FastMCP: framework Python de código abierto para construir servidores MCP 136

小编 ·

FastMCP: framework Python de código abierto para construir servidores MCP

FastMCP es un framework Python de código abierto enfocado en facilitar la creación de servidores y clientes MCP. Utiliza una sintaxis de decoradores concisa que reduce enormemente el código repetitivo, admite agentes y servidores MCP compuestos, y maneja con facilidad las necesidades de desarrollo de aplicaciones complejas. FastMCP se integra profundamente con OpenAPI y FastAPI, lo que permite convertir sin esfuerzo APIs existentes en servicios MCP. También incluye capacidades de procesamiento de imágenes y un cliente completo. Se recomienda su instalación con uv para desarrollo y uso.

FastMCP: framework Python de código abierto para construir servidores MCP

¿Qué es FastMCP?

FastMCP es un framework de Python de código abierto, enfocado en hacer que la construcción de servidores y clientes MCP sea más sencilla. Utiliza una sintaxis de decoradores concisa, lo que reduce en gran medida el código redundante, y también admite agentes y servidores MCP compuestos, capaces de satisfacer fácilmente las necesidades de desarrollo de aplicaciones complejas. FastMCP se integra profundamente con OpenAPI y FastAPI, lo que permite convertir APIs existentes en servicios MCP sin esfuerzo. También cuenta con capacidad de procesamiento de imágenes y funciones de cliente muy completas. Para la instalación, se recomienda usar uv, que es muy conveniente para desarrollar y usar, especialmente combinado con Claude Desktop, para una experiencia aún mejor.

FastMCP:用于构建MCP服务器的开源 Python框架.webp

Características de FastMCP

  • Desarrollo rápido: ofrece interfaces de alto nivel, los desarrolladores no necesitan manejar detalles complejos de protocolos ni administración de servidores, lo que reduce la cantidad de código a escribir.

  • Fácil de usar: con solo una pequeña cantidad de código repetitivo se puede construir un servidor MCP, los desarrolladores pueden definir fácilmente herramientas, recursos y prompts mediante decoradores, lo que reduce en gran medida el código redundante.

  • Estilo Pythonic: aprovecha al máximo las características del lenguaje Python, haciendo que la escritura de código se ajuste más a los hábitos de programación en Python.

  • Funcionalidad completa: ofrece una implementación completa de las especificaciones centrales de MCP; actualmente, las funciones principales ya pueden satisfacer la mayoría de las necesidades de desarrollo y sigue en desarrollo activo.

Componentes principales de FastMCP

  • Herramientas (Tools): definen operaciones ejecutables por el LLM (como cálculos, llamadas a API), admiten funciones síncronas y asíncronas.

  • Recursos (Resources): proporcionan acceso a datos estructurados (como información de configuración, datos de usuarios), admiten parámetros de ruta dinámicos.

  • Contexto (Context): incorpora capacidades de registro de logs, informes de progreso, lectura de recursos, entre otros, mejorando el control de la interacción.

  • Prompts: plantillas de interacción reutilizables que guían al LLM para un uso más eficiente de las herramientas.

Ventajas

  • Desarrollo rápido: mediante interfaces avanzadas, reduce la cantidad de código y acelera el desarrollo.

  • Conciso y fácil de usar: construye servidores MCP con el mínimo código repetitivo.

  • Pythonic: se ajusta a los hábitos de los desarrolladores de Python.

  • Implementación completa: soporte integral de las especificaciones centrales de MCP.

Casos de uso de FastMCP

  • Conjunto de herramientas para asistentes ai: proporciona extensiones de funciones locales para asistentes de IA.

  • Interacción con bases de datos: expone de forma segura las funcionalidades de consulta de bases de datos.

  • Procesamiento de archivos: lee y procesa archivos locales.

  • Integración de APIs: envuelve APIs existentes como herramientas utilizables por la IA.

  • Atención al cliente inteligente: se puede usar FastMCP para construir un servidor que brinde al personal de atención al cliente funciones como consultas rápidas a la base de conocimientos y uso de herramientas de análisis de datos.

  • Análisis de datos: mediante FastMCP se pueden integrar diversas herramientas de análisis de datos en el LLM, permitiendo a los usuarios realizar procesamiento y análisis de datos de forma más cómoda.

Instalación y ejecución de FastMCP

1. Instalar dependencias:

pip install uvicorn
pip install fastmcp

2. Crear el proyecto y escribir el código del servidor:

from fastmcp import FastMCP
mcp = FastMCP("My App")
@mcp.tool()
def add(a: int, b: int) -> int:
return a + b
if __name__ == "__main__":
mcp.run(debug=True)

3. Iniciar el servidor:

uvicorn server:app --reload

o usar la herramienta de línea de comandos de FastMCP:

fastmcp run server.py

FastMCP安装与运行.webp

github:https://github.com/jlowin/fastmcp

Detalles:https://gofastmcp.com/getting-started/welcome