FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器 原創
你是否遇到過這樣的情況:你希望聊天機器人使用一個工具回答問題?雖然這聽起來有些復雜,但現在,MCP(模型上下文協議)提供外部工具中的方法,不僅讓LLM能夠輕松調用工具,還可以基于不同應用場景使用工具。本文將深入探討使用 FastAPI 完成Web 應用轉換過程,該應用程序由 MCP 服務器提供支持,使用 FastAPI-MCP。
FastAPI 與 MCP
FastAPI 是由Python提供的工具,幫助用戶構建API 應用從而協助完成Web 應用程序的開發。由于其使用方便、上手快,深受業內人士的歡迎。如果將 FastAPI 視為智能服務員,來接受你的訂單(HTTP 請求),前往廚房(數據庫/服務器),然后響應訂單(輸出),最后展示給你。FastAPI是構建 Web 后端、移動應用程序服務等的強大工具。
MCP 是 Anthropic 提供的一種使模型與外部數據源和工具通信的開放標準協議。這里我們將 MCP 視為特定任務提供的工具包,并使用 MCP 來創建響應的服務器,從而提供任務所需要的工具服務。
這些工具服務可以賦予LLM更廣泛的能力。這就是 FastAPI 與 MCP 集成的價值和意義。??FastAPI?? 負責處理不同來源的工具服務,而 MCP 負責處理 LLM 的上下文。通過使用 FastAPI 與 MCP 服務器,我們可以訪問部署在 Web 上的工具,并將其用作 LLM 工具,使 LLM 更有效地完成任務。
如上圖所示, MCP 服務器連接到API 端點。這個 API 端點可以是FastAPI 端點,也可以是互聯網上的第三方 API 服務。
FastAPI-MCP 是什么?
FastAPI-MCP 是一個工具,它可以將任何 FastAPI 應用程序轉換為像 ??ChatGPT?? 或 Claude的 LLM 工具,讓用戶可以輕松理解和使用。通過使用 FastAPI-MCP,可以將你的 FastAPI 端點包裝起來,成為LLM 的 AI 生態系統中即插即用的工具。?
什么 API 可以使用 FastAPI-MCP 轉換為 MCP?
使用 FastAPI-MCP,任何 FastAPI 端點都可以轉換為 LLMs 的 MCP 工具。這些端點應包括:
- GET 端點:轉換為 MCP 資源。?
- POST、PUT、DELETE 端點:轉換為 MCP 工具。?
- 自定義實用功能:可作為額外的 MCP 工具添加。?
FastAPI-MCP會自動發現并將API端點轉換為 MCP。同時會保留API 的模式以及文檔。
使用 FastAPI-MCP 進行實際操作
讓我們看一個簡單的示例,演示如何將 FastAPI 端點轉換為 MCP 服務器。首先,我們將創建一個 FastAPI 端點,然后開始將其轉換為使用 fastapi-mcp 的 MCP 服務器。
配置 FastAPI
安裝依賴項。
通過安裝所需的依賴項使你的系統兼容。
pip install fastapi fastapi_mcp uvicorn mcp-proxy
導入所需的依賴項
創建一個名為 '??main.py??' 的新文件,然后在其中導入以下依賴項。
from fastapi import FastAPI, HTTPException, Query
import httpx
from fastapi_mcp import FastApiMCP
定義 FastAPI 應用程序
讓我們定義一個名為“Weather Updates API”的 FastAPI 應用程序。
app = FastAPI(title="Weather Updates API")
定義路由和函數
接著,為應用程序定義路由,也就是將端點與函數進行一一對應。這里,使用 ??weather.gov?? API(免費)制作天氣應用,不需要任何 API 密鑰。只需要使用正確的緯度和經度值訪問如下URL即可, ??https://api.weather.gov/points/{lat},{lon}??。?
于是,定義了get_weather 函數,它將以州名或代碼作為參數,然后在 CITY_COORDINATES 字典中找到相應的坐標,然后使用這些坐標訪問基本 URL。
# Predefined latitude and longitude for major cities (for simplicity)
# In a production app, you could use a geocoding service like Nominatim or Google Geocoding API
CITY_COORDINATES = {
"Los Angeles": {"lat": 34.0522, "lon": -118.2437},
"San Francisco": {"lat": 37.7749, "lon": -122.4194},
"San Diego": {"lat": 32.7157, "lon": -117.1611},
"New York": {"lat": 40.7128, "lon": -74.0060},
"Chicago": {"lat": 41.8781, "lon": -87.6298},
# Add more cities as needed
}
@app.get("/weather")
async def get_weather(
stateCode: str = Query(..., description="State code (e.g., 'CA' for California)"),
city: str = Query(..., description="City name (e.g., 'Los Angeles')")
):
"""
Retrieve today's weather from the National Weather Service API based on city and state
"""
# Get coordinates (latitude, longitude) for the given city
if city not in CITY_COORDINATES:
raise HTTPException(
status_code=404,
detail=f"City '{city}' not found in predefined list. Please use another city."
