-agent installé — uvx fast-agent-mcp init ; se placer dans le projet

Déroulement

Initialiser

Use fast-agent. Generate a research agent skeleton with tavily search + fetch + summarize tools.✓ Copié

→ agent.py avec décorateur @fast.agent
Connecter les MCP

Attach the tavily-mcp and filesystem MCP servers in fastagent.config.yaml.✓ Copié

→ Config validée ; serveurs connectés
Exécuter + itérer

Run with: research 'state of small embedding models 2026'. Inspect the trace.✓ Copié

→ La trace montre la chaîne recherche → récupération → résumé ; la sortie est un bref sourcé
Ajouter une évaluation

Author a 5-prompt eval; run nightly. Fail if any source citation is missing.✓ Copié

→ Sortie d'évaluation verte/rouge ; cron nocturne configuré

Résultat : Un pipeline de recherche reproductible que vous pouvez transmettre aux coéquipiers.

Pièges

La magie des décorateurs obscurcit ce que l'agent fait — Toujours lire la trace ; comprendre chaque appel d'outil avant de déclarer que l'agent fonctionne

Combiner avec : tavily-mcp · filesystem

Exposer votre fast-agent comme serveur MCP

👤 Développeurs partageant des agents entre équipes ⏱ ~25 min intermediate

Quand l'utiliser : Vous avez construit un agent interne dans fast-agent et voulez que d'autres l'appellent depuis Claude.

Déroulement

Marquer l'agent comme exposé

Add @fast.agent(expose=True) to the decorator; specify name and description for tool discovery.✓ Copié

→ L'agent apparaît maintenant aussi comme outil MCP
Exécuter comme serveur MCP

Run: fast-agent serve --transport stdio.✓ Copié

→ Serveur MCP stdio en cours d'exécution avec votre agent listé comme outil
Ajouter aux clients

Add the fast-agent stdio config to my Claude Desktop config.✓ Copié

→ Outil visible dans Claude ; l'appeler invoque votre agent

Résultat : Votre agent personnalisé réutilisable dans toute l'équipe comme tout autre MCP.

Pièges

L'agent dépend de fichiers locaux que seul l'auteur possède — Déplacer la config + les assets dans le package de l'agent ; documenter toutes les variables d'env requises

Comparer deux versions de prompt avec le lanceur d'évaluations

👤 Toute personne optimisant un prompt pour la production ⏱ ~45 min intermediate

Quand l'utiliser : Vous hésitez entre deux formulations de prompt et voulez choisir par les données.

Déroulement

Écrire l'évaluation

Define an eval with 12 representative inputs and golden outputs.✓ Copié

→ evals/<name>.yaml
Exécuter deux fois

Run eval against prompt v1, then v2. Compare pass rates + token usage.✓ Copié

→ Tableau de comparaison avec deltas
Choisir + verrouiller

Save the winning prompt to prompts/winning.md; tag the eval as the regression baseline.✓ Copié

→ Baseline verrouillé ; les PRs futures s'exécutent contre lui

Résultat : Choix de prompt basé sur les données + filet de régression.

Pièges

12 entrées sont toutes sur le chemin heureux — Ajouter des cas adversariaux — entrée vide, entrée malformée, faits contradictoires

Combinaisons

Associez-le à d'autres MCPs pour un effet X10

fast-agent-mcp + tavily-mcp + filesystem

Créer un agent de recherche avec MCP web + filesystem attachés

Build a research agent that uses tavily for search, filesystem for note persistence.✓ Copié

fast-agent-mcp + mcpjam-inspector

Inspecter votre serveur fast-agent avec l'interface MCPJam avant de livrer

Run fast-agent as MCP server; connect via mcpjam-inspector to verify tool schemas.✓ Copié

Outils

Ce que ce MCP expose

Outil	Entrées	Quand appeler	Coût
agent.run	messages, agent_name?	Piloter un agent de bout en bout	Modèle + appels d'outils
agent.list	—	Découvrir ce qui est exposé	0
eval.run	eval_name, prompt_version?	Régression pré-commit / nocturne	API modèle par prompt
trace.get	run_id	Déboguer une exécution spécifique	0

Coût et limites

Coût d'exécution

Quota d'API: Selon le quota de votre fournisseur de modèle choisi
Tokens par appel: Très variable — dépend de la conception de l'agent
Monétaire: Framework gratuit ; payer les fournisseurs de modèle
Astuce: Utiliser --model haiku-4.5 en développement ; passer à sonnet pour les exécutions de production et les évaluations

Sécurité

Permissions, secrets, portée

Portées minimales : Ce que nécessitent les MCP attachés

Stockage des identifiants : fastagent.secrets.yaml (dans .gitignore) ou variables d'env

Sortie de données : Vers les serveurs MCP attachés et les fournisseurs de modèle choisis

Ne jamais accorder : Tokens d'écriture en production vers des environnements de développement

Les décorateurs peuvent capturer le contexte local — attention à ne pas sérialiser accidentellement des secrets dans l'état de l'agent

Dépannage

Erreurs courantes et correctifs

L'agent boucle sans converger

Définir max_steps ; inspecter la trace pour trouver la boucle. Souvent un outil retourne une sortie ambiguë et le modèle réessaie indéfiniment

Vérifier : trace.get(run_id)

L'évaluation rapporte 0% mais l'exécution manuelle fonctionne

Vérifier le format de golden_output — égalité stricte vs correspondance sémantique

Le serveur MCP en config échoue à s'attacher

Exécuter d'abord la commande du serveur seul ; vérifier que les variables d'env sont présentes dans fastagent.secrets.yaml

Première exécution lente

uv télécharge les dépendances au premier appel ; mises en cache ensuite. Préchauffer en CI

Alternatives

fast-agent vs autres

Alternative	Quand l'utiliser	Compromis
PrefectHQ/fastmcp	Vous voulez le framework de serveur MCP canonique, pas un framework agent complet	fastmcp est pour construire des serveurs ; fast-agent est pour construire (et orchestrer) des agents qui les consomment
LangGraph	Votre équipe est déjà investie dans l'écosystème LangChain	Plus général ; moins natif MCP
mcp-agent (lastmile-ai)	Vous préférez un framework plus minimal, de niveau tutoriel	Périmètre réduit ; moins de batteries incluses

Plus

Ressources

📖 Lire le README officiel sur GitHub

🐙 Voir les issues ouvertes

🔍 Parcourir les 400+ serveurs MCP et Skills