fast-agent (MCP server) — Сценарии использования, Установка & Живое демо

Зачем использовать

Ключевые функции

Декораторы @fast.agent() / @fast.chain() / @fast.parallel() для различных форм агентов
Первоклассная поддержка MCP, Skills и ACP
Мультимодельность (Anthropic, OpenAI, Bedrock, локальные модели)
Встроенный runner для eval + визуализатор трассировок
Может сам работать как MCP-сервер, раскрывая ваших агентов как инструменты

Живое демо

Как выглядит на практике

fast-agent-mcp.replay ▶ готово

0/0

Установка

Выберите клиент

~/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"
      ]
    }
  }
}

Откройте Claude Desktop → Settings → Developer → Edit Config. Перезапустите после сохранения.

~/.cursor/mcp.json · .cursor/mcp.json

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

Cursor использует ту же схему mcpServers, что и Claude Desktop. Конфиг проекта приоритетнее глобального.

VS Code → Cline → MCP Servers → Edit

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

Щёлкните значок MCP Servers на боковой панели Cline, затем "Edit Configuration".

~/.codeium/windsurf/mcp_config.json

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

Тот же формат, что и Claude Desktop. Перезапустите Windsurf для применения.

~/.continue/config.json

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

Continue использует массив объектов серверов, а не map.

~/.config/zed/settings.json

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

Добавьте в context_servers. Zed перезагружается автоматически.

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

Однострочная команда. Проверить: claude mcp list. Удалить: claude mcp remove.

Сценарии использования

Реальные сценарии: fast-agent

Создание агента для глубокого исследования в 30 строках Python

👤 Разработчики, желающие создать воспроизводимого агента-исследователя ⏱ ~60 min intermediate

Когда использовать: Вы прототипировали «исследуй X» в чате и хотите превратить это в вызываемого агента.

Предварительные требования

Python 3.11+ и uv — Установите uv при отсутствии; fast-agent его использует
Установленный fast-agent — uvx fast-agent-mcp init; перейдите в созданный проект

Поток

Создать скаффолд

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

→ agent.py с декоратором @fast.agent
Подключить MCP-серверы

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

→ Конфигурация валидирована; серверы подключились
Запустить и итерировать

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

→ Трассировка показывает цепочку search → fetch → summarize; вывод — кратко с источниками
Добавить eval

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

→ Вывод eval зелёный/красный; ночной cron настроен

Итог: Воспроизводимый исследовательский конвейер, который можно передать коллегам.

Подводные камни

Магия декораторов скрывает, что делает агент — Всегда читайте трассировку; понимайте каждый вызов инструмента, прежде чем заявить, что агент работает

Сочетать с: tavily-mcp · filesystem

Раскрытие вашего fast-agent как MCP-сервера

👤 Разработчики, делящиеся агентами с командами ⏱ ~25 min intermediate

Когда использовать: Вы создали внутреннего агента в fast-agent и хотите, чтобы другие вызывали его из Claude.

Поток

Пометить агента как раскрытого

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

→ Агент теперь также доступен как MCP-инструмент
Запустить как MCP-сервер

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

→ Stdio MCP-сервер запущен; ваш агент перечислен как инструмент
Добавить в клиенты

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

→ Инструмент виден в Claude; вызов запускает вашего агента

Итог: Ваш кастомный агент переиспользуется командой как любой другой MCP.

Подводные камни

Агент зависит от локальных файлов, которых нет у других — Перенесите конфигурацию и ресурсы в пакет агента; задокументируйте необходимые переменные окружения

Сравнение двух версий prompt с помощью eval runner

👤 Все, настраивающие prompt для продакшна ⏱ ~45 min intermediate

Когда использовать: Спорите между двумя формулировками prompt и хотите выбрать по данным.

Поток

Написать eval

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

→ evals/<name>.yaml
Запустить дважды

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

→ Таблица сравнения с дельтами
Выбрать и зафиксировать

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

→ Зафиксированный baseline; будущие PR запускаются против него

Итог: Выбор prompt, основанный на данных + защитная сетка регрессий.

Подводные камни

12 входов — все счастливый путь — Добавьте adversarial случаи — пустой ввод, некорректный ввод, противоречивые факты

Комбинации

Сочетайте с другими MCP — эффект x10

fast-agent-mcp + tavily-mcp + filesystem

Создание исследовательского агента с подключёнными MCP-серверами для веба и файловой системы

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

fast-agent-mcp + mcpjam-inspector

Проверка вашего fast-agent сервера через MCPJam UI перед релизом

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

Инструменты

Что предоставляет этот MCP

Инструмент	Входные данные	Когда вызывать	Стоимость
agent.run	messages, agent_name?	Запустить агента от начала до конца	Модель + вызовы инструментов
agent.list	—	Узнать, что раскрыто	0
eval.run	eval_name, prompt_version?	Pre-commit / ночная регрессия	Model API за каждый prompt
trace.get	run_id	Отладка конкретного запуска	0

Стоимость и лимиты

Во что обходится

Квота API: Квота провайдера выбранной модели
Токенов на вызов: Сильно зависит от дизайна агента
Деньги: Фреймворк бесплатный; платите провайдерам моделей
Совет: Используйте --model haiku-4.5 при разработке; переключайтесь на sonnet для продакшн-запусков и eval

Безопасность

Права, секреты, радиус поражения

Минимальные скоупы: Всё, что требуют подключённые MCP-серверы

Хранение учётных данных: fastagent.secrets.yaml (в .gitignore) или переменные окружения

Исходящий трафик: К подключённым MCP-серверам и выбранным провайдерам моделей

Никогда не давайте: Продакшн-токены с правом записи в dev-окружениях

Декораторы могут захватывать локальный контекст — следите за случайной сериализацией секретов в состоянии агента

Устранение неполадок

Частые ошибки и исправления

Агент зацикливается без завершения

Задайте max_steps; изучите трассировку, чтобы найти цикл. Часто инструмент возвращает неоднозначный вывод и модель повторяет бесконечно

Проверить: trace.get(run_id)

Eval показывает 0%, но ручной запуск работает

Проверьте формат golden_output — строгое равенство vs семантическое совпадение

MCP-сервер в конфигурации не подключается

Сначала запустите команду сервера отдельно; убедитесь, что переменные окружения есть в fastagent.secrets.yaml

Медленный первый запуск

uv загружает зависимости при первом вызове; кешируется в дальнейшем. Прогревайте в CI

Альтернативы

fast-agent в сравнении

Альтернатива	Когда использовать	Компромисс
PrefectHQ/fastmcp	Нужен канонический фреймворк для MCP-серверов, а не полный агентный фреймворк	fastmcp — для создания серверов; fast-agent — для создания (и оркестрации) агентов, потребляющих их
LangGraph	Ваша команда уже инвестировала в экосистему LangChain	Более общий; менее MCP-нативный
mcp-agent (lastmile-ai)	Предпочитаете более минималистичный учебный фреймворк	Меньший охват; менее «батарейки включены»

Ещё

Ресурсы

📖 Читать официальный README на GitHub

🐙 Открытые задачи

🔍 Все 400+ MCP-серверов и Skills