Ming-Log's Blog

记录生活中的点点滴滴

0%

将FastAPI接口转化为MCP Server

发表于 分类于
本文字数： 7.4k 阅读时长 ≈ 7 分钟

背景介绍

在当前大模型蓬勃发展的背景下，专为大模型调用设计的”API工具”——MCP，已成为研究领域的焦点。在之前的两个教程中，我们从零开始指导大家实现了MCP Server和MCP Client。通过这个过程，相信大家已经意识到MCP Server本质上是为大模型提供的一种格式化API接口。

说到这里，很多同学可能会思考：市场上已有海量API资源，但它们大多未被转化为MCP格式。如果想调用这些API，还需要重新编写一遍，确实比较繁琐。那么，有没有一种工具能够将我们现有的API一键转换为MCP格式呢？

答案是肯定的。今天我们要向大家介绍的正是这样一个项目——FastAPI-MCP。该项目实现了从FastAPI到MCP Server的无缝转换，让我们之前使用FastAPI开发的接口能够轻松转化为MCP Server，供大模型直接调用，大大提高了开发效率。

FastAPI-MCP项目地址：https://github.com/tadata-org/fastapi_mcp

本来这个文章昨天就准备写的，但是经过测试，昨天的FastAPI-MCP版本为0.3.2版本，有很多的BUG，代码无法正常演示。提交Issues后，作者也是非常给力，今天就升级到了0.3.3版本，BUG也修复了。

效果演示

创建工程

首先初始化工程，使用Python3.10环境，并进入工程。

1
2
uv init fastapi2mcp -p 3.10
cd fastapi2mcp

image-20250423100130118

创建虚拟环境

1
uv venv

image-20250423100204077

激活虚拟环境

1
.venv\Scripts\activate

image-20250423100242653

添加依赖

1
uv add fastapi-mcp

查看依赖树

1
uv tree

image-20250424100110607

到此工程和依赖搭建完成。

FastAPI接口构建

首先我们使用以下代码，将我们前面介绍的天气查询，封装为一个FastAPI接口：

app.py

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
from fastapi import FastAPI
from pydantic import BaseModel
from utils import format_alert, get_weather_from_cityname, get_weather_from_latitude_longitude
import uvicorn

app = FastAPI()

class CityName(BaseModel):
    cityname: str

class CityLatLon(BaseModel):
    latitude: float
    longitude: float

class Weather(BaseModel):
    cityname: str
    weather: str
    temperature: str
    humidity: str
    wind_speed: str

class WeatherResponse(BaseModel):
    code: int
    weather: Weather | None = None
    msg: str

@app.post("/get_weather/cityname", response_model=WeatherResponse, operation_id="get_weather_cityname")
async def get_weather_cityname(city: CityName):
    """
    通过城市名称（中国城市使用拼音）获取天气信息

    Args:
        cityname: 城市名称（中国城市使用拼音）
    
    Returns:
        code: 0 成功 -1 失败
        weather: 天气信息
        msg: 成功或失败信息
    """
    weather_data = await get_weather_from_cityname(city.cityname)
    if weather_data:
        return {"code": 0, "weather": format_alert(weather_data), "msg": "success"}
    else:
        return {"code": -1, "msg": "Failed to fetch weather data"}

@app.post("/get_weather/latitude_longitude", response_model=WeatherResponse, operation_id="get_weather_latitude_longitude")
async def get_weather_latitude_longitude(citylatlon: CityLatLon):
    """
    通过经纬度获取天气信息

    Args:
        latitude: 纬度
        longitude: 经度

    Returns:
        code: 0 成功 -1 失败
        weather: 天气信息
        msg: 成功或失败信息
    """
    weather_data = await get_weather_from_latitude_longitude(citylatlon.latitude, citylatlon.longitude)
    if weather_data:
        return {"code": 0, "weather": format_alert(weather_data), "msg": "success"}
    else:
        return {"code": -1, "msg": "Failed to fetch weather data"}

if __name__ == "__main__":
    uvicorn.run(app, host='0.0.0.0', port=8001)

执行代码

image-20250424100226517

接口成功开启。

使用Postman测试接口的连通性

image-20250424100251374

接口可以正常返回。

将FastAPI接口转化为MCP Server

接下来，给FastAPI接口转化为MCP Server，转化的方式很简单，类似于给FastAPI打上一个补丁。

在app.py同级目录下新建脚本app2mcp.py。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from fastapi_mcp import FastApiMCP
import uvicorn
from app import app

mcp = FastApiMCP(
        fastapi=app,
        name="weather-sse",
        description="通过城市名称（中国城市使用拼音）或经纬度获取天气信息",
        describe_all_responses=True,     # Include all possible response schemas in tool descriptions
        describe_full_response_schema=True  # Include full JSON schema in tool descriptions
    )
mcp.mount()

if __name__ == "__main__":
    uvicorn.run(app, host='0.0.0.0', port=8001)

直接通过import语句将app.py中的FastAPI app对象导入过来即可。

执行app2mcp.py脚本。

image-20250424100612367

通过简单的补丁，我们就已经将FastAPI转化为了MCP Server。

MCP Server调用

使用Cursor测试MCP Server

在Cursor中的MCP配置i文件中写入以下内容。

1
2
3
4
5
6
7
8
{
  "mcpServers": {
    "weather-sse": {
      "url": "http://127.0.0.1:8001/mcp",
      "name": "weather-sse"
    }
  }
}

