Fast-Agent: マルチインテリジェントなボディ・ワークフローを迅速に構築するための宣言的文法とMCPの統合

はじめに

Fast-Agentは、evalstateチームによってGitHubで保守されているオープンソースツールで、開発者がマルチインテリジェントなボディワークフローを迅速に定義、テスト、構築できるように設計されています。シンプルな宣言的構文に基づき、MCP（Model-Compute-Platform）サーバーとの統合をサポートしているため、ユーザーは面倒な設定の代わりに、プロンプトとインテリジェンスロジックの設計に集中することができます。fast-Agentは、複数のワークフローモード（連鎖、並列、評価最適化など）、組み込みのコマンドラインインストルメンテーション（CLI）、および対話型のチャット機能を備えており、プロトタイピングから本番導入までの開発シナリオに適しています。プロトタイピングから本番導入までの開発シナリオに適している。このプロジェクトはApache 2.0ライセンスの下でライセンスされており、使いやすさと柔軟性を重視してコミュニティによる貢献をサポートしている。

機能一覧

• インテリジェント・ボディの定義シンプルなデコレータによるインテリジェンスの迅速な定義、カスタムディレクティブのサポート、および エムシーピー サーバーコール。
• ワークフロー構築チェーン、パラレル、エバリュエーター・オプティマイザー、ルーター、オーケストレーターといった複数のワークフローモードをサポートしている。
• モデルの選択異なるモデル（例：o3-mini、sonnet）を簡単に切り替え、モデルとMCPサーバー間の相互作用をテストできます。
• インタラクティブ・チャット個々のインテリジェンスやワークフローコンポーネントとのリアルタイム対話をサポートし、デバッグや最適化を容易にします。
• テストサポートインテリジェンスとワークフローのパフォーマンスを検証する組み込みのテスト機能は、継続的インテグレーション（CI）プロセスへの統合に適しています。
• CLI操作: インストール、ランタイム、デバッグのプロセスを簡素化するコマンドラインツールを提供します。
• ヒューマンインプットインテリジェンティアは、タスクを完了するための追加的なコンテキストを提供するために、人間の入力を要求することができる。
• ラピッドプロトタイピング簡単なファイル設定から実行まで、インテリジェント・ボディ・アプリケーションの起動には数分しかかかりません。

ヘルプの使用

Fast-Agentの中心的な目標は、マルチインテリジェンス開発の障壁を低くすることです。 以下に、ユーザが素早く立ち上がり、その機能を使いこなすための詳細なインストールおよび使用ガイドを示します。

設置プロセス

Fast-Agent は Python 環境に依存します。 uv パッケージ・マネージャー。以下はインストール手順である：

1. Pythonとuvのインストール
   Python 3.9以降がシステムにインストールされていることを確認し、次に uv::

pip install uv

インストールを確認する：

uv --version

2. Fast-Agent のインストール
   とおす uv PyPIからインストール：

uv pip install fast-agent-mcp

全機能のサポート（ファイルシステムやDocker MCPサーバーなど）については、以下を実行してください：

uv pip install fast-agent-mcp[full]

3. 初期設定
   インストールが完了すると、設定ファイルとインテリジェンスのサンプルが生成されます：

fast-agent setup

これにより agent.py 歌で応える fastagent.config.yaml その他

4. インストールの確認
   バージョンを確認する：

fast-agent --version

バージョン番号が返された場合、インストールは成功したことになる。

使用方法

Fast-Agent は、以下に説明するように、コマンドラインまたはコードからのインテリジェンスとワークフローの実行をサポートしています。

基本知能の作成と実行

1. インテリジェンスの定義
   コンパイラ agent.py単純な知性を加える：

import asyncio
from mcp_agent.core.fastagent import FastAgent
fast = FastAgent("Simple Agent")
@fast.agent(instruction="Given an object, respond with its estimated size.")
async def main():
async with fast.run() as agent:
await agent()
if __name__ == "__main__":
asyncio.run(main())

2. ランニング・インテリジェンス
   コマンドラインから実行する：

   uv run agent.py
   

   そこでオブジェクト名（例えば "月"）を入力すると、スマートが大きさの推定値を返す。

3. モデルの指定
   利用する --model パラメータ選択モデル：

   uv run agent.py --model=o3-mini.low
   

ワークフローの作成

1. ワークフローテンプレートの作成
   利用する bootstrap コマンドで例を生成する：

   fast-agent bootstrap workflow
   

   これにより、効果的なインテリジェンスの構築方法を示す、連鎖したワークフローのカタログが作成される。

2. ワークフローの実行
   生成されたワークフローディレクトリに移動し、実行する：

   uv run chaining.py
   

   システムは指定されたURLからコンテンツを取得し、ソーシャルメディアへの投稿を生成する。

注目の機能操作

• チェーンワークフロー（チェーン）
  コンパイラ chaining.py連鎖したワークフローを定義する：

  @fast.agent("url_fetcher", "Given a URL, provide a summary", servers=["fetch"])
  @fast.agent("social_media", "Write a 280 character post for the text.")
  async def main():
  async with fast.run() as agent:
  result = await agent.social_media(await agent.url_fetcher("http://example.com"))
  print(result)
  

  コンフィグ fastagent.config.yaml MCPサーバーを

  uv run chaining.py
  

• 並列ワークフロー（パラレル）
  多言語翻訳ワークフローを定義します：

  @fast.agent("translate_fr", "Translate to French")
  @fast.agent("translate_de", "Translate to German")
  @fast.parallel(name="translate", fan_out=["translate_fr", "translate_de"])
  async def main():
  async with fast.run() as agent:
  await agent.translate.send("Hello, world!")
  

  実行されると、テキストはフランス語とドイツ語に翻訳される。

• ヒューマンインプット
  人間の入力を必要とする知能を定義する：

  @fast.agent(instruction="Assist with tasks, request human input if needed.", human_input=True)
  async def main():
  async with fast.run() as agent:
  await agent.send("print the next number in the sequence")
  

  実行中、スマートが情報を必要とする場合、ユーザーはさらに情報を入力するよう促される。

• エバリュエーター・オプティマイザー（Evaluator-Optimizer）
  研究ワークフローを作成する：

  fast-agent bootstrap researcher
  

  プロフィールを編集して実行すると、インテリジェンスがコンテンツを生成し、あなたが満足するまで最適化します。

MCPサーバーの設定

コンパイラ fastagent.config.yamlサーバーを追加する：

servers:
fetch:
type: "fetch"
endpoint: "https://api.example.com"

実行時に、スマート・ボディはこのサーバーにデータを要求する。

運用フロー例

URLからソーシャルメディアへの投稿を生成する必要があるとする：

1. うごきだす fast-agent bootstrap workflow テンプレートを生成する。
2. コンパイラ chaining.pyURLとMCPサーバーを設定したい場合は、「Setup」ボタンをクリックして設定できます。
3. はこびだす uv run chaining.py生成された280文字の投稿を見るには。
4. 利用する --quiet パラメータは結果のみを返す：

   uv run chaining.py --quiet
   

ほら

• WindowsユーザーファイルシステムとDocker MCPサーバーの設定を調整する必要があります。
• テスト中にコンポーネントを調整する実行に失敗した場合は --verbose 詳細なログを見る

  uv run agent.py --verbose
  

これらの手順により、ユーザーはFast-Agentを素早くインストールして使用し、研究、開発、生産シナリオ用のマルチインテリジェンス・ワークフローを構築し、テストすることができます。