基于 FastAPI 自动构建 SSE MCP 服务器

使用 FastAPI 构建 MCP 服务器，能让 AI 代理与应用程序之间的交互更顺畅。FastAPI 基于 Starlette 和 Uvicorn，采用异步编程模型，处理高并发请求能力出色，尤其在数据库查询、文件操作等 I/O 密集型任务中表现卓越，非常适合大模型与外部系统的实时交互场景。

FastAPI 基础准备

安装依赖

pip install uvicorn fastapi

服务代码示例

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
async def root():
    return {"data": "Hello MCP!"}

启动服务：

uvicorn server:app --reload

在此基础上，我们开发 MCP 服务器。

使用 FastAPI-MCP 构建 MCP Server

fastapi-mcp 是一个零配置工具，能自动将 FastAPI 端点暴露为模型上下文协议（MCP）工具。它无需复杂设置，直接集成到应用中即可自动转换，同时支持自定义工具，性能基于 Python 3.10+ 和 FastAPI，文档友好。

安装依赖

pip install fastapi-mcp

MCP 服务代码示例

from fastapi import FastAPI
from fastapi_mcp import add_mcp_server
from typing import Any
import httpx

# 常量定义
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"

app = FastAPI()
mcp_server = add_mcp_server(
    app,
    mount_path="/mcp",
    name="Weather MCP Server",
    describe_all_responses=True,
    describe_full_response_schema=True
)

async def make_nws_request() -> [, ] | :
    
    headers = {
        : USER_AGENT,
        : 
    }
      httpx.AsyncClient()  client:
        :
            response =  client.get(url, headers=headers, timeout=)
            response.raise_for_status()
             response.json()
         Exception:
             


  () -> :
    
    points_url = 
    points_data =  make_nws_request(points_url)
      points_data:
         
    
    forecast_url = points_data[][]
    forecast_data =  make_nws_request(forecast_url)
      forecast_data:
         
    
    periods = forecast_data[][]
    forecasts = []
     period  periods[:]:
        forecast = 
        forecasts.append(forecast)
     .join(forecasts)