跳到主要内容Python 开发 MCP Server 集成 MongoDB 数据库查询服务实战 | 极客日志PythonAI
Python 开发 MCP Server 集成 MongoDB 数据库查询服务实战
MCP 协议是模型上下文协议,旨在为大模型提供工具链能力。本文介绍了基于 Python 开发 MCP Server 的两种主要方式:使用官方 mcp 库的 FastMCP 模式,以及结合 FastAPI 的 fastapi-mcp 模式。文章通过爬虫示例和 MongoDB 数据库查询服务实战,演示了如何将本地业务逻辑封装为 MCP 工具供大模型调用。此外,还涵盖了 MCP Hub 的 Docker 部署方案及 1Panel 环境下的快速集成方法,帮助开发者将企业数据能力无缝接入 AI 应用。
目前 MCP(Model Context Protocol)协议是给大模型插上工具链的翅膀,让大模型不仅拥有超高的推理和文本生成能力,还能具备执行大脑意识的工具能力。
如何开发一个 MCP?
MCP 是一种协议,指的是模型上下文协议 (Model Context Protocol)。
mcp 库
from mcp.server.fastmcp import FastMCP
import requests
mcp = FastMCP("spider")
@mcp.tool()
def crawl(url: str) -> int:
"""获取网页的源代码"""
response = requests.get(url)
return response.text
if __name__ == "__main__":
mcp.run(transport='stdio')
以上代码实现了 FastMCP 库来创建一个简单的 MCP 服务器,它提供一个基本的工具(工具名:crawl),用于实现源代码的获取。这是一个非常简单的爬虫 MCP 入门示例,适合理解 MCP 服务器的工作原理和 FastMCP 的基本用法。
代码分析
首先,从 mcp.server.fastmcp 模块中导入了 FastMCP 类。接着,创建了一个 FastMCP 类的实例,命名为 spider。
FastMCP 是服务器的核心类,它负责管理工具、资源和通信。参数「spider」是服务器的名称,用于标识这个 MCP 服务器。
然后,@mcp.tool() 是一个装饰器(decorator),它告诉 FastMCP 将 crawl 函数注册为一个可供客户端调用的工具。
文档字符串("""获取网页的源代码"""):这是函数的描述,客户端(如 MCP Inspector)会显示这个描述,帮助用户理解工具的功能。这个工具可以被外部客户端调用!
例如通过 MCP 协议发送请求,传入 url,服务器会返回它的网页源代码。
mcp.run(transport='stdio') 启动 MCP 服务器,进入监听状态,等待客户端的连接和请求。transport='stdio' 指定了通信方式为标准输入输出(Standard I/O)。这意味着服务器通过命令行的标准输入(stdin)和标准输出(stdout)与客户端通信,适合本地开发和测试。
mcp.run(transport='stdio') 启动 MCP 服务器,如果需要远程通信,可以更改为其他传输方式(如 'sse',Server-Sent Events)。
fastapi-mcp 库
import requests
from fastapi import FastAPI, HTTPException, Query
from pydantic import BaseModel
from typing import Optional
from fastapi_mcp import add_mcp_server
app = FastAPI(
title="spider",
description="A simple example API with integrated MCP server",
version="0.1.0",
)
@app.get("/items/{url}", tags=["items"])
def crawl(url: Optional[str] = Query(None, description="get websource from url")) -> dict:
"""获取网页的源代码"""
response = requests.get(url)
return {"response": response.text}
mcp_server = add_mcp_server(
app,
mount_path="/mcp",
name="Item API MCP",
description="MCP server for the Item API",
base_url="http://localhost:8000",
describe_all_responses=False,
describe_full_response_schema=False,
)
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)
fastapi_mcp 分析
上面的案例引入了 fastapi 和 fastapi-mcp 并实例化一个 fastapi 的类;
然后使用 fastapi 编写了一个方法用户获取一个 url 站点的源代码;
最后导入 uvicorn 库,正常启动 fastapi 的服务;可以无缝的将代码转成 mcp server!
以上两种实现 MCP 服务的方式,都可以学习下,尤其是如果你本身对 fastapi 比较的熟练,那么可以直接使用 fastapi-mcp 将服务注册为 MCP server!如果熟悉 python,但是不熟悉 fastapi 也可以使用官方推荐的 mcp 库,节省学习的成本,降低学习难度系数!
实战编写 mongodb 数据库查询 MCP 服务
import sys
from datetime import datetime
import traceback
import uvicorn
from fastapi_mcp import add_mcp_server
from fastapi import FastAPI, status, HTTPException, Response, Query
import motor.motor_asyncio
app = FastAPI()
@app.get("/api/computes/", status_code=status.HTTP_200_OK, summary="根据结构式获取化合物计算属性的值")
async def computed(smiles: Optional[str] = Query(None, description="Search smiles string")):
result = ChemRdkit(smiles=smiles).computed
if result and result.get("code") == 200:
del result["code"]
return ResponseModel(data=result, message="success")
return ErrorResponseModel(error=result.get("error"), code=status.HTTP_404_NOT_FOUND, message=result.get("message"))
@app.get("/api/chemicals/{casno}/", status_code=status.HTTP_200_OK, summary="根据 casno 获取单个化合物")
async def chemicals(casno:str):
""" 根据 casno 获取化合物 """
result = await chemical_get_data(casno=casno)
if result:
return ResponseModel(data=result, message="success")
return ErrorResponseModel(error="数据不存在", code=status.HTTP_404_NOT_FOUND, message="数据不存在")
@app.get("/image/{filename}/", status_code=status.HTTP_200_OK, summary="访问结构式图片")
async def get_image(filename: str):
print(filename)
image_content = struct_obj.get_struct(filename)
if image_content:
return Response(content=image_content, media_type="image/jpeg")
obj = await get_smiles(casno=filename.replace("_", "-"))
if obj:
ChemRdkit(smiles=obj.get("smiles", "")).struct(filename=obj.get("casno"))
image_content = struct_obj.get_struct(filename)
if image_content:
return Response(content=image_content, media_type="image/jpeg")
return None
mcp_server = add_mcp_server(
app,
mount_path="/mcp",
name="Item API MCP",
description="MCP server for the Item API",
base_url="http://192.168.1.250:9999",
describe_all_responses=False,
describe_full_response_schema=False,
)
if __name__ == "__main__":
uvicorn.run(app, host="0.0.0.0", port=9999)
实现查询 casno 的基本信息,以及根据 smiles 生成化合物的属性信息
以上就可以把企业本地查询数据的一般能力集成到 deepseek 中了!让企业赶得上 AI 的快车!
搭建自己的本地 MCP hub
Hub 服务器 (MCP Hub):作为中央管理服务器,连接并管理多个 MCP 服务器。它为客户端提供统一的 API 入口,并将请求路由到相应的 MCP 服务器。
docker run --name=mcphub -p 3001:3000 --restart=always -d registry.cn-hangzhou.aliyuncs.com/samanhappy/mcphub
1panel MCP server
curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh && sudo bash quick_start.sh
其他 MCP 服务参考
微信扫一扫,关注极客日志
微信公众号「极客日志」,在微信中扫描左侧二维码关注。展示文案:极客日志 zeeklog
相关免费在线工具
- RSA密钥对生成器
生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online
- Mermaid 预览与可视化编辑
基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online
- curl 转代码
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具,curl 转代码在线工具,online
- Base64 字符串编码/解码
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online
- Base64 文件转换器
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online
- Markdown转HTML
将 Markdown(GFM)转为 HTML 片段,浏览器内 marked 解析;与 HTML转Markdown 互为补充。 在线工具,Markdown转HTML在线工具,online