本教程演示了如何使用模型上下文協(xié)議（MCP）和FastAPI將大型語言模型（LLM）與外部工具集成在一起。我們將使用FastAPI構建一個簡單的Web應用程序，并將其轉換為MCP服務器，從而使您的LLM訪問和利用應用程序的功能。

目錄

• Fastapi和MCP：強大的組合
• 介紹FastApi-MCP
• API與FastAPI-MCP的兼容性
• 動手：使用FastAPI-MCP構建MCP服務器
• FastAPI配置
• 光標配置
• 測試您的MCP服務器
• 結論

Fastapi和MCP：強大的組合

FastAPI使用Python簡化了Web應用程序和API的創(chuàng)建。它以易用性和速度而聞名。 MCP是擬人化的開放標準協(xié)議，允許LLMS與外部數(shù)據(jù)源和工具進行交互。通過提供對各種基于Web的工具的訪問，將FASTAPI與MCP結合使用，從而賦予您的LLM。

上圖說明了連接到API端點的MCP服務器，該服務器可能是FastAPI端點或其他第三方API。

介紹FastApi-MCP

FastApi-MCP是一個庫，將您的FastAPI應用程序無縫地轉換為LLMS（例如Chatgpt或Claude）的工具。它簡化了將FastAPI端點集成到AI生態(tài)系統(tǒng)中的過程。

API與FastAPI-MCP的兼容性

FastAPI-MCP支持各種FastAPI端點類型：

• 獲取終點：轉換為MCP資源。
• 帖子，放置，刪除端點：轉換為MCP工具。
• 自定義實用程序功能：可以集成為其他MCP工具。

該庫自動檢??測并轉換這些端點，并保留其架構和文檔。

動手：使用FastAPI-MCP構建MCP服務器

讓我們使用Weather.gov API（無需API密鑰）構建一個簡單的天氣應用程序，然后將其轉換為MCP服務器。

FastAPI配置

1. 安裝依賴項：

 PIP安裝fastapi fastapi-mcp uvicorn mcp-proxy

2. 導入依賴性：（在main.py中）

來自Fastapi Import fastapi，httpexception，查詢
導入httpx
從fastapi_mcp導入fastapimcp

3. 定義fastapi應用：

 app = fastapi（title =“天氣更新API”）

4. 定義路線和功能：（此示例使用簡化的城市坐標查找。生產應用程序將使用適當?shù)牡乩砭幋a服務。）

 city_coordinates = {＃...（如原始示例中的城市坐標數(shù)據(jù)）...}

@app.get（“/天氣”）
async def get_weather（statecode：str = query（...，description =“ state code”），城市：str = query（...，description =“ city name”））：
    ＃...（原始示例中的天氣API相互作用）...

5. 設置MCP服務器：

 mcp = fastapimcp（app，name =“天氣更新API”，Description =“檢索天氣數(shù)據(jù)的API”）
mcp.mount（）

6. 啟動應用程序：

如果__name__ ==“ __ -main __”：
    導入紫外線
    uvicorn.run（app，host =“ 0.0.0.0”，端口= 8000）

光標配置

1. 下載并安裝光標。
2. 創(chuàng)建具有以下配置的mcp.json文件（如有必要，請調整端口）：

 {
  “ McPservers”：{
    “ Weatherapi”：{
      “命令”：“ MCP-Proxy”，
      “ args”：[http：//127.0.0.1:8000/mcp']
    }
  }
}

3. 將mcp.json配置添加到光標的MCP設置中。

測試您的MCP服務器

現(xiàn)在，使用光標查詢您的天氣API。例如：“舊金山的天氣如何？”

結論

通過將FastApi和MCP與fastapi-mcp庫相結合，您可以輕松地將現(xiàn)有或新的API集成到LLM工作流程中，從而大大擴展其功能。這種方法簡化了為LLM創(chuàng)建自定義工具的過程，允許其訪問和利用大量的在線資源。

以上是Fastapi -MCP初學者和專家教程-Analytics Vidhya的詳細內容。更多信息請關注PHP中文網其他相關文章！