fastmcp: 更好用的 MCP Python 框架

最新推荐文章于 2025-07-04 09:47:41 发布

小众AI

最新推荐文章于 2025-07-04 09:47:41 发布

阅读量1.1k

点赞数 19

CC 4.0 BY-SA版权

分类专栏： AI开源文章标签： python 人工智能开发语言

本文链接：https://blog.csdn.net/puterkey/article/details/147849040

AI开源专栏收录该内容

141 篇文章

订阅专栏

GitHub：https://github.com/jlowin/fastmcp

更多AI开源软件：发现分享好用的AI工具、AI开源软件、AI模型、AI变现 - 小众AI

用于构建 MCP（Model Context Protocol）服务器和客户端的 Python 框架，帮助开发者以更快速、简洁的方式向 LLM 暴露数据资源和工具。相比官方 SDK，它的 API 设计更加简洁、开发效率更高，且具备更强的可扩展性，支持多种客户端/服务端传输模式（Stdio、SSE、内存）、资源模板机制，并可通过 OpenAPI/FastAPI 自动生成 MCP 服务，极大地降低了 MCP 服务器与客户端的开发门槛。

主要功能：

🚀 快速：高级接口意味着更少的代码和更快的开发

🍀 简单：使用最少的样板构建 MCP 服务器

🐍 Pythonic：对 Python 开发人员来说感觉很自然

🔍 完整：FastMCP 旨在为服务器和客户端提供核心 MCP 规范的完整实现

安装和使用

我们建议使用 uv 安装 FastMCP：

uv pip install fastmcp

有关完整的安装说明，包括验证、从官方 MCPSDK 升级和开发人员设置，请参阅安装指南。

开始使用

这些是使用 FastMCP 创建 MCP 服务器和客户端的构建块。

服务器FastMCP

表示 MCP 应用程序的中心对象。它包含您的工具、资源和提示，管理连接，并且可以使用身份验证提供程序等设置进行配置。

from fastmcp import FastMCP

# Create a server instance
mcp = FastMCP(name="MyAssistantServer")

在 FastMCP 服务器文档中了解更多信息。

工具

工具允许 LLM 通过执行 Python 函数（同步或异步）来执行作。非常适合计算、API 调用或副作用（如 /）。FastMCP 处理从类型提示和文档字符串生成架构。工具可以使用 fastmcp 返回各种类型的内容，包括文本、JSON 可序列化对象，甚至图像。图像辅助方法。POSTPUT

@mcp.tool()
def multiply(a: float, b: float) -> float:
    """Multiplies two numbers."""
    return a * b

在工具文档中了解更多信息。

资源和模板

资源公开只读数据源（如请求）。用。在 URI 中使用可创建接受参数的动态模板，从而允许客户端请求特定数据子集。GET@mcp.resource("your://uri"){placeholders}

# Static resource
@mcp.resource("config://version")
def get_version(): 
    return "2.0.1"

# Dynamic resource template
@mcp.resource("users://{user_id}/profile")
def get_profile(user_id: int):
    # Fetch profile for user_id...
    return {"name": f"User {user_id}", "status": "active"}

在资源和模板文档中了解更多信息。

提示

提示定义可重用的消息模板以指导 LLM 交互。用 .返回字符串或对象。@mcp.prompt()Message

@mcp.prompt()
def summarize_request(text: str) -> str:
    """Generate a prompt asking for a summary."""
    return f"Please summarize the following text:\n\n{text}"

在 Prompts 文档中了解更多信息。

上下文

通过添加参数来访问工具、资源或提示中的 MCP 会话功能。Context 提供了以下方法：ctx: Context

伐木：使用、等将消息记录到 MCP 客户端。ctx.info()ctx.error()
LLM 采样：用于从客户端的 LLM 请求完成。ctx.sample()
HTTP 请求：用于向其他服务器发出 HTTP 请求。ctx.http_request()
资源访问：用于访问服务器上的资源ctx.read_resource()
进度报告：用于向客户端报告进度。ctx.report_progress()
以及更多...

要访问上下文，请添加一个带 Comments 的参数，该参数被注释为任何 mcp 修饰的函数。FastMCP 将在调用函数时自动注入正确的上下文对象。Context

from fastmcp import FastMCP, Context

mcp = FastMCP("My MCP Server")

@mcp.tool()
async def process_data(uri: str, ctx: Context):
    # Log a message to the client
    await ctx.info(f"Processing {uri}...")

    # Read a resource from the server
    data = await ctx.read_resource(uri)

    # Ask client LLM to summarize the data
    summary = await ctx.sample(f"Summarize: {data.content[:500]}")

    # Return the summary
    return summary.text

在上下文文档中了解更多信息。

MCP 客户端

使用以编程方式与任何 MCP 服务器交互。它支持各种传输方式（Stdio、SSE、In-Memory），并且经常自动检测正确的传输方式。如果您提供适当的处理程序，客户端还可以处理高级模式，例如服务器发起的 LLM 采样请求。fastmcp.Client

至关重要的是，客户端允许通过直接连接到服务器实例，从而对服务器进行高效的内存中测试，而无需在测试期间进行进程管理或网络调用。FastMCPFastMCPTransport

from fastmcp import Client

async def main():
    # Connect via stdio to a local script
    async with Client("my_server.py") as client:
        tools = await client.list_tools()
        print(f"Available tools: {tools}")
        result = await client.call_tool("add", {"a": 5, "b": 3})
        print(f"Result: {result.text}")

    # Connect via SSE
    async with Client("http://localhost:8000/sse") as client:
        # ... use the client
        pass

要使用客户端测试服务器，请使用以下模式：

from fastmcp import FastMCP, Client

mcp = FastMCP("My MCP Server")

async def main():
    # Connect via in-memory transport
    async with Client(mcp) as client:
        # ... use the client

实战演习

场景1：代理服务器

使用创建一个 FastMCP 服务器，该服务器充当另一个本地或远程 MCP 服务器的中介。这对于桥接传输（例如，将远程 SSE 连接到本地 Stdio）或向您无法控制的服务器添加 logic 层特别有用。FastMCP.from_client()

在代理文档中了解更多信息。

场景2：编写 MCP 服务器

通过使用（实时链接）或（静态复制）将多个实例挂载到父服务器上来构建模块化应用程序。FastMCPmcp.mount()mcp.import_server()

在合成文档中了解更多信息。

场景3：OpenAPI & FastAPI 生成

从现有的 OpenAPI 规范（）或 FastAPI 应用程序（）自动生成 FastMCP 服务器，立即将您的 Web API 引入 MCP 生态系统。FastMCP.from_openapi()FastMCP.from_fastapi()

知道更多： OpenAPI 整合 |FastAPI 集成。

场景4：运行服务器

运行 FastMCP 服务器的主要方法是在你的服务器实例上调用该方法：run()

# server.py
from fastmcp import FastMCP

mcp = FastMCP("Demo 🚀")

@mcp.tool()
def hello(name: str) -> str:
    return f"Hello, {name}!"

if __name__ == "__main__":
    mcp.run()  # Default: uses STDIO transport

FastMCP 支持三种传输协议：

STDIO （默认）：最适合本地工具和命令行脚本。

mcp.run(transport="stdio")  # Default, so transport argument is optional

可流式传输 HTTP：建议用于 Web 部署。

mcp.run(transport="streamable-http", host="127.0.0.1", port=8000, path="/mcp")

SSE：与现有 SSE 客户端兼容。

mcp.run(transport="sse", host="127.0.0.1", port=8000)