大模型新基座，基于FastAPI，利用Python开发MCP服务器

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）。

推荐书单

《LangChain大模型AI应用开发实践》本书是一本深度探索LangChain框架及其在构建高效AI应用中所扮演角色的权威教程。本书以实战为导向，系统介绍了从LangChain基础到高级应用的全过程，旨在帮助开发者迅速掌握这一强大的工具，解锁人工智能开发的新维度。本书内容围绕LangChain快速入门、Chain结构构建、大模型接入与优化、提示词工程、高级输出解析技术、数据检索增强（RAG）、知识库处理、智能体（agent）开发及其能力拓展等多个层面展开。通过详实的案例分析与步骤解说，读者可以学会整合如ChatGLM等顶尖大模型，运用ChromaDB进行高效的向量检索，以及设计与实现具有记忆功能和上下文感知能力的AI智能体。此外，书中还介绍了如何利用LangChain提升应用响应速度、修复模型输出错误、自定义输出解析器等实用技巧，为开发者提供了丰富的策略与工具。本书主要面向AI开发者、数据科学家、机器学习工程师，以及对自然语言处理和人工智能应用感兴趣的中级和高级技术人员。【5折促销中】购买链接：https://item.jd.com/14848506.html

原文转载自：https://mp.weixin.qq.com/s/u70eNh0LjomPZQDwWS597A