Token导航 LogoToken导航TokenDH.com
Fastmcp Streamable Middleware logo
AI代理stdio官方级别未说明来源级核验

Fastmcp Streamable Middleware

MCP Server

一个基于FastMCP和FastAPI的MCP协议服务器,提供数学运算工具并通过流式HTTP协议进行高效通信。

工具数

3

提示词数

0

GitHub Stars

0

资源数

0
数学运算FastAPI中间件Python

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

ajafry

提供方

ajafry

最后核验

2026/5/17 20:20

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install -r requirements.txt

详细介绍

利用中间件的远程MCP服务器(流式HTTP)

展示如何构建和集成 模型上下文协议(MCP) 服务器使用 FastMCP 随着 快速API该项目实现了一个数学运算服务器,该服务器通过MCP协议提供加法、减法和乘法工具。

🚀 特性

  • MCP服务器实现:采用FastMCP构建,实现无缝LLM工具集成
  • FastAPI集成:将MCP服务器装载到FastAPI应用程序中
  • 流式HTTP协议:使用高效的流式HTTP传输进行客户端-服务器通信
  • 自定义中间件:演示用于请求日志记录和工具管理的中间件实现
  • 数学工具:将三个数学运算(加、减、乘)作为MCP工具公开
  • 健康监测:包括用于监视服务器状态的健康检查端点

🏗️ 建筑

服务器组件

  1. FastMCP服务器 (server.py):

- 使用数学工具初始化FastMCP服务器 - 实现用于日志记录和工具管理的自定义中间件 - 使用流式HTTP协议进行高效通信 - 在FastAPI中挂载以实现统一部署

  1. 自定义中间件 (shared/simple_fastmcp_middleware.py):

- 记录传入请求和工具调用 - 提供工具可用性和使用情况的可见性 - 演示中间件生命周期挂钩

  1. MCP客户端 (client.py):

- 使用StreamableHttpTransport连接到MCP服务器 - 列出服务器上的可用工具 - 演示基本的客户端-服务器交互

📋 先决条件

  • Python 3.8+
  • FastMCP库
  • FastAPI框架

🛠️ 安装

  1. 克隆存储库:
git clone 
cd fast-mcp
  1. 安装依赖项:
pip install -r requirements.txt

🚀 用法

启动服务器

使用uvicorn运行MCP服务器:

uvicorn server:app --reload --port 8000

服务器将于启动 http://localhost:8000 具有以下端点:

  • 健康检查: GET /health
  • MCP协议: /simple-mcp/mcp/* (已安装MCP服务器)

运行客户端

在单独的终端中,运行客户端以测试连接:

python client.py

这将连接到服务器并列出所有可用工具。

🔧 关键实施细节

在FastAPI中安装MCP服务器

该项目演示了如何在FastAPI应用程序中挂载FastMCP服务器:

# Initialize FastMCP server
mcp = FastMCP("Math Operations Server")
mcp.add_middleware(SimpleMiddleware())

# Create FastAPI app and mount MCP server
mcp_app = mcp.http_app(transport="streamable-http")
app = FastAPI(lifespan=mcp_app.lifespan)
app.mount("/simple-mcp", mcp_app)

可流式HTTP传输

该项目使用流式HTTP协议进行高效的客户端-服务器通信:

# Server side
mcp_app = mcp.http_app(transport="streamable-http")

# Client side
client = Client(StreamableHttpTransport("http://localhost:8000/simple-mcp/mcp"))

自定义中间件实现

SimpleMiddleware 类演示了如何为以下对象实现自定义中间件:

  • 请求日志记录和监控
  • 工具可用性跟踪
  • 工具调用日志记录
class SimpleMiddleware(Middleware):
    async def on_request(self, context: MiddlewareContext, call_next):
        self.log_info(f"*** on_request inside MCP server")
        return await call_next(context)

    async def on_call_tool(self, context: MiddlewareContext, call_next):
        # Log tool invocations
        return await call_next(context)

工具定义

使用FastMCP装饰器定义数学工具:

@mcp.tool()
def add(a: float, b: float) -> float:
    """Add two numbers together."""
    return a + b

🧪 可用工具

服务器公开了三个数学工具:

  1. 添加(a,b):将两个数字相加
  2. 减去(a,b):从第一个数字中减去第二个数字
  3. 乘(a,b):将两个数字相乘

🔍 API终点

  • GET /health -健康检查端点
  • POST /simple-mcp/mcp/tools/list -列出可用的MCP工具
  • POST /simple-mcp/mcp/tools/call -调用MCP工具
  • GET /simple-mcp/mcp/protocol -MCP协议信息

🏁 这种架构的好处

  1. 统一部署:REST API和MCP工具都在一个服务器下
  2. 高效通信:流式HTTP协议减少了开销
  3. 中间件支持:自定义日志记录、身份验证和监控
  4. 可扩展性:FastAPI的性能与MCP的协议效率
  5. 开发经验:热重新加载和全面记录

🤝 贡献

请随时提交问题、功能请求或拉取请求,以改进此演示项目。

📄 许可证

本项目作为示范和学习资源提供。

目录标签

目录标签

数学运算FastAPI中间件PythonMCP协议本地部署流式HTTP

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

3

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP