基于FastAPI的顺序思维MCP服务器
基于FastAPI的MCP（模型上下文协议）服务器，通过结构化思维过程为动态和反思性问题解决提供顺序思维工具，以及用于网络抓取和测试的强大无浏览器Playwright自动化工具。
特性
- 顺序思维工具：将复杂问题分解为可管理的步骤
- 动态思维修正：随着理解的加深，修改和完善想法
- 分支推理：转向其他推理路径
- 适应性规划：动态调整想法总数
- 假设生成与验证：生成并验证解决方案假设
- 剧作家浏览器自动化：无浏览器网页抓取、屏幕截图、表单填充和JavaScript执行
- 回声工具：用于测试和调试MCP连接的简单回声工具
- HTTP传输：可使用FastAPI通过流式HTTP访问
- n8n准备就绪：所有Playwright工具都是为与n8n工作流无缝集成而设计的
工具
工具：echo
一个简单的回显工具，返回您发送给它的消息。可用于测试MCP服务器连接和基本功能。
输入：
message（string）：要回显的消息
退货：
echo（string）：原始消息length（整数）：消息的长度status（string）：操作状态（始终为“成功”）
例子：
{
"message": "Hello, World!"
}答复：
{
"echo": "Hello, World!",
"length": 13,
"status": "success"
}剧作家自动化工具
所有Playwright工具都可以运行 无浏览器无头模式，使其非常适合服务器环境和n8n工作流。屏幕截图以base64编码字符串的形式返回，便于集成。
工具：剧作家_编剧
导航到URL并捕获屏幕截图。
输入：
url（字符串，必填）：要导航到的URL（必须包含http://或https://）wait_for_selector（string，可选）：截图前等待的CSS选择器wait_time（整数，可选）：页面加载后的等待时间（毫秒）（默认值：1000）full_page（boolean，可选）：是否捕获完整的可滚动页面（默认值：false）
退货：
status（string）：“成功”或“错误”url（string）：导航到的URLtitle（string）：页面标题screenshot（string）：Base64编码的截图图像screenshot_size（整数）：屏幕截图的大小（以字节为单位）full_page（boolean）：是否捕获了整页
例子：
{
"url": "https://example.com",
"full_page": true
}工具：剧作家_scrape_text
从网页中提取文本内容。
输入：
url（字符串，必填）：要导航到的URLselector（string，可选）：CSS选择器，用于提取特定内容（如果为None，则获取所有正文）wait_time（整数，可选）：页面加载后的等待时间（毫秒）（默认值：1000）
退货：
status（string）：“成功”、“警告”或“错误”url（string）：导航到的URLtitle（string）：页面标题selector（string）：使用的选择器text（string）：提取的文本内容text_length（整数）：提取文本的长度
工具：剧作家_get_html
从网页中提取HTML内容。
输入：
url（字符串，必填）：要导航到的URLselector（string，可选）：CSS选择器，用于提取特定的HTML（如果为None，则获取所有页面HTML）wait_time（整数，可选）：页面加载后的等待时间（毫秒）（默认值：1000）
退货：
status（string）：“成功”、“警告”或“错误”url（string）：导航到的URLtitle（string）：页面标题selector（string）：使用的选择器html（string）：提取的HTML内容html_length（整数）：提取的HTML长度
工具：playwritt_click
导航到URL并单击元素。
输入：
url（字符串，必填）：要导航到的URLselector（string，必填）：要单击的元素的CSS选择器wait_after_click（整数，可选）：单击后等待的时间（毫秒）（默认值：1000）screenshot（布尔值，可选）：点击后是否截图（默认值：true）wait_for_navigation（布尔值，可选）：点击后是否等待导航（默认值：false）
退货：
status（string）：“成功”或“错误”original_url（string）：导航到的原始URLcurrent_url（string）：点击后的当前URLtitle（string）：点击后的页面标题selector（string）：单击的选择器clicked（boolean）：点击是否成功screenshot（字符串，可选）：如果需要，可以使用Base64编码的屏幕截图screenshot_size（整数，可选）：屏幕截图的大小（以字节为单位）
工具：剧作家法
填写网页上的表单字段。
输入：
url（字符串，必填）：要导航到的URLfields（数组，必填）：具有“选择器”和“值”键的对象列表
- 例子： [{"selector": "#email", "value": "test@example.com"}, {"selector": "#password", "value": "secret"}]
submit_selector（string，可选）：提交按钮的CSS选择器（如果为None，则不提交）wait_after_submit（整数，可选）：提交后等待的时间（毫秒）（默认值：2000）screenshot（布尔值，可选）：填充后是否截图（默认值：true）
退货：
status（string）：“成功”或“错误”original_url（string）：导航到的原始URLcurrent_url（string）：表单提交后的当前URLtitle（string）：页面标题filled_fields（array）：显示哪些字段已成功填充的对象列表submitted（boolean）：表单是否已提交screenshot（字符串，可选）：如果需要，可以使用Base64编码的屏幕截图screenshot_size（整数，可选）：屏幕截图的大小（以字节为单位）
工具：剧作家execute.js
在网页上执行JavaScript并获得结果。
输入：
