FastMCP : framework Python open source pour créer des serveurs MCP
Qu'est-ce que FastMCP ?
FastMCP est un framework Python open source qui se concentre sur la simplification de la mise en place de serveurs et de clients MCP. Il utilise une syntaxe de décorateurs concise, réduisant considérablement le code redondant, et prend en charge les agents ainsi que la composition de serveurs MCP, permettant de répondre facilement aux besoins de développement d'applications complexes. FastMCP est profondément intégré à OpenAPI et FastAPI, ce qui permet de transformer sans effort les API existantes en services MCP. Il dispose également de capacités de traitement d'image et de fonctionnalités client complètes. Pour l'installation, il est recommandé d'utiliser uv, ce qui rend le développement et l'utilisation très pratiques, en particulier en combinaison avec Claude Desktop, pour une expérience optimale.

Fonctionnalités de FastMCP
Développement rapide : fournit des interfaces de haut niveau, les développeurs n'ont pas à gérer les détails complexes des protocoles et la gestion des serveurs, ce qui réduit la quantité de code à écrire.
Simple et facile à utiliser : seule une petite quantité de code boilerplate est nécessaire pour construire un serveur MCP. Les développeurs peuvent facilement définir des outils, des ressources et des prompts via des décorateurs, réduisant ainsi considérablement le code redondant.
Style Pythonic : exploite pleinement les caractéristiques du langage Python, rendant l'écriture du code plus conforme aux habitudes de programmation Python.
Fonctionnalités complètes : offre une implémentation complète des spécifications principales de MCP. Actuellement, les fonctionnalités principales répondent déjà à la plupart des besoins de développement, et le projet est toujours en développement actif.
Composants principaux de FastMCP
Outils (Tools) : définissent les actions exécutables par le LLM (comme les calculs, les appels API), prenant en charge les fonctions synchrones et asynchrones.
Ressources (Resources) : fournissent un accès à des données structurées (comme les informations de configuration, les données utilisateur), prenant en charge les paramètres de chemin dynamiques.
Contexte (Context) : intègre des capacités de journalisation, de rapport de progression, de lecture de ressources, etc., améliorant le contrôle des interactions.
Prompts : modèles d'interaction réutilisables qui guident le LLM à utiliser les outils plus efficacement.
Avantages
Développement rapide : grâce à des interfaces de haut niveau, réduit la quantité de code et accélère le développement.
Concis et facile à utiliser : construit un serveur MCP avec un minimum de code boilerplate.
Pythonic : conforme aux habitudes des développeurs Python.
Implémentation complète : prise en charge complète des spécifications principales de MCP.
Cas d'utilisation de FastMCP
Boîte à outils pour assistants ia : fournit des extensions de fonctionnalités locales pour les assistants IA.
Interaction avec les bases de données : expose de manière sécurisée les fonctionnalités de requête de bases de données.
Traitement de fichiers : lit et traite les fichiers locaux.
Intégration d'API : encapsule les API existantes en outils utilisables par l'IA.
Service client intelligent : FastMCP peut être utilisé pour construire des serveurs offrant au personnel du service client des fonctionnalités telles que la consultation rapide de la base de connaissances et l'appel d'outils d'analyse de données.
Analyse de données : via FastMCP, intégrez divers outils d'analyse de données dans le LLM, permettant aux utilisateurs de traiter et d'analyser les données plus facilement
Installation et exécution de FastMCP
1. Installer les dépendances :
pip install uvicorn pip install fastmcp
2. Créer le projet et écrire le code du serveur :
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. Démarrer le serveur :
uvicorn server:app --reload
ou utiliser l'outil en ligne de commande FastMCP :
fastmcp run server.py

github :https://github.com/jlowin/fastmcp
Détails :https://gofastmcp.com/getting-started/welcome
Assistant scénario▸
Apps AI
Actualités AI 