Fast Agent Demo con Ollama

Proyecto completo de fast-agent con Ollama, incluyendo 6 ejemplos progresivos que demuestran diferentes patrones de agentes y workflows.

---

🚀 Inicio Rápido

Requisitos Previos

• uv instalado: curl -LsSf https://astral.sh/uv/install.sh | sh
• Ollama instalado y corriendo
• Modelo descargado: ollama pull qwen3:4b

Instalación

cd fast-agent-demo
uv venv
uv pip install fast-agent-mcp

Ejecutar

# Agente principal
.venv/bin/python fast-agent-demo.py

# Ejecutar ejemplos
./examples/EJECUTAR_EJEMPLOS.sh 2  # Ejemplo de encadenamiento

---

📁 Estructura del Proyecto

fast-agent-demo/
├── examples/                   # 6 ejemplos progresivos
│   ├── 01_simple_chat.py      # Chat básico interactivo
│   ├── 02_chaining.py         # Chain workflow (A → B)
│   ├── 03_parallel.py         # Parallel workflow (fan-out/fan-in)
│   ├── 04_router.py           # Router inteligente
│   ├── 05_human_input.py      # Human-in-the-loop
│   ├── 06_multiple_models.py  # Comparación de modelos
│   └── README.md              # Documentación detallada
├── fast-agent-demo.py                   # Agente principal
├── fastagent.config.yaml      # Configuración
└── GUIA_RAPIDA.md            # Guía completa de uso

---

📚 Ejemplos Incluidos

#	Ejemplo	Workflow	Complejidad	Aprender
1	Chat Simple	Simple	⭐	Agentes básicos, modo interactivo
2	Encadenamiento	Chain	⭐⭐	Conectar agentes en secuencia
3	Procesamiento Paralelo	Parallel	⭐⭐⭐	Fan-out/fan-in, compilación
4	Router Inteligente	Router	⭐⭐⭐	Routing inteligente, especialización
5	Input Humano	Human-Loop	⭐⭐	Interacción con usuarios
6	Múltiples Modelos	Multi-Model	⭐⭐	Comparar modelos

Ejecutar Ejemplos

# Ver lista de ejemplos
./examples/EJECUTAR_EJEMPLOS.sh

# Ejecutar un ejemplo específico
./examples/EJECUTAR_EJEMPLOS.sh 2  # Encadenamiento

# O ejecutar directamente
.venv/bin/python examples/02_chaining.py

📖 Ver examples/README.md para documentación completa de cada ejemplo.

---

⚙️ Configuración

Import Correcto

from mcp_agent import FastAgent  # ✅ CORRECTO

❌ NO uses: from fast_agent import FastAgent ni from fast_agent_mcp import FastAgent

Formato de Modelo

# fastagent.config.yaml
default_model: "generic.qwen3:4b"  # ✅ Con prefijo generic.

generic:
  api_key: "ollama"
  base_url: "http://172.16.100.104:11434/v1"

⚠️ Importante: Los modelos de Ollama siempre deben usar el prefijo generic.

---

💻 Uso del Agente Principal

# Modo interactivo
.venv/bin/python fast-agent-demo.py

# Mensaje directo
.venv/bin/python fast-agent-demo.py --message "¿Qué es la IA?"

# Modo silencioso (solo respuesta)
.venv/bin/python fast-agent-demo.py --quiet --message "Hola"

# Con otro modelo
.venv/bin/python fast-agent-demo.py --model generic.llama3.2:latest

Comandos Interactivos

Cuando estés en modo interactivo:

• exit / stop - Salir
• @agent_name - Cambiar de agente
• /prompts - Ver prompts MCP
• /mcp - Info de servidores MCP
• ***SAVE_HISTORY <archivo> - Guardar conversación

---

🔧 Modelos Disponibles

Usa cualquier modelo de Ollama (con prefijo generic.):

# Ver modelos instalados
ollama list

# Descargar modelos
ollama pull qwen3:4b
ollama pull llama3.2:latest
ollama pull mistral:latest

Ejemplos de uso:

• generic.qwen3:4b (por defecto)
• generic.llama3.2:latest
• generic.mistral:latest
• generic.codellama:latest

---

🐛 Solución de Problemas

Error: "Connection refused"

curl http://172.16.100.104:11434/api/version

Error: "Model not found"

ollama pull qwen3:4b

Error: "Unknown model or provider"

Asegúrate de usar el prefijo generic.:

# ✅ Correcto
.venv/bin/python fast-agent-demo.py --model generic.qwen3:4b

# ❌ Incorrecto
.venv/bin/python fast-agent-demo.py --model qwen3:4b

Error: "ModuleNotFoundError: No module named 'mcp_agent'"

.venv/bin/python -m pip install fast-agent-mcp

📖 Ver SOLUCION.md para más detalles sobre problemas comunes.

---

📖 Documentación

• GUIA_RAPIDA.md - Guía de inicio rápido completa
• examples/README.md - Documentación detallada de ejemplos
• SOLUCION.md - Problemas resueltos durante el setup
• RESUMEN_PROYECTO.md - Vista general del proyecto

---

🎯 Próximos Pasos

1. ✅ Ejecutar todos los ejemplos
2. 🔧 Modificar instrucciones de agentes
3. 🔗 Agregar servidores MCP para herramientas
4. 🎨 Crear tus propios workflows combinando patrones
5. 🚀 Experimentar con diferentes modelos

---

🔗 Referencias

• Fast-Agent Documentation
• Fast-Agent GitHub
• Building Effective Agents (Anthropic)
• Ollama Documentation
• Ollama OpenAI Compatibility

---

¿Preguntas? Revisa la documentación en los archivos .md o consulta GUIA_RAPIDA.md para más detalles.

---

🎛️ Configuración de Parámetros

Error Común: "maximum token limit (2048)"

Si ves este error, necesitas aumentar maxTokens usando RequestParams:

from mcp_agent import FastAgent, RequestParams

@fast.agent(
    instruction="Genera respuestas detalladas",
    request_params=RequestParams(
        maxTokens=8192,      # ✅ Aumentar límite de tokens
        temperature=0.7      # ✅ Controlar creatividad
    )
)

📖 Ver CONFIGURACION_PARAMETROS.md para la guía completa.

Parámetros principales:

• maxTokens - Límite de tokens (default: 2048)
• temperature - Creatividad 0.0-2.0 (default: varía)
• use_history - Mantener historial (default: True)
• max_iterations - Máximo de tool calls (default: 20)