保存后，可以看到Cursor已经成功连接MCP Server

image-20250424100857447

并且服务器终端也有连接请求。

image-20250424100916378

接下来我们在Cursor对话窗口测试MCP Server功能

image-20250424100953677

可以看到，可以成功调用。

其他MCP Client应用（例如：Claude-Desktop、Cherry Studio、Cline等等）的导入类似，在此不再演示，各位可自行测试。

通过我们自写的MCP Client调用

在我们的配置文件中输入以下内容

1
2
3
4
5
6
7
8
9
10
{
  "mcpServers": {
    "weather-sse": {
      "isActive": true,
      "type": "sse",
      "url": "http://127.0.0.1:8001/mcp",
      "name": "weather-sse"
    }
  }
}

执行client_openai_mix.py

image-20250424101630567

同样可以调用成功。

如果大家对于这块的代码有不清楚的，请看我前面发的文章《从0开始实现MCP-Client》。

同时，原来的FastAPI接口也是不影响使用的。

image-20250424104655834

控制接口端点的暴露

默认的情况下，FastAPI-MCP会将所有的FastAPI接口全部暴露给大模型，大模型全部都可以去调用。但是这样其实是不安全的，有些接口可能涉及到一些法律和隐私问题，不便于公开。那么这个时候，我们可以自己去选择要暴露给MCP Server的接口就显得非常重要了。

我们可以通过在定义FastAPI接口时指定的，operation_id和tags进行过滤和筛选。

通过operation_id进行筛选

通过以下方式，选择operation_id为get_weather_cityname的接口进行暴露，这个时候其他接口就都不会暴露。

image-20250424105111967

还可以通过exclude_operations对某些接口进行反选，这个大家自行尝试。

可以通过添加打印的方式，获取暴露的所有接口。

image-20250424105305540

可以看到此时只有get_weather_cityname这个接口放入了MCP Server。

通过tags进行筛选

operation_id一般用于控制单个接口的暴露与否，如果我们先要批量去控制某些接口的暴露与否，我们可以使用tags进行控制。

我们给前面FastAPI中的get_weather_cityname工具添加tags='mcp'。

image-20250424105707199

然后就可以在FastAPI-MCP中通过tags进行筛选。

image-20250424105746803

通过这样的方式就可以把所有标记为tags='mcp'的接口全部暴露出来，没有标记的接口全部都不会暴露给MCP Server。

同样在这里也可以使用exclude_tags进行tags的反选，大家可以自行尝试。

image-20250424105922623

可以看到此时，同样只有get_weather_cityname这个接口放入了MCP Server。

值得改进的思考

现在的FastAPI-MCP还是非常依赖接口注释的详细程度，本质上还是将接口注释机械的放入到提示词中。这个我们可以通过调试看到。

在图示位置添加断点，然后开启调试。

image-20250424102753910

在调试控制台中输入以下内容，打印工具描述。

1
print(mcp.tools[0].description)

image-20250424102833646

工具描述详情

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
Get Weather Cityname

通过城市名称（中国城市使用拼音）获取天气信息

Args:
    cityname: 城市名称（中国城市使用拼音）

Returns:
    code: 0 成功 -1 失败
    weather: 天气信息
    msg: 成功或失败信息

### Responses:

**200**: Successful Response (Success Response)
Content-Type: application/json

**Example Response:**
```json
{
  "code": 1,
  "msg": "Msg"
}
```

**Output Schema:**
```json
{
  "properties": {
    "code": {
      "type": "integer",
      "title": "Code"
    },
    "weather": {},
    "msg": {
      "type": "string",
      "title": "Msg"
    }
  },
  "type": "object",
  "required": [
    "code",
    "msg"
  ],
  "title": "WeatherResponse"
}
```
**422**: Validation Error
Content-Type: application/json

**Example Response:**
```json
{
  "detail": [
    {
      "loc": [],
      "msg": "Message",
      "type": "Error Type"
    }
  ]
}
```

**Output Schema:**
```json
{
  "properties": {
    "detail": {
      "items": {
        "properties": {
          "loc": {
            "items": {},
            "type": "array",
            "title": "Location"
          },
          "msg": {
            "type": "string",
            "title": "Message"
          },
          "type": {
            "type": "string",
            "title": "Error Type"
          }
        },
        "type": "object",
        "required": [
          "loc",
          "msg",
          "type"
        ],
        "title": "ValidationError"
      },
      "type": "array",
      "title": "Detail"
    }
  },
  "type": "object",
  "title": "HTTPValidationError"
}
```

实际上，FastAPI对于pydantic工具集中度非常高，用户如果通过以下方式去定义变量。

1
2
3
4
from pydantic import BaseModel, Field

class CityName(BaseModel):
    cityname: str = Field(..., description="城市名称，如果是中国城市，需要使用拼音。")

在定义变量时，用户就给出了详细的字段解释，实际上这里的解释是真正需要写入到提示词中的内容，现在的FastAPI-MCP版本没有对这样的数据进行获取。用户如果为了适配，FastAPI-MCP就比如在每个接口中重复的把字段解释编写一边，显得不太智能和繁琐。

其次，如果是将接口修改为MCP Server有可能还会存在一个问题，我们在编写接口时，基本上都是一个格式化的JSON作为输出内容。如果直接把JSON返回给到大模型，那么返回结果中的每个字段都必须在接口的注释中详细写清楚，如果没有写清楚，并且JSON字段的命名可解释性不好，可能就会导致大模型理解出现问题。

如果FastAPI-MCP能够对字段解释进行解读，这个问题实际上也是可以得到解决的，因为在定义FastAPI接口时，可以指定response_model。

image-20250424104329754

-------------本文结束感谢您的阅读-------------