快速航班MCP服务器
MCP（模型上下文协议）服务器，用于封装 fast-flights 图书馆为人工智能代理提供强大的航班搜索和分析功能。
特性
此MCP服务器为AI代理提供了以下工具：
- 搜索航班：查找特定日期机场之间的可用航班
- 寻找最优价格：确定路线中最便宜的航班选项
- 查找最短持续时间：找到最快的航班选项
- 比较航班：对所有航班选项进行全面分析
- 筛选航班：应用自定义标准（价格、持续时间、止损）以缩小结果范围
快速开始
安装
# Install uv package manager (if not already installed)
curl -LsSf https://astral.sh/uv/install.sh | sh
# Install dependencies
uv sync
# Test the server
uv run python src/main.py局部测试
# Test the server configuration
uv run python test_mcp_server.py
# Run functional tests (searches real flights)
uv run python tests/test_server.py备注：跑步 uv run main 直接显示JSON-RPC错误-这是意料之中的！MCP服务器通过JSON-RPC通信，需要由MCP客户端（如Claude Desktop或Dedalus）运行，而不是直接从终端运行。
可用工具
1.探照灯
搜索特定日期两个机场之间的航班。
参数：
date（必填）：YYYY-MM-DD格式的航班日期（例如“2025-01-01”）from_airport（必填）：出发机场代码（例如“LAX”、“JFK”、“TPE”）to_airport（必填）：抵达机场代码（例如“SFO”、“LHR”、“MYJ”）adults（可选）：成年乘客人数（默认值：1）children（可选）：儿童乘客数量（默认值：0）infants_in_seat（可选）：座位上的婴儿数量（默认值：0）infants_on_lap（可选）：腿上的婴儿数量（默认值：0）max_results（可选）：返回的最大航班数（默认值：10）
退货： 航班搜索结果，包括价格、持续时间、停靠站等。
2.查找_测试_价格
查找路线和日期的最便宜航班选项。
参数： 同 search_flights （除 max_results)
退货： 最便宜航班的详细信息和价格比较。
3.查找_最短_持续时间
找到旅行时间最短的航班。
参数： 同 search_flights （除 max_results)
退货： 最快飞行的详细信息和持续时间比较。
4.比较飞行选项
全面比较所有可用的航班选项。
参数： 同 search_flights （除 max_results)
退货： 分析包括：
- 最便宜的航班
- 最快飞行
- 推荐选项（被搜索引擎标记为“最佳”）
- 统计数据（平均价格、平均持续时间、价格范围）
- 直达航班可用性
5.过滤器_照明_按标准
根据特定条件过滤航班。
参数：
- 所有参数来自
search_flights加上： max_price（可选）：每人最高价格max_duration（可选）：最长持续时间（分钟）max_stops（可选）：最大停车次数direct_only（可选）：仅显示直达航班（默认值：False）
退货： 符合您条件的筛选航班结果。
用法示例
示例1：基本航班搜索
from dedalus_labs import AsyncDedalus, DedalusRunner
async def search_example():
client = AsyncDedalus(api_key="your-api-key")
runner = DedalusRunner(client)
result = await runner.run(
input="Find flights from LAX to SFO on 2025-01-15 for 2 adults",
model="claude-3-5-sonnet-20241022",
mcp_servers=["your-org/fast-flights-mcp"]
)
print(result.final_output)示例2：寻找最优价格
result = await runner.run(
input="What's the cheapest flight from New York (JFK) to London (LHR) on March 1st, 2025?",
model="openai/gpt-4",
mcp_servers=["your-org/fast-flights-mcp"]
)示例3：比较选项
result = await runner.run(
input="Compare all flight options from TPE to MYJ on 2025-01-01. Show me the cheapest, fastest, and recommended flights.",
model="claude-3-5-sonnet-20241022",
mcp_servers=["your-org/fast-flights-mcp"]
)示例4：筛选航班
result = await runner.run(
input="Find direct flights from LAX to JFK on 2025-02-14 under $300 per person",
model="openai/gpt-4",
mcp_servers=["your-org/fast-flights-mcp"]
)项目结构
fast-flights-mcp/
├── main.py # Entry point for Dedalus
├── pyproject.toml # Package configuration
├── requirements.txt # Dependencies
├── src/
│ ├── __init__.py # Package marker
│ └── main.py # MCP server implementation
└── tests/
└── test_server.py # Test script使用Claude Desktop（本地测试）
使用Claude Desktop测试您的MCP服务器：
- 查找您的Claude Desktop配置文件：
- macOS： ~/Library/Application Support/Claude/claude_desktop_config.json - 窗户： %APPDATA%\Claude\claude_desktop_config.json
