快速将 FastAPI 转换为 AI 可调用的 MCP 工具：FastAPI-MCP 实践指南
在 AI 应用日益普及的今天，如何高效地将现有的 API 接入 AI 模型，成为开发者关注的焦点。FastAPI-MCP 正是为此而生，它能自动将 FastAPI 应用的端点转换为符合 Model Context Protocol（MCP）的工具，使得 API 能被 AI 模型直接调用。
什么是 MCP？
MCP（Model Context Protocol）是一种开放标准，旨在为 AI 模型提供统一的接口，以访问外部工具和数据源。通过 MCP，AI 模型可以：
- 突破上下文限制，获取最新信息；
- 标准化地调用外部工具和 API；
- 实现不同 AI 模型和工具之间的互操作性；
- 无需重新训练，轻松添加新功能。
FastAPI-MCP 的核心功能
FastAPI-MCP 是一个零配置的工具，能够自动将 FastAPI 应用的端点暴露为 MCP 工具。其主要特点包括：
- 直接集成：可将 MCP 服务器直接挂载到 FastAPI 应用中；
- 零配置：只需指向 FastAPI 应用即可工作，无需复杂配置；
- 自动发现：自动发现所有 FastAPI 端点，并将其转换为 MCP 工具；
- 保留模式和文档：保留请求模型和响应模型的模式，以及所有端点的文档；
- 支持自定义工具：可在自动生成的工具之外，添加自定义的 MCP 工具。
快速上手指南
安装
推荐使用 uv 安装：
uv add fastapi-mcp
或使用 pip：
pip install fastapi-mcp
基本使用
以下是一个简单的示例，展示如何将 MCP 服务器挂载到 FastAPI 应用中：
from fastapi import FastAPI
from fastapi_mcp import add_mcp_server
app = FastAPI()
# 挂载 MCP 服务器
add_mcp_server(
app,
mount_path="/mcp", # MCP 服务器的挂载路径
name="My API MCP", # MCP 服务器的名称
)
运行后，MCP 服务器将自动暴露所有 FastAPI 端点，并保留其模式和文档。
高级配置示例
FastAPI-MCP 还支持高级配置，例如：
add_mcp_server(
app,
mount_path="/mcp",
name="My API MCP",
describe_all_responses=True, # 描述所有可能的响应
describe_full_response_schema=True, # 提供完整的 JSON 模式
)
此外，还可以通过 include_operations、exclude_operations、include_tags、exclude_tags 等参数，对暴露的端点进行筛选。
添加自定义 MCP 工具
除了自动转换的端点外，还可以添加自定义的 MCP 工具：
mcp_server = add_mcp_server(app, mount_path="/mcp")
@mcp_server.tool()
async def get_current_time():
"""获取当前服务器时间"""
from datetime import datetime
return datetime.now().isoformat()
这样，get_current_time 函数将作为一个 MCP 工具，供 AI 模型调用。
与 AI 工具的集成
一旦 FastAPI 应用集成了 MCP，AI 工具（如 Claude Desktop）即可通过 MCP 服务器的 URL（例如 http://localhost:8000/mcp）自动发现并调用所有可用的工具。
实践案例：构建一个天气查询工具
以下是一个完整的示例，展示如何使用 FastAPI-MCP 构建一个天气查询工具：
from fastapi import FastAPI
from fastapi_mcp import add_mcp_server
import httpx
app = FastAPI()
@app.get("/weather/{city}")
async def get_weather(city: str):
"""获取指定城市的天气信息"""
async with httpx.AsyncClient() as client:
response = await client.get(f"https://api.weatherapi.com/v1/current.json?key=YOUR_API_KEY&q={city}")
return response.json()
# 挂载 MCP 服务器
add_mcp_server(app, mount_path="/mcp", name="Weather API MCP")
运行后，AI 模型即可通过 MCP 服务器调用 /weather/{city} 端点，获取指定城市的天气信息。
结语
FastAPI-MCP 为开发者提供了一种高效、简洁的方式，将现有的 FastAPI 应用转换为 AI 模型可调用的 MCP 工具。通过自动发现端点、保留模式和文档，以及支持自定义工具，极大地降低了集成成本。无论是构建新的 AI 应用，还是升级现有的 API 服务，FastAPI-MCP 都是一个值得尝试的解决方案。
项目地址：