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(fù)雜，但現(xiàn)在，MCP（模型上下文協(xié)議）提供外部工具中的方法，不僅讓LLM能夠輕松調(diào)用工具，還可以基于不同應(yīng)用場景使用工具。本文將深入探討使用 FastAPI 完成Web 應(yīng)用轉(zhuǎn)換過程，該應(yīng)用程序由 MCP 服務(wù)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(gòu)建API 應(yīng)用從而協(xié)助完成Web 應(yīng)用程序的開發(fā)。由于其使用方便、上手快，深受業(yè)內(nèi)人士的歡迎。如果將 FastAPI 視為智能服務(wù)員，來接受你的訂單（HTTP 請求），前往廚房（數(shù)據(jù)庫/服務(wù)器），然后響應(yīng)訂單（輸出），最后展示給你。FastAPI是構(gòu)建 Web 后端、移動應(yīng)用程序服務(wù)等的強大工具。

MCP 是 Anthropic 提供的一種使模型與外部數(shù)據(jù)源和工具通信的開放標準協(xié)議。這里我們將 MCP 視為特定任務(wù)提供的工具包，并使用 MCP 來創(chuàng)建響應(yīng)的服務(wù)器，從而提供任務(wù)所需要的工具服務(wù)。

這些工具服務(wù)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(zé)處理不同來源的工具服務(wù)，而 MCP 負責(zé)處理 LLM 的上下文。通過使用 FastAPI 與 MCP 服務(wù)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(wù)。

如上圖所示， MCP 服務(wù)器連接到API 端點。這個 API 端點可以是FastAPI 端點，也可以是互聯(lián)網(wǎng)上的第三方 API 服務(wù)。

FastAPI-MCP 是什么？

FastAPI-MCP 是一個工具，它可以將任何 FastAPI 應(yīng)用程序轉(zhuǎn)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(tài)系統(tǒng)中即插即用的工具。?

什么 API 可以使用 FastAPI-MCP 轉(zhuǎn)換為 MCP？

使用 FastAPI-MCP，任何 FastAPI 端點都可以轉(zhuǎn)換為 LLMs 的 MCP 工具。這些端點應(yīng)包括：

• GET 端點:轉(zhuǎn)換為 MCP 資源。?
• POST、PUT、DELETE 端點:轉(zhuǎn)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(fā)現(xiàn)并將API端點轉(zhuǎn)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(zhuǎn)換為 MCP 服務(wù)器。首先，我們將創(chuàng)建一個 FastAPI 端點，然后開始將其轉(zhuǎn)換為使用 fastapi-mcp 的 MCP 服務(wù)器。

配置 FastAPI

安裝依賴項。

通過安裝所需的依賴項使你的系統(tǒng)兼容。

pip install fastapi fastapi_mcp uvicorn mcp-proxy

導(dǎo)入所需的依賴項

創(chuàng)建一個名為 '??main.py??' 的新文件，然后在其中導(dǎo)入以下依賴項。

from fastapi import FastAPI, HTTPException, Query
import httpx
from fastapi_mcp import FastApiMCP

定義 FastAPI 應(yīng)用程序

讓我們定義一個名為“Weather Updates API”的 FastAPI 應(yīng)用程序。

app = FastAPI(title="Weather Updates API")

定義路由和函數(shù)

接著，為應(yīng)用程序定義路由，也就是將端點與函數(shù)進行一一對應(yīng)。這里，使用 ??weather.gov?? API（免費）制作天氣應(yīng)用，不需要任何 API 密鑰。只需要使用正確的緯度和經(jīng)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(shù)，它將以州名或代碼作為參數(shù)，然后在 CITY_COORDINATES 字典中找到相應(yīng)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(shè)置 MCP 服務(wù)器

然后，讓我們使用 fastapi-mcp 庫將這個 FastAPI 應(yīng)用程序轉(zhuǎn)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(zhuǎn)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(yīng)用程序

在 ??Python?? 文件的末尾添加以下內(nèi)容。

if __name__ == "__main__":
   import uvicorn
   uvicorn.run(app, host="0.0.0.0", port=8000)

然后，轉(zhuǎn)到終端并運行 ??main.py?? 文件。

python main.py 

現(xiàn)在，F(xiàn)astAPI 應(yīng)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(wù)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(xiàn)在轉(zhuǎn)到標題工具欄中的文件，然后點擊首選項 ，再點擊光標設(shè)置 。

4. 從光標設(shè)置中，單擊 MCP。

5. 在 MCP 選項卡上，單擊添加新全局 MCP 服務(wù)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(shè)置處，你應(yīng)該看到以下內(nèi)容：

如果你在屏幕上看到這個，這意味著你的服務(wù)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(shè)置了 MCP 服務(wù)器?，F(xiàn)在，讓我們測試服務(wù)器。

測試 MCP 服務(wù)器

經(jīng)過上面的操作，MCP 服務(wù)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(wù)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(wù)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(wù)器。在第二個輸出中，我們模糊地詢問“紐約天氣？”它能夠根據(jù)我們之前的提示意識到查詢的上下文，并使用適當?shù)?MCP 工具來回答。

結(jié)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(jié)合了這兩種技術(shù)。利用這個庫，我們可以將任何 API 轉(zhuǎn)換為 MCP 服務(wù)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(wù)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(lǐng)域的革命，現(xiàn)在，F(xiàn)astAPI 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(qū)編輯，資深架構(gòu)師，擁有18年的軟件開發(fā)和架構(gòu)經(jīng)驗，10年分布式架構(gòu)經(jīng)驗。

原文標題：??How to Convert Any FastAPI App into MCP Server using FastAPI-MCP???，作者：Harsh Mishra