evalstate/fast-agent

何を解決するか

fast-agent は高度なマルチモーダルAIエージェントおよびワークフローの構築と操作を行うためのフレームワークです。プロンプトの構成を宣言的に記述し、Model Context Protocol (MCP) サーバーに接続するための簡潔な構文を提供することで、コーディングエージェント、開発ツールキット、評価プラットフォームの作成を容易にします。

動作方法

このフレームワークはPythonベースの宣言的アプローチを採用しており、エージェントはデコレータ（例：@fast.agent）を使って定義されます。開発者はエージェントをシーケンスに連結したり、並列実行パスを作成したり、Evaluator-OptimizerループやOrchestratorsといった高度なパターンを使用できます。MCPと深く統合されており、STDIOおよびStreamable HTTPトランスポート（OAuthを含む、セキュアなサーバー接続に対応）をサポートしています。CLI優先の設計で、ライブストリーミング応答を可能にするインタラクティブなTUIスタイル端末も備えています。

対象ユーザー

AIエージェントアプリケーションの開発者、コーディングエージェント用の柔軟なツールキットが必要な開発者、構造化されたオーケストレーションとツール利用を必要とする複雑なLLMワークフローを実装するチームに最適です。

主な特徴

• 包括的なMCPサポート: Sampling、Elicitations、Streamable HTTPトランスポート診断を含むMCP機能のエンドツーエンドテスト済みサポート。
• 多様なワークフローパターン: Chaining、Parallel fan-out/fan-in、Evaluator-Optimizerループ、Routers、Orchestratorsの組み込みサポート。
• MAKER (K-voting): 簡単なステップの長いチェーンにおける誤りを減らすために、複数回の応答をサンプリングする投票メカニズムを実装。
• エージェントをツールとして利用: 主なエージェントが他のエージェントをツールとして呼び出してルーティングや並列化を実現できるようにする複雑なタスクのサブタスク化。
• 広範なモデル互換性: TensorZeroを介してAnthropic、OpenAI、Google、Azure、Ollama、Deepseekなどに対応するネイティブサポート。
• 人間の参加型: タスク完了中に追加のコンテキストを得るために、エージェントが人間の入力を要求するように設定可能。