一、概述
FastMCP是一个基于Python的高级框架，用于构建MCP（Model Context Protocol）服务器。它能够帮助开发者以最小的代码量创建MCP服务器，从而让AI助手能够更好地与本地工具进行交互。
github官方地址：https://github.com/jlowin/fastmcp
以下是关于FastMCP的详细介绍：
1. 定义与功能
- 定义：FastMCP是一个用于构建MCP服务器的Python框架，它为开发者提供了一种简单优雅的方式来创建MCP服务器，使AI助手能够访问本地工具和资源。
- 核心功能：
- 工具（Tools）：类似于API的POST端点，支持执行计算和产生副作用，可以处理复杂的输入输出。
- 资源（Resources）：类似于API的GET端点，用于加载信息到LLM的上下文，支持静态和动态资源。
- 提示模板（Prompts）：定义可重用的交互模式，支持结构化的消息序列，帮助规范AI交互行为。
- 图片处理：内置图片数据处理，自动处理格式转换，支持工具和资源中使用。
2. 使用场景
- 开发AI助手工具集：为Claude等AI助手提供本地功能扩展，构建特定领域的工具链。
- 数据库交互：安全地暴露数据库查询功能，提供schema信息给AI参考。
- 文件处理：读取和处理本地文件，处理图片等多媒体内容。
- API集成：包装现有API为AI可用的工具，提供统一的访问接口。
二、安装使用
安装
安装很简单，一条命令搞定
pipinstallfastmcp使用
官方示例：
server.py
from fastmcp import FastMCPmcp = FastMCP("Demo 🚀")@mcp.tool()def add(a: int, b: int) ->int:"""Add two numbers""" return a +bif __name__ == "__main__": mcp.run()
注意：直接运行server.py，并不是sse方式。
如果我们想用sse方式，还需要更改代码
fromfastmcpimportFastMCPmcp= FastMCP("Demo 🚀",port=9000)@mcp.tool()def add(a: int, b: int) ->int:"""Add two numbers"""return a +bif__name__=="__main__": mcp.run(transport='sse')
再次运行，就是sse方式了。
打开浏览器，访问：http://127.0.0.1:9000/sse
效果如下：
三、开发mysql8应用
在上一篇文章中，已经写了MCP的mysql8应用，但是并不是使用FastMCP框架开发的。我把那段代码改造一下即可
编写代码
.env文件内容如下：
#MySQL数据库配置MYSQL_HOST=192.168.20.128MYSQL_PORT=3306MYSQL_USER=rootMYSQL_PASSWORD=abcd@1234MYSQL_DATABASE=test
server.py
fromfastmcpimportFastMCPfrommysql.connectorimport connect, Errorfromdotenvimportload_dotenvimportosmcp= FastMCP("operateMysql", port=9000)#@mcp.tool()# def add(a: int, b: int) ->int:#"""Add two numbers"""# return a + bdefget_db_config():"""从环境变量获取数据库配置信息 返回: dict: 包含数据库连接所需的配置信息 - host: 数据库主机地址 - port: 数据库端口 - user: 数据库用户名 - password: 数据库密码 - database: 数据库名称 异常: ValueError: 当必需的配置信息缺失时抛出 """#加载.env文件 load_dotenv() config ={"host": os.getenv("MYSQL_HOST","localhost"),"port": int(os.getenv("MYSQL_PORT","3306