AI 时代如何重新学习Python:fast-mcp
一、引子
在 AI 时代，模型上下文协议（Model Context Protocol, MCP）成为了连接 AI 模型与外部工具和资源的重要标准。Fast-MCP 是一个专为 Python 开发者设计的轻量级、高性能的 MCP 框架，它简化了 MCP 服务器的开发过程，让开发者能够快速构建和部署自己的 MCP 服务。
FastMCP 与官方 SDK 的关系
相比官方 SDK，FastMCP的 API 设计更加简洁、开发效率更高，它是用于处理模型上下文协议的标准框架。
这是FastMCP 2.0，这是一个积极维护的版本，为处理MCP生态系统提供了一个完整的工具包，具有一套全面的功能，远超核心MCP规范，所有这些都在为提供通往生产的最简单路径服务。这包括部署、认证、客户端、服务器代理和组合、从REST API生成服务器、动态工具重写、内置测试工具、集成等。
二、快速开始
安装和基础使用
uv pip install fast-mcp
创建一个简单的 MCP 服务器：
from fast_mcp import Server
server = Server("my-mcp-server")
@server.tool()
def calculator(expression: str) -> str:
"""计算数学表达式"""
try:
result = eval(expression)
return f"计算结果: {result}"
except Exception as e:
return f"计算错误: {str(e)}"
if __name__ == "__main__":
server.run()
MCP 三种通信方式简介
Fast-MCP 支持三种主流的通信方式，满足不同开发和部署场景的需求：
1. stdio（标准输入输出）
- 原理：通过进程的标准输入（stdin）和标准输出（stdout）进行数据交换。
- 典型场景：本地 CLI 工具、插件式集成、AI 编辑器本地调用。
2. SSE（Server-Sent Events）
- 原理：基于 HTTP 协议的单向流式通信，服务器可以持续向客户端推送事件。
- 优点：支持实时流式输出，适合需要持续反馈的 AI 推理场景。
- 缺点：仅支持单向通信，客户端无法主动推送数据到服务器。
3. Streamable HTTP
- 原理：通过 HTTP 协议实现双向流式通信，支持请求和响应的数据流传输。
- 优点：兼容性好，易于与 Web 服务、云平台集成，支持大规模分布式部署。
- 缺点：实现相对复杂，对服务端和客户端的流式处理能力有一定要求。
- 典型场景：Web API、云端 AI 服务、跨平台集成。
三、核心概念
3.1 工具（Tools）
工具是 MCP 服务器的核心组件，它们定义了 AI 模型可以调用的功能：
@server.tool()
def my_tool(param1: str, param2: int) -> str:
"""工具描述"""
return "结果"
3.2 资源（Resources）
资源允许 AI 模型访问外部数据源：
@server.resource("file://{path}")
def file_resource(path: str) -> str:
"""读取文件资源"""
with open(path, 'r') as f:
return f.read()
3.3 数据源（Data Sources）
数据源提供了更复杂的数据访问能力：
@server.data_source("database")
def database_source(query: str) -> list:
"""数据库查询"""
return results
四、高级功能
4.1 异步支持
Fast-MCP 完全支持异步操作：
@server.tool()
async def async_weather_api(city: str) -> str:
"""异步获取天气信息"""
async with aiohttp.ClientSession() as session:
async with session.get(f"https://api.weatherapi.com/v1/current.json?key=YOUR_KEY&q={city}") as response:
data = await response.json()
return f"{city}: {data['current']['temp_c']}°C"
4.2 错误处理
from fast_mcp import MCPError
@server.tool()
def safe_division(a: float, b: float) -> str:
"""安全的除法运算"""
if b == 0:
raise MCPError("除数不能为零")
return f"结果: {a / b}"
4.3 配置管理
from fast_mcp import ServerConfig
config = ServerConfig(
name="my-server",
version="1.0.0",
description="我的 MCP 服务器"
)
server = Server(config=config)
五、实际应用场景
5.1 代码分析工具
import ast
@server.tool()
def analyze_python_code(file_path: str) -> str:
"""分析 Python 代码结构"""
try:
with open(file_path, 'r') as f:
code = f.read()
tree = ast.parse(code)
functions = [node.name for node in ast.walk(tree) if isinstance(node, ast.FunctionDef)]
classes = [node.name for node in ast.walk(tree) if isinstance(node, ast.ClassDef)]
return f"""
文件: {file_path}
函数数量: {len(functions)}
类数量: {len(classes)}
函数列表: {', '.join(functions)}
类列表: {', '.join(classes)}
"""
except Exception as e:
return f"分析错误: {str(e)}"
5.2 数据库操作工具
import sqlite3
@server.tool()
def query_database(db_path: str, sql: str) -> str:
"""执行 SQL 查询"""
try:
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
cursor.execute(sql)
results = cursor.fetchall()
conn.close()
return f"查询结果: {results}"
except Exception as e:
return f"查询错误: {str(e)}"
5.3 文件系统工具
import os
import json
@server.tool()
def list_directory(path: str) -> str:
"""列出目录内容"""
try:
items = os.listdir(path)
files = [item for item in items if os.path.isfile(os.path.join(path, item))]
dirs = [item for item in items if os.path.isdir(os.path.join(path, item))]
return f"""
目录: {path}
文件: {files}
文件夹: {dirs}
"""
except Exception as e:
return f"列出目录错误: {str(e)}"
@server.tool()
def create_json_file(file_path: str, data: str) -> str:
"""创建 JSON 文件"""
try:
parsed_data = json.loads(data)
with open(file_path, 'w') as f:
json.dump(parsed_data, f, indent=2)
return f"成功创建文件: {file_path}"
except Exception as e:
return f"创建文件错误: {str(e)}"
六、总结
咱们只要掌握这几点，就算入门啦：
知道它是个简化MCP服务器开发的Python框架，比官方SDK好上手
它的核心就是帮咱们快速搭建AI能调用的服务，新手不用慌，跟着基础步骤练，很快就能上手～