url（字符串，必填）：要导航到的URLscript（string，必填）：要执行的JavaScript代码（应返回JSON可序列化值）wait_time（整数，可选）：页面加载后的等待时间（毫秒）（默认值：1000）
退货：
status（string）：“成功”或“错误”url（string）：导航到的URLtitle（string）：页面标题result（any）：JavaScript代码返回的结果
例子：
{
"url": "https://example.com",
"script": "document.querySelectorAll('a').length"
}工具：顺序思考
为解决问题和分析提供详细的、循序渐进的思维过程。
输入：
thought（string）：当前思考步骤nextThoughtNeeded（boolean）：是否需要另一个思考步骤thoughtNumber（整数）：当前思想数totalThoughts（整数）：估计所需的总想法isRevision（boolean，可选）：这是否改变了之前的想法revisesThought（整数，可选）：正在重新考虑哪个想法branchFromThought（整数，可选）：分支点思想数branchId（字符串，可选）：分支标识符needsMoreThoughts（boolean，可选）：如果需要更多想法
安装
先决条件
- Python 3.11或更高版本
快速设置（推荐）
视窗
# Clone the repository
git clone https://github.com/mersdev/fast-api-mcp.git
cd fast-api-mcp
# Run the setup script (creates venv and installs dependencies)
setup.batLinux/Mac
# Clone the repository
git clone https://github.com/mersdev/fast-api-mcp.git
cd fast-api-mcp
# Make scripts executable
chmod +x setup.sh run.sh
# Run the setup script (creates venv and installs dependencies)
./setup.sh手动设置
如果您更喜欢手动设置：
# Clone the repository
git clone https://github.com/mersdev/fast-api-mcp.git
cd fast-api-mcp
# Create virtual environment
python -m venv .venv
# Activate virtual environment
# On Windows:
.venv\Scripts\activate
# On Linux/Mac:
source .venv/bin/activate
# Install dependencies
pip install -r requirements.txt
# Install Playwright browsers (required for Playwright tools)
playwright install chromium注： Playwright工具需要安装Chromium。安装脚本将提示您安装它，或者您可以运行 playwright install chromium 安装Python依赖项后手动执行。
用法
运行服务器
快速入门（推荐）
窗户：
run.batLinux/Mac：
./run.sh手动启动
激活虚拟环境并运行服务器：
窗户：
.venv\Scripts\activate
python server.pyLinux/Mac：
source .venv/bin/activate
python server.py服务器将于启动 http://0.0.0.0:10000 默认情况下。
您可以使用自定义端口 PORT 环境变量：
PORT=8000 python server.py使用MCP检查器进行调试
- 确保您的虚拟环境已激活并安装了依赖项
- 启动检查器：
# Windows
.venv\Scripts\activate
mcp dev server.py
# Linux/Mac
source .venv/bin/activate
mcp dev server.py然后转到： http://localhost:6274/?MCP_PROXY_AUTH_TOKEN=...
连接到光标
在Cursor中，在聊天设置>MCP服务器下添加您的MCP服务器：
{
"mcpServers": {
"sequential-thinking": {
"url": "http://localhost:10000/mcp/"
}
}
}✅ 备注：您必须包括尾随 / 在URL中。
连接到克劳德桌面
将此添加到您的 claude_desktop_config.json:
{
"mcpServers": {
"sequential-thinking": {
"url": "http://localhost:10000/mcp/"
}
}
}与n8n工作流一起使用
Playwright工具旨在与n8n无缝协作。要使用它们：
- 启动MCP服务器 （确保它在配置的端口上运行）
- 在n8n中，使用HTTP请求节点 调用MCP工具：
- 方法：POST - 网址： http://localhost:10000/mcp/ （或您的服务器URL） - 正文：包含工具名称和参数的JSON
- 示例n8n HTTP截图请求：
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/call",
"params": {
"name": "playwright_screenshot",
"arguments": {
"url": "https://example.com",
"full_page": true
}
}
}- 示例n8n web抓取的HTTP请求：
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/call",
"params": {
"name": "playwright_scrape_text",
"arguments": {
"url": "https://example.com",
