このチュートリアルでは、モデルコンテキストプロトコル（MCP）とFastAPIを使用して、大規(guī)模な言語(yǔ)モデル（LLM）を外部ツールと統(tǒng)合する方法を示しています。 FastAPIを使用してシンプルなWebアプリケーションを構(gòu)築し、MCPサーバーに変換して、LLMがアプリケーションの機(jī)能にアクセスして利用できるようにします。

目次

• FastapiとMCP：強(qiáng)力な組み合わせ
• Fastapi-MCPの紹介
• FastAPI-MCPとのAPI互換性
• ハンズオン：FastAPI-MCPを使用してMCPサーバーを構(gòu)築します
• FASTAPI構(gòu)成
• カーソル構(gòu)成
• MCPサーバーのテスト
• 結(jié)論

FastapiとMCP：強(qiáng)力な組み合わせ

Fastapiは、Pythonを使用してWebアプリケーションとAPIの作成を簡(jiǎn)素化します。使いやすさと速度で知られています。人類(lèi)のオープン標(biāo)準(zhǔn)プロトコルであるMCPにより、LLMは外部データソースやツールと対話(huà)できます。 FastapiとMCPを組み合わせることで、幅広いWebベースのツールへのアクセスを提供することにより、LLMを強(qiáng)化します。

上記の図は、APIエンドポイントに接続されたMCPサーバーを示しています。これは、FastAPIエンドポイントまたは別のサードパーティAPIである可能性があります。

Fastapi-MCPの紹介

FastApi-MCPは、FastAPIアプリケーションをChatGPTやClaudeなどのLLMが容易に使用できるツールにシームレスに変換するライブラリです。 FastAPIエンドポイントをAIエコシステムに統(tǒng)合するプロセスを簡(jiǎn)素化します。

FastAPI-MCPとのAPI互換性

Fastapi-MCPは、さまざまなFastAPIエンドポイントタイプをサポートしています。

• Endpointsを取得： MCPリソースに変換されます。
• 投稿、配置、削除エンドポイント： MCPツールに変換されます。
• カスタムユーティリティ関數(shù)：追加のMCPツールとして統(tǒng)合できます。

ライブラリは、これらのエンドポイントを自動(dòng)的に検出および変換し、スキーマとドキュメントを保存します。

ハンズオン：FastAPI-MCPを使用してMCPサーバーを構(gòu)築します

Weather.gov API（APIキーは不要）を使用して単純な気象アプリケーションを構(gòu)築し、MCPサーバーに変換しましょう。

FASTAPI構(gòu)成

1. 依存関係をインストールします：

 PIP Install Fastapi Fastapi-MCP Uvicorn MCP-Proxy

2. インポート依存関係：（ main.py ）

 Fastapi Import Fastapi、httpexception、Queryから
httpxをインポートします
FASTAPI_MCPからImport FastApimcpから

3. Fastapiアプリの定義：

 app = fastapi（title = "天気更新api"）

4. ルートと機(jī)能の定義：（この例では、簡(jiǎn)略化された都市座標(biāo)検索を使用します。生産アプリケーションは適切なジオコーディングサービスを使用します。）

 city_coordinates = {＃...（元の例のような都市座標(biāo)データ）...}

@app.get（ "/天気"）
async def get_weather（statecode：str = query（...、description = "state code"）、city：str = query（...、description = "city name"））：
    ＃...（元の例のように天気API相互作用）...

5. MCPサーバーのセットアップ：

 mcp = fastApimcp（app、name = "天気更新api"、description = "天気データを取得するためのAPI"）
mcp.mount（）

6. アプリを開(kāi)始します：

 __name__ == "__main__"の場(chǎng)合：
    uvicornをインポートします
    uvicorn.run（app、host = "0.0.0.0"、port = 8000）

カーソル構(gòu)成

1. カーソルをダウンロードしてインストールします。
2. 次の構(gòu)成でmcp.jsonファイルを作成します（必要に応じてポートを調(diào)整します）：

 {
  「McPservers」：{
    「Weatherapi」：{
      「コマンド」：「McP-Proxy」、
      「args」：["http://127.0.1:8000/mcp"]]
    }
  }
}

3. mcp.json構(gòu)成をCursorのMCP設(shè)定に追加します。

MCPサーバーのテスト

次に、カーソルを使用して天気APIを照會(huì)します。たとえば、「サンフランシスコの天気はどうですか？」

結(jié)論

FastapiとMCPとfastapi-mcpライブラリを組み合わせることにより、既存または新しいAPIをLLMワークフローに簡(jiǎn)単に統(tǒng)合し、機(jī)能を大幅に拡大できます。このアプローチは、LLMのカスタムツールを作成するプロセスを合理化し、膨大な數(shù)のオンラインリソースにアクセスして利用できるようにします。

以上が初心者および専門(mén)家向けのFastapi -MCPチュートリアル-Analytics Vidhyaの詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國(guó)語(yǔ) Web サイトの他の関連記事を參照してください。