FastMCP 🚀

用 Python 快速构建 MCP 服务器

Model Context Protocol (MCP) 服务器是一种新型的标准化方式，可以为你的 LLM 提供上下文和工具。FastMCP 让构建 MCP 服务器变得简单直观。通过简洁的 Python 代码，你可以创建工具、暴露资源并定义提示： 

  1. # demo.py
  3. from fastmcp import FastMCP
  5. mcp = FastMCP("Demo 🚀")
  7. @mcp.tool()
  8. def add(a: int, b: int) -> int:
  9.     """将两个数字相加"""
  10.     return a + b

就是这么简单！通过运行以下命令，将服务器安装到 Claude 中： 

  1. fastmcp install demo.py

FastMCP 会自动处理所有复杂的协议细节和服务器管理工作，让你专注于构建优秀的工具。它设计为高级且 Pythonic，大多数情况下，只需为函数添加装饰器即可。

核心特性：

  • 快速：高级接口，代码更少，开发更快
  • 简洁：使用最少的样板代码构建 MCP 服务器
  • Pythonic：符合 Python 开发者习惯
  • 完整：FastMCP 旨在全面实现 MCP 核心规范

🚨 🚧 🏗️ FastMCP 仍在积极开发中，MCP 规范本身也在不断演进。核心功能已可用，但某些高级功能仍在开发中。

📦 安装

我们强烈推荐使用 uv 安装 FastMCP，因为部署服务器时需要用到它：

  1. uv pip install fastmcp

注意：在 macOS 上，你可能需要使用 Homebrew 安装 uv 才能让 Claude Desktop 应用检测到它： 

  1. brew install uv

如果仅使用 SDK 而不进行部署，可以使用 pip：

  1. pip install fastmcp

⚡ 快速上手

创建一个简单的 MCP 服务器，暴露计算工具和数据资源：

  1. # server.py
  3. from fastmcp import FastMCP
  5. # 创建 MCP 服务器
  6. mcp = FastMCP("Demo")
  8. # 添加加法工具
  9. @mcp.tool()
  10. def add(a: int, b: int) -> int:
  11.     """将两个数字相加"""
  12.     return a + b
  14. # 添加动态问候资源
  15. @mcp.resource("greeting://{name}")
  16. def get_greeting(name: str) -> str:
  17.     """生成个性化问候语"""
  18.     return f"Hello, {name}!"

运行以下命令，将服务器安装到 Claude Desktop，立即与其交互： 

  1. fastmcp install server.py

或使用 MCP Inspector 进行测试： 

  1. fastmcp dev server.py

🔥 MCP 是什么？

Model Context Protocol (MCP) 是一种标准协议，能够以安全、标准化的方式向 LLM 应用程序暴露数据和功能。你可以将其视为专为 LLM 交互设计的 Web API。

MCP 服务器可以：

  • 通过 资源 (Resources) 暴露数据（类似于 REST API 的 GET 端点）
  • 通过 工具 (Tools) 提供功能（类似于 POST 端点，可执行代码或产生副作用）
  • 通过 提示 (Prompts) 定义交互模板（可复用的 LLM 提示模式）
  • 更多功能即将推出！

尽管 MCP 官方提供了低级别的 Python SDK，但 FastMCP 提供了更高级、更 Pythonic 的接口，简化了开发。

🛠️ 核心概念

服务器

FastMCP 服务器是你与 MCP 协议交互的核心接口。它负责：

  • 连接管理
  • 协议合规
  • 消息路由

示例：

  1. from fastmcp import FastMCP
  3. # 创建命名服务器
  4. mcp = FastMCP("My App")
  6. # 指定依赖项（用于部署）
  7. mcp = FastMCP("My App", dependencies=["pandas", "numpy"])

资源

资源用于向 LLM 暴露数据，类似于 REST API 中的 GET 端点。资源应仅用于数据提供，不应执行复杂计算或产生副作用。

静态资源：

  1. @mcp.resource("config://app")
  2. def get_config() -> str:
  3.     """返回静态配置数据"""
  4.     return "App 配置内容"

带参数的动态资源：

  1. @mcp.resource("users://{user_id}/profile")
  2. def get_user_profile(user_id: str) -> str:
  3.     """获取用户信息"""
  4.     return f"用户 {user_id} 的个人资料"

工具

工具允许 LLM 调用服务器执行操作，类似于 REST API 中的 POST 端点。它们通常用于计算或产生副作用。

简单计算：

  1. @mcp.tool()
  2. def calculate_bmi(weight_kg: float, height_m: float) -> float:
  3.     """计算 BMI"""
  4.     return weight_kg / (height_m ** 2)

异步请求：

  1. import httpx
  3. @mcp.tool()
  4. async def fetch_weather(city: str) -> str:
  5.     """获取城市天气信息"""
  6.     async with httpx.AsyncClient() as client:
  7.         response = await client.get(f"https://api.weather.com/{city}")
  8.         return response.text

复杂数据结构：

  1. from pydantic import BaseModel, Field
  2. from typing import Annotated
  4. class ShrimpTank(BaseModel):
  5.     class Shrimp(BaseModel):
  6.         name: Annotated[str, Field(max_length=10)]
  8.     shrimp: list[Shrimp]
  10. @mcp.tool()
  11. def name_shrimp(
  12.     tank: ShrimpTank,
  13.     extra_names: Annotated[list[str], Field(max_length=10)],
  14. ) -> list[str]:
  15.     """列出水族箱中所有虾的名字"""
  16.     return [shrimp.name for shrimp in tank.shrimp] + extra_names

提示

提示是一种可复用模板，帮助 LLM 与服务器交互。类似于“最佳实践”封装到服务器中。

简单提示：

  1. @mcp.prompt()
  2. def review_code(code: str) -> str:
  3.     return f"请审查这段代码：\n\n{code}"

结构化消息：

  1. from fastmcp.prompts.base import UserMessage, AssistantMessage
  3. @mcp.prompt()
  4. def debug_error(error: str) -> list[Message]:
  5.     return [
  6.         UserMessage("我遇到了这个错误："),
  7.         UserMessage(error),
  8.         AssistantMessage("让我来帮你调试。你尝试过哪些方法？")
  9.     ]

🚀 运行服务器

开发模式：

  1. fastmcp dev server.py

Claude 集成：

  1. fastmcp install server.py

直接运行：

  1. python server.py

💡 示例

回声服务器

  1. from fastmcp import FastMCP
  3. mcp = FastMCP("Echo")
  5. @mcp.resource("echo://{message}")
  6. def echo_resource(message: str) -> str:
  7.     return f"资源回显：{message}"
  9. @mcp.tool()
  10. def echo_tool(message: str) -> str:
  11.     return f"工具回显：{message}"

SQLite 探索器

  1. from fastmcp import FastMCP
  2. import sqlite3
  4. mcp = FastMCP("SQLite Explorer")
  6. @mcp.resource("schema://main")
  7. def get_schema() -> str:
  8.     conn = sqlite3.connect("database.db")
  9.     schema = conn.execute("SELECT sql FROM sqlite_master").fetchall()
  10.     return "\n".join(sql[0] for sql in schema if sql[0])

✅ 完成！如需更多示例或贡献代码，欢迎访问 FastMCP GitHub。