"selector": ".content"
}
}
}- 处理响应 在后续的n8n节点中，屏幕截图采用base64编码，可以直接保存或处理。
常见n8n用例：
- 自动网站监控和屏幕截图
- 用于数据收集的网络抓取
- 测试表单自动化
- 从动态网站中提取内容
- 用于高级数据提取的JavaScript执行
用例
顺序思维工具
- 将复杂问题分解为步骤
- 规划和设计，有修改空间
- 可能需要修正航向的分析
- 最初可能不清楚全部范围的问题
- 需要在多个步骤中保持上下文的任务
- 需要过滤掉无关信息的情况
剧作家工具
- Web剪贴：从动态网站中提取文本或HTML内容
- 灯光监视：捕获网站截图以进行更改检测
- 测试：自动化UI测试和验证
- 表单自动化：以编程方式填写和提交表单
- 数据提取：执行自定义JavaScript以进行高级数据收集
- n8n工作流：将浏览器自动化集成到工作流自动化中
- API备选方案：访问没有API的web内容
环境变量
PORT：服务器端口（默认值：10000）DISABLE_THOUGHT_LOGGING：设置为true禁用控制台的思想记录（默认值：false）
测试
测试回声工具
要验证回声工具是否正常工作：
# Windows
.venv\Scripts\activate
python test_echo.py
# Linux/Mac
source .venv/bin/activate
python test_echo.py回声测试验证：
- ✅ 简单消息回声
- ✅ 空消息处理
- ✅ 长消息支持
- ✅ 特殊字符支持
- ✅ 正确的长度计算
测试顺序思维工具
要验证顺序思维工具是否正常工作：
# Windows
.venv\Scripts\activate
python test_tool.py
# Linux/Mac
source .venv/bin/activate
python test_tool.py测试脚本验证：
- ✅ 工具返回正确的字典输出（不是JSON字符串）
- ✅ 思维排序工作正常
- ✅ 修订处理得当
- ✅ 思想史得以维护
- ✅ 没有Pydantic验证错误
项目结构
.
├── server.py # Main FastAPI MCP server (with echo & sequential_thinking tools)
├── sequential_thinking/ # Sequential thinking library
│ ├── __init__.py
│ └── lib.py # Core logic for thought processing
├── test_echo.py # Test script for the echo tool
├── test_tool.py # Test script for the sequential thinking tool
├── setup.bat # Windows setup script
├── setup.sh # Linux/Mac setup script
├── run.bat # Windows run script
├── run.sh # Linux/Mac run script
├── requirements.txt # Python dependencies
├── pyproject.toml # Project metadata
├── runtime.txt # Python runtime version
├── .python-version # Python version for pyenv/uv
├── .gitignore # Git ignore rules
├── FIX_SUMMARY.md # Documentation of the validation error fix
└── README.md # This file运作原理
服务器使用FastMCP库通过HTTP公开多个MCP工具：
回声工具
一个简单的工具：
- 接受消息字符串
- 返回消息及其长度
- 可用于测试MCP连接
剧作家工具
无浏览器自动化工具：
- 使用单例Playwright浏览器实例以提高效率
- 在无头模式下运行（不需要GUI）
- 支持截图（base64编码）、文本/HTML提取、点击、表单填充和JavaScript执行
- 返回结构化JSON响应，非常适合n8n工作流
- 使用详细的错误消息优雅地处理错误
- 使用异步操作以获得更好的性能
顺序思维工具
一个复杂的工具，它：
- 接受带有元数据的思想输入（思想数量、总思想等）
- 验证输入数据
- 保持思想史
- 支持对先前想法的分支和修订
- 返回带有思维状态的结构化响应
发展
运行测试
# Install dev dependencies
uv pip install pytest
# Run tests (if available)
pytest编码结构
- 服务器.py：FastAPI服务器设置和工具定义
- sequential_thinking/lib.py：核心顺序思维逻辑
- ThoughtData：用于思维表示的数据类 - SequentialThinkingServer：用于处理思想的主服务器类
许可证
MIT许可证
鸣谢
基于：
- 顺序思维MCP服务器 通过Anthropic
- 基于流式HTTP的MCP服务器 作者：Alejandro AO
贡献
欢迎投稿！请随时提交拉取请求。
故障排除
服务器无法启动
- 确保已安装Python 3.11+
- 检查端口10000是否可用
- 验证是否安装了所有依赖项：
pip list - 确保虚拟环境已激活
工具未出现在AI助手中
- 添加配置后重新启动AI助手
- 检查服务器是否正在运行
- 验证配置中的URL是否正确
- 检查服务器日志是否有任何错误
验证错误：“输入应该是有效的词典”
此错误已 固定的 在最新版本中。该工具现在可以正确返回字典对象，而不是JSON字符串。
要验证修复程序，请执行以下操作：
python test_tool.py如果您仍然看到此错误：
- 确保您拥有最新版本：
git pull - 重新启动服务器
- 清除AI助手中的所有缓存连接
- 检查一下
server.py导入json并解析结果
端口已在使用中
# Change the port
PORT=8000 python server.py支持
有关问题和疑问，请在 .