)
coordinates = CITY_COORDINATES[city]
lat, lon = coordinates["lat"], coordinates["lon"]
# URL for the NWS API Gridpoints endpoint
base_url = f"https://api.weather.gov/points/{lat},{lon}"
try:
async with httpx.AsyncClient() as client:
# First, get the gridpoint information for the given location
gridpoint_response = await client.get(base_url)
gridpoint_response.raise_for_status()
gridpoint_data = gridpoint_response.json()
# Retrieve the forecast data using the gridpoint information
forecast_url = gridpoint_data["properties"]["forecast"]
forecast_response = await client.get(forecast_url)
forecast_response.raise_for_status()
forecast_data = forecast_response.json()
# Returning today's forecast
today_weather = forecast_data["properties"]["periods"][0]
return {
"city": city,
"state": stateCode,
"date": today_weather["startTime"],
"temperature": today_weather["temperature"],
"temperatureUnit": today_weather["temperatureUnit"],
"forecast": today_weather["detailedForecast"],
}
except httpx.HTTPStatusError as e:
raise HTTPException(
status_code=e.response.status_code,
detail=f"NWS API error: {e.response.text}"
)
except Exception as e:
raise HTTPException(
status_code=500,
detail=f"Internal server error: {str(e)}"
)
設置 MCP 服務器
然后,讓我們使用 fastapi-mcp 庫將這個 FastAPI 應用程序轉換為 MCP。這個過程非常簡單,我們只需要添加幾行代碼,fastapi-mcp 就會自動將端點轉換為 MCP 工具,并輕松檢測其模式和文檔。
mcp = FastApiMCP(
app,
name="Weather Updates API",
description="API for retrieving today's weather from weather.gov",
)
mcp.mount()
啟動應用程序
在 ??Python?? 文件的末尾添加以下內容。
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)
然后,轉到終端并運行 ??main.py?? 文件。
python main.py
現在,FastAPI 應用程序在本地主機上成功啟動。
配置Cursor
讓我們配置 Cursor IDE 測試MCP 服務器。
1. 從這里下載,鏈接:??https://www.cursor.com/downloads??。
2. 安裝Cursor,注冊并進入主屏幕
3. 現在轉到標題工具欄中的文件,然后點擊首選項 ,再點擊光標設置 。
4. 從光標設置中,單擊 MCP。
5. 在 MCP 選項卡上,單擊添加新全局 MCP 服務器 。它將打開一個 mcp.json 文件。將以下代碼粘貼到其中并保存文件。
{
"mcpServers": {
"National Park Service": {
"command": "mcp-proxy",
"args": ["http://127.0.0.1:8000/mcp"]
}
}
}
6. 在光標設置處,你應該看到以下內容:
如果你在屏幕上看到這個,這意味著你的服務器已成功運行并連接到 ??Cursor IDE??。如果顯示一些錯誤,請嘗試使用右上角的 重新啟動 按鈕。?
我們已成功在 Cursor IDE 中設置了 MCP 服務器。現在,讓我們測試服務器。
測試 MCP 服務器
經過上面的操作,MCP 服務器可以檢索天氣更新了。只需向 Cursor IDE 詢問任何位置的天氣更新,它將使用 MCP 服務器為我們獲取該信息。
輸入查詢:“ 請告訴我今天圣地亞哥的天氣如何 ”
Query: "New York weather?"
從輸出中看到MCP 服務器運行良好。只需要詢問天氣詳情,它將自行決定是否使用 MCP 服務器。在第二個輸出中,我們模糊地詢問“紐約天氣?”它能夠根據我們之前的提示意識到查詢的上下文,并使用適當的 MCP 工具來回答。
結論
MCP 允許 ??LLMs?? 通過訪問外部工具來增強其回答能力,而 FastAPI 則提供了一種簡單的方法。本文中,我們使用 fastapi-mcp 庫結合了這兩種技術。利用這個庫,我們可以將任何 API 轉換為 MCP 服務器,這將幫助 LLMs 和 AI 代理從 API 中獲取最新信息。不需要為每個新任務定義自定義工具。MCP 與 FastAPI 將自動處理一切。MCP 的引入帶來了 LLMs 領域的革命,現在,FastAPI 與 MCP 搭配正在改變 LLMs 訪問這些工具的方式。?
譯者介紹
崔皓,51CTO社區編輯,資深架構師,擁有18年的軟件開發和架構經驗,10年分布式架構經驗。
原文標題:??How to Convert Any FastAPI App into MCP Server using FastAPI-MCP???,作者:Harsh Mishra
