fast-agent (MCP server) — ユースケース, インストール & ライブデモ

なぜ使うのか

主な機能

@fast.agent() / @fast.chain() / @fast.parallel() でエージェントの形状を定義するデコレータ
MCP・Skills・ACP のファーストクラスサポート
マルチモデル対応（Anthropic・OpenAI・Bedrock・ローカル）
組み込みの eval ランナーとトレースビジュアライザ
MCP サーバーとして自身を公開し、エージェントをツールとして提供可能

ライブデモ

実際の動作

fast-agent-mcp.replay ▶ 準備完了

0/0

インストール

クライアントを選択

~/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"
      ]
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json

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

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit

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

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json

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

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json

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

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json

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

context_servers に追加。保存時に Zed がホットリロード。

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

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方： fast-agent

30 行の Python で深掘り調査エージェントを構築する

👤 再現可能な調査エージェントを求める開発者 ⏱ ~60 min intermediate

使うタイミング： チャットで「X を調査して」というフローを試作済みで、それを呼び出し可能なエージェントにしたいとき。

前提条件

Python 3.11+ と uv — uv が未インストールの場合はインストールする。fast-agent はこれを使用する
fast-agent のインストール — uvx fast-agent-mcp init; プロジェクトディレクトリに移動する

フロー

スキャフォールドを生成する

Use fast-agent. Generate a research agent skeleton with tavily search + fetch + summarize tools.✓ コピーしました

→ @fast.agent デコレータ付きの agent.py が生成される
MCP を接続する

Attach the tavily-mcp and filesystem MCP servers in fastagent.config.yaml.✓ コピーしました

→ 設定が検証され、サーバーが接続される
実行してイテレーションする

Run with: research 'state of small embedding models 2026'. Inspect the trace.✓ コピーしました

→ トレースで検索→フェッチ→要約のチェーンが確認できる。出典付きのブリーフが出力される
eval を追加する

Author a 5-prompt eval; run nightly. Fail if any source citation is missing.✓ コピーしました

→ eval 出力が緑か赤で表示される。夜間 cron が設定される

結果： チームメンバーに渡せる再現可能な調査パイプラインが完成する。

注意点

デコレータのマジックがエージェントの動作を隠してしまう — 常にトレースを確認する。エージェントが動作すると宣言する前に各ツール呼び出しを理解すること

組み合わせ： tavily-mcp · filesystem

fast-agent を MCP サーバーとして公開する

👤 エージェントをチーム間で共有したい開発者 ⏱ ~25 min intermediate

使うタイミング： fast-agent で内部エージェントを構築済みで、他の人が Claude から呼び出せるようにしたいとき。

フロー

エージェントを公開対象としてマークする

Add @fast.agent(expose=True) to the decorator; specify name and description for tool discovery.✓ コピーしました

→ エージェントが MCP ツールとしても公開される
MCP サーバーとして実行する

Run: fast-agent serve --transport stdio.✓ コピーしました

→ stdio MCP サーバーが起動し、エージェントがツールとして一覧表示される
クライアントに追加する

Add the fast-agent stdio config to my Claude Desktop config.✓ コピーしました

→ Claude でツールが見えるようになり、呼び出すとエージェントが動作する

結果： 他の MCP と同様にチーム全体で再利用できるカスタムエージェントが完成する。

注意点

エージェントが作者しか持っていないローカルファイルに依存している — 設定とアセットをエージェントのパッケージに含める。必要な環境変数を文書化する

eval ランナーで 2 つのプロンプトバージョンを比較する

👤 本番向けのプロンプトを調整している方 ⏱ ~45 min intermediate

使うタイミング： 2 つのプロンプトの表現を比較し、データで選択したいとき。

フロー

eval を書く

Define an eval with 12 representative inputs and golden outputs.✓ コピーしました

→ evals/<name>.yaml が作成される
2 回実行する

Run eval against prompt v1, then v2. Compare pass rates + token usage.✓ コピーしました

→ 差分付きの比較テーブルが表示される
採用して固定する

Save the winning prompt to prompts/winning.md; tag the eval as the regression baseline.✓ コピーしました

→ ベースラインが確定し、将来の PR でそれに対して実行される

結果： データに基づくプロンプト選択と回帰ネットが完成する。

注意点

12 件の入力が全て正常系 — 敵対的なケースを追加する。空の入力・不正な入力・矛盾する事実など

組み合わせ

他のMCPと組み合わせて10倍の力を

fast-agent-mcp + tavily-mcp + filesystem

Web と filesystem の MCP をアタッチした調査エージェントを構築する

Build a research agent that uses tavily for search, filesystem for note persistence.✓ コピーしました

fast-agent-mcp + mcpjam-inspector

リリース前に MCPJam UI で fast-agent サーバーを検証する

Run fast-agent as MCP server; connect via mcpjam-inspector to verify tool schemas.✓ コピーしました

ツール

このMCPが提供する機能

ツール	入力	呼び出すタイミング	コスト
agent.run	messages, agent_name?	エージェントをエンドツーエンドで動作させる	Model + tool calls
agent.list	—	公開されているエージェントを確認する	0
eval.run	eval_name, prompt_version?	コミット前・夜間の回帰チェック	Model API per prompt
trace.get	run_id	特定の実行をデバッグする	0

コストと制限

運用コスト

APIクォータ: 選択したモデルプロバイダーのクォータに依存する
呼び出しあたりのトークン: エージェントの設計によって大きく変わる
金額: フレームワークは無料。モデルプロバイダーへの支払いが必要
ヒント: 開発中は --model haiku-4.5 を使う。本番実行と eval にのみ Sonnet に切り替える

セキュリティ

権限、シークレット、影響範囲

最小スコープ： Whatever attached MCPs need

認証情報の保管： fastagent.secrets.yaml（gitignore 済み）または環境変数

データ送信先： アタッチした MCP サーバーと選択したモデルプロバイダーへの通信

絶対に付与しない： 開発環境に本番への書き込みトークンを渡さない

デコレータはローカルコンテキストをキャプチャする。エージェントの状態に機密情報が誤ってシリアライズされないよう注意すること

トラブルシューティング

よくあるエラーと対処法

エージェントが収束せずにループする

max_steps を設定する。トレースを検証してループを見つける。多くの場合、ツールが曖昧な出力を返しモデルが無限にリトライしている

確認： trace.get(run_id)

eval が 0% と報告するが手動実行は成功する

golden_output のフォーマットを確認する。厳密一致か意味論的一致か

設定の MCP サーバーがアタッチに失敗する

まずサーバーのコマンドを単独で実行して確認する。fastagent.secrets.yaml に環境変数が存在するか確認する

初回実行が遅い

uv は初回呼び出し時に依存関係を取得する。2 回目以降はキャッシュされる。CI で事前ウォームアップを行う

代替案

fast-agent 他との比較

代替案	代わりに使う場面	トレードオフ
PrefectHQ/fastmcp	完全なエージェントフレームワークではなく正規の MCP サーバーフレームワークが欲しいとき	fastmcp はサーバーを構築するもの。fast-agent はそれを消費するエージェントの構築・オーケストレーション向け
LangGraph	チームがすでに LangChain エコシステムに投資しているとき	より汎用的。MCP ネイティブではない
mcp-agent (lastmile-ai)	よりミニマルなチュートリアル向けのフレームワークを好む場合	スコープが小さい。バッテリーが少ない

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る