- 添加服务器配置：
{
"mcpServers": {
"fast-flights": {
"command": "uv",
"args": ["run", "main"],
"cwd": "/Users/mikey/repos/fast-flights-mcp"
}
}
}- 重新启动克劳德桌面
- 你应该看到一个🔌 指示MCP服务器已连接的图标
- 试着问克劳德：
- “为我找到1月20日从洛杉矶国际机场到旧金山国际机场最便宜的航班” - “3月1日从纽约到伦敦最快的航班是什么？” - “比较从TPE到MYJ的航班选项”
部署到Dedalus
先决条件
- 安装Dedalus命令行界面：
pip install dedalus-labs- 身份验证：
dedalus login部署
# Deploy to Dedalus
dedalus deploy . --name "fast-flights-mcp"使用已部署的服务器
from dedalus_labs import AsyncDedalus, DedalusRunner
async def main():
client = AsyncDedalus(api_key="your-api-key")
runner = DedalusRunner(client)
result = await runner.run(
input="Find me the cheapest flight from LAX to NYC on January 20th",
model="claude-3-5-sonnet-20241022",
mcp_servers=["your-org/fast-flights-mcp"]
)
print(result.final_output)运作原理
- AI代理请求：您的AI代理收到关于航班的自然语言请求
- 工具选择：MCP框架确定了使用哪种航班搜索工具
- API调用：服务器调用
fast-flights具有适当参数的库 - 数据处理：对结果进行格式化和分析
- 响应：结构化飞行数据返回给AI代理
- 自然语言：人工智能将结果格式化为用户友好的响应
飞行数据字段
结果中的每个航班包括：
name：航空公司和航班号departure：出发时间arrival：到达时间departure_time_ahead：出发前的时间（如有）arrival_time_ahead：到达前的时间（如有）duration：总飞行时间（分钟）stops：停车次数（0=直达）price：每人价格is_best：此航班是否标记为推荐选项delay：延迟信息（如有）
机场代码
使用国际航空运输协会标准机场代码：
- 洛杉矶国际机场 -洛杉矶国际
- 约翰·F·肯尼迪 -约翰·肯尼迪国际（纽约）
- 旧金山国际机场 -旧金山国际
- 左心室 -伦敦希思罗机场
- TPE -台湾桃园国际
- MYJ -松山机场（日本）
完整列表：https://en.wikipedia.org/wiki/IATA_airport_code
故障排除
问题：“未找到航班”
- 检查机场代码是否为有效的IATA代码
- 验证日期是否为未来日期，并采用YYYY-MM-DD格式
- 确保路线得到普遍服务
问题：服务器无法启动
- 确保安装了所有依赖项：
uv sync - 检查Python版本：
python --version（要求3.10+） - 验证
fast-flights图书馆正在工作：uv run python -c "import fast_flights; print('OK')"
问题：部署失败
- 确保
pyproject.toml已正确配置 - 检查一下
main.py存在于根级别 - 验证是否列出了所有依赖项
requirements.txt
高级用法
多阶段飞行计划
# Stage 1: Find cheapest option
result1 = await runner.run(
input="Find the cheapest flight from LAX to NYC on Jan 20",
model="openai/gpt-4o-mini",
mcp_servers=["your-org/fast-flights-mcp"]
)
# Stage 2: Compare with fastest option
result2 = await runner.run(
input=f"Based on this cheapest option: {result1.final_output}, now compare it with the fastest flight for the same route and date",
model="claude-3-5-sonnet-20241022",
mcp_servers=["your-org/fast-flights-mcp"]
)
# Stage 3: Make recommendation
result3 = await runner.run(
input=f"Based on these options: {result2.final_output}, recommend the best choice for a business traveler who values time over cost",
model="openai/gpt-4"
)批处理
routes = [
("LAX", "JFK", "2025-01-20"),
("LAX", "SFO", "2025-01-21"),
("JFK", "LHR", "2025-01-22")
]
tasks = []
for from_airport, to_airport, date in routes:
task = runner.run(
input=f"Find best price from {from_airport} to {to_airport} on {date}",
model="openai/gpt-4o-mini",
mcp_servers=["your-org/fast-flights-mcp"]
)
tasks.append(task)
results = await asyncio.gather(*tasks)贡献
欢迎投稿！请随时提交拉取请求。
许可证
麻省理工学院
资源
支持
对于问题或疑问：
- 在GitHub上打开一个问题
- 查看快速航班文件
- 查看MCP服务器示例
______________________________________________________________________
内置❤️ 使用模型上下文协议