fast-agent

快速搭建、测试和评估 AI 智能体，支持 MCP/ACP/A2A 协议

fast-agent 是一个用于快速构建、测试和评估 AI 智能体的开源框架，基于 Python 实现。它解决了开发者在搭建智能体时面临的模型集成复杂、工具调用混乱、评估困难等痛点，提供了一体化的开发体验。核心能力包括：支持多种主流大模型（如 OpenAI、Anthropic 等）的即插即用接口；内置丰富的 Skills（技能）系统，可轻松扩展自定义工具；原生支持 MCP（Model Context Protocol）、ACP（Agent Client Protocol）和 A2A（Agent-to-Agent）协议，实现与外部工具和智能体的无缝互联；提供命令行界面（CLI）和终端 UI（TUI），方便开发者快速创建、调试和迭代智能体；内置评估模块，可对智能体的性能进行量化测试。项目代码结构清晰，文档完善，适合从原型验证到生产部署的多种场景。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3920

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队evalstate

所属国家

官网地址https://fast-agent.ai

GitHubhttps://github.com/evalstate/fast-agent

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型a2a,acp,agent,agent-framework,agent-skills,cli,mcp,mcp-client,mcp-server,python,skills,tui

GitHub 星标★ 3920

30天Star增速

HF 下载量

上线时间2025-01-18 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 5 分钟部署方式：命令行工具 7 步

环境要求

uv 包管理器（官方安装说明见 https://astral.sh/uv）
Python 环境（由 uv 自动创建和管理）
可用的模型服务访问凭证（OpenAI、Anthropic、Google 等）
用于拉取仓库的可选工具 git（仅本地文档预览时需要）

安装与启动步骤

1安装 uv

uv 是运行和安装 fast-agent 的前提，按 uv 官网 https://astral.sh/uv 的说明完成安装后再继续。
2启动交互会话

用 uvx 直接运行最新版 fast-agent，-x 开启 shell 支持，首次执行会自动下载依赖。
```
uvx fast-agent-mcp@latest -x
```
3按预设开始编码

通过 --pack 选择预设智能体：hf-dev 面向 Hugging Face 推理服务，codex 面向 OpenAI。
```
uvx fast-agent-mcp@latest --pack hf-dev
uvx fast-agent-mcp@latest --pack codex
```
4常驻安装 CLI

用 uv tool install 把 fast-agent 装为本地命令，之后可直接指定模型启动并加 shell 支持。
```
uv tool install -U fast-agent-mcp
fast-agent --model opus -xx
```
5配置本地模型

使用 generic provider 接本地模型，或让 fast-agent 自动生成 llama.cpp 的配置。
```
fast-agent model llamacpp
```
6接入 ACP 客户端

任意 fast-agent 配置都能被 ACP 客户端使用，最简方式是直接用 fast-agent-acp 启动。
```
toad acp "fast-agent-acp -x --model sonnet"
```
7本地预览文档

克隆仓库后在根目录安装文档依赖并启动开发服务器，浏览器访问 127.0.0.1:8000。
```
git clone https://github.com/evalstate/fast-agent.git
cd fast-agent
uv run scripts/docs.py install
uv run scripts/docs.py serve
```

如何确认成功

终端出现 fast-agent 交互提示符，能输入 ! 执行 shell 命令，并用 /skills、/connect 操作，即启动成功。

常见问题

Q：如何在 fast-agent 会话里执行 shell 命令？

A：输入 ! 进入 shell，或直接写 ! 加命令，例如 ! cd web && npm run build。

Q：如何管理技能和 MCP 服务器？

A：在会话中用 /skills 命令管理技能，用 /connect 连接 MCP 服务器。

Q：不想全局安装可以吗？

A：可以，直接用 uvx fast-agent-mcp@latest 运行即可，无需执行 uv tool install。

Q：模型相关的密钥如何管理？

A：OAuth 等密钥由 KeyRing 存储，使用 fast-agent auth 命令统一管理。

注意事项

最新文档请以 https://fast-agent.ai 为准，仓库内文档位于 docs/ 目录。
运行过程需要联网下载依赖并访问所选的模型服务。
已原生支持 Anthropic、OpenAI、Google，以及 Azure、Ollama、Deepseek 等提供商。
README 未给出具体 API Key 的环境变量名，配置方式请查阅官网文档。

核心亮点

内置评估模块，可量化测试智能体性能，避免盲目调优
原生支持 MCP、ACP、A2A 多种协议，与外部工具和智能体互联互通
提供 CLI 和 TUI 双界面，开发调试体验流畅，上手快

不足之处

文档/社区待观察
项目较新，生态和第三方集成尚在完善中

适用场景

快速构建企业内部客服或知识库问答智能体
开发需要调用多种外部工具（如数据库、API）的自动化助手
对智能体进行性能基准测试和对比评估

替代项目

LangChain、CrewAI、AutoGen

项目介绍

fast-agent 是开发框架领域的开源项目，由 evalstate 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,920）位列前 30%，在开发框架分类的 795 个项目里位列前 13%。

近 45 天，它的 GitHub 星标从 3,884 增加到 3,920，净增 36。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：快速构建企业内部客服或知识库问答智能体。同类可对比的替代方案包括 LangChain、CrewAI、AutoGen。

上一篇：agentscope-java

下一篇：rasa