成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器 原創

發布于 2025-5-19 08:26
瀏覽
0收藏

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。

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器-AI.x社區

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

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器-AI.x社區

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 。

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器-AI.x社區

4. 從光標設置中,單擊 MCP。

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器-AI.x社區

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:

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器-AI.x社區

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 ”

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器-AI.x社區

Query: "New York weather?"

FastAPI-MCP 架構實踐: 使用FastAPI一鍵轉化MCP服務器-AI.x社區

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

?著作權歸作者所有,如需轉載,請注明出處,否則將追究法律責任
已于2025-5-19 08:27:02修改
收藏
回復
舉報
回復
相關推薦
主站蜘蛛池模板: 天天干天天爱天天爽 | 日韩精品视频在线 | 久久久久久久久久久丰满 | 日韩aⅴ片 | 久久精品一区二 | 日本高清视频在线播放 | 国产欧美精品一区二区 | 成人久久久久久久久 | 看av电影| 国产精品99久久久久久久久久久久 | 完全免费av在线 | 一级黄色片一级黄色片 | 欧美福利 | 国产视频一区二区 | 青青草网| 日韩久久久久久 | 国产成人综合在线 | 伊人网站 | 亚洲人在线 | 欧美自拍一区 | 日日夜精品视频 | 久久成人精品视频 | 国产精品爱久久久久久久 | 亚洲精品一区中文字幕乱码 | 狠狠爱综合网 | 天天干天天草 | 无毛av| 日日操日日干 | 中文字幕在线网 | 国产一区二区三区四区 | 高清国产午夜精品久久久久久 | 色精品 | 国产毛片视频 | 97色在线观看免费视频 | 国产中文在线观看 | h视频在线免费看 | 午夜视频在线观看一区二区 | 国产做爰 | 久久久亚洲一区 | 99在线免费视频 | 欧美一区二区三区高清视频 |