大模型新基座，基于FastAPI，利用Python开发MCP服务器

Anthropic发布的MCP协议，能让AI智能体与应用程序连接更顺畅。不少开发者对它感到困惑，其实为Python应用搭建相关服务器并不复杂。在搭建前，先来了解下为何要采用该协议。

采用MCP协议的意义

便于集成：助力AI智能体与应用程序集成。
简化开发：把开发复杂性转移给AI智能体，简化应用开发流程。
优化连接：让AI连接工具和数据源更便捷。

若MCP协议成为行业标准，开发人员就必须采用。毕竟手动集成会被AI取代。虽然有人觉得这还早，但搭建相关服务器很轻松，提前掌握就能领先一步。

一、搭建 FastAPI 服务器基础

创建具有所需功能的FastAPI服务器。FastAPI的入门教程要点如下：

安装依赖项：

pip install uvicorn, fastapi

创建FastAPI服务器：

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
async def root():
    return {"message": "MCP is super cool"}

对于应用程序的每个功能，编写一个 “路径操作”，即分配给特定路径的函数（这里你可以看到路径 “/” 下的 root 函数），执行HTTP操作（GET、POST、PUT、DELETE等）。

使用uvicorn运行应用程序：

uvicorn main:app --reload

就这样！你的FastAPI应用程序在 http://127.0.0.1:8000 可用。现在，让我们将其升级为MCP服务器。

二、升级为 MCP 服务器

安装fastapi – mcp开源工具：

pip install fastapi-mcp

在FastAPI代码中添加内容：

from fastapi import FastAPI
from fastapi_mcp import add_mcp_server

# 你的FastAPI应用
app = FastAPI()

# 将MCP服务器挂载到你的应用上
add_mcp_server(
    app,                 # 你的FastAPI应用
    mount_path="/mcp", # 挂载MCP服务器的路径
    name="My API MCP", # MCP服务器的名称
)

这样MCP服务器会自动生成，在 http://127.0.0.1:8000/mcp 可用。这个地址可以在Cursor（或者任何支持服务器发送事件（SSE）的AI智能体中配置，据说Cline也即将支持MCP）中进行配置。

三、配置与使用 MCP

在Cursor中配置MCP：

设置 -> MCP -> 添加新的MCP
在打开的JSON文件中粘贴以下内容：

{
  "mcpServers": {
    "My First MCP server": {
      "url": "http://127.0.0.1:8000/mcp"
    }
  }
}

四、MCP 应用进阶：从基础到扩展的实践要点

设置完成后，AI智能体现在可以通过标准化协议与你的应用程序进行交互。你可以通过添加更多暴露应用程序不同功能的端点来扩展MCP服务器。MCP的目标是让集成变得简单，所以不要把它复杂化！从基本功能开始，根据需要进行扩展。使用FastAPI和fastapi – mcp库的好处在于，你在以最少的额外代码添加MCP功能的同时，还能保留FastAPI的所有优点（比如自动生成文档和类型验证）。