今のところ、自分の手元で動かしているMCPクライアントは、

• Claude Desktop
• Dive
• IDE（Windsurf、Cursor）

あたりなのだけども、MCP公式に記載されているMCPクライアントの一覧を見ると・・・

referred from https://modelcontextprotocol.io/clients

fast-agent

fast-agent は、エージェントとワークフローの作成をシンプルな宣言型でサポートし、Anthropic および OpenAI モデルに対する完全なマルチモーダルサポートを備えた Python エージェントフレームワークです。

主な機能：

• MCP ネイティブタイプに基づく PDF および画像サポート
• パススルーおよび再生シミュレーターを含む、エージェントアプリケーションの開発および診断用のインタラクティブなフロントエンド
• 「効果的なエージェントの構築」ワークフローの組み込みサポート。
• エージェントをMCPサーバーとしてデプロイ

MCPの機能をフルサポートしているクライアントはこれだけみたいなので、ちょっと試してみる。

GitHubレポジトリ

fast-agent

fast-agent を使用すると、数分で高度なエージェントとワークフローを作成し、対話することができます。Samplingを含む完全なエンドツーエンドのテスト済みMCP機能をサポートする最初のフレームワークです。Anthropic（Haiku、Sonnet、Opus）とOpenAIモデル（gpt-4oファミリー、o1/o3ファミリー）の両方がサポートされています。

シンプルな宣言型構文により、プロンプトとMCPサーバーの作成に集中して効果的なエージェントを構築できます。

fast-agent はマルチモーダルで、Prompts、Resources、MCP Tool Call結果を介してAnthropicとOpenAIのエンドポイントの両方に対して画像とPDFをサポートしています。パススルーおよび再生LLMが含まれており、アプリケーション用のPythonグルーコードの迅速な開発とテストが可能です。

[!TIP]
fast-agentは現在MCPネイティブです！近日公開 - 完全なドキュメントサイトとさらなるMCP例。

エージェントアプリケーションの構築

エージェントアプリケーションを定義するプロンプトと設定は、最小限のボイラープレートでシンプルなファイルに保存され、簡単な管理とバージョン管理が可能です。

ワークフローの実行前、実行中、実行後に個々のエージェントとコンポーネントとチャットし、アプリケーションを調整して診断します。エージェントは人間の入力を要求してタスク完了のための追加コンテキストを取得できます。

シンプルなモデル選択により、モデル <-> MCPサーバーの相互作用のテストが苦痛なく行えます。このプロジェクトの背景についてはこちらで詳しく読むことができます。

なるほど、LLMエージェントアプリを開発するためのフレームワークで、Function Calling的にMCPとインテグレーションできるのね。MCPサーバと連携させればMCPクライアントになるのはそれはそう。シンプルに手元で使うMCPクライアント、というわけではない。

公式ドキュメントは以下。

https://fast-agent.ai/