evalstate/fast-agent

解决的问题

fast-agent 是一个用于构建和交互复杂多模态 AI 代理和工作流的框架。它通过提供一种声明式语法来组合提示并连接到 Model Context Protocol (MCP) 服务器，简化了编码代理、开发工具包和评估平台的创建过程。

工作原理

该框架采用基于 Python 的声明式方法，代理通过装饰器（例如 @fast.agent）定义。开发者可以将代理串联成序列、创建并行执行路径，或使用高级模式如评估器-优化器循环和编排器。它与 MCP 深度集成，支持 STDIO 和可流式传输的 HTTP 传输，包括用于安全服务器连接的 OAuth。它还采用以 CLI 为先的设计，配备交互式 TUI 风格终端，支持实时流式响应。

适用人群

专为开发 AI 代理应用的开发者、需要灵活编码代理工具包的用户，以及需要结构化编排和工具使用的复杂 LLM 工作流的团队设计。

主要亮点

• 全面的 MCP 支持：对 MCP 功能（包括采样、引出和可流式传输 HTTP 传输诊断）进行端到端测试支持。
• 多样化的流程模式：内置对链式调用、并行分支/汇聚、评估器-优化器循环、路由器和编排器的支持。
• MAKER (K-voting)：通过重复采样响应实现投票机制，减少简单步骤长链中的错误。
• 代理作为工具：允许将复杂任务拆分为子任务，主代理可调用其他代理作为工具进行路由和并行化。
• 广泛的模型兼容性：通过 TensorZero 原生支持 Anthropic、OpenAI、Google、Azure、Ollama 和 Deepseek。
• 人机协同：代理可配置为在任务执行过程中请求人类输入以获取额外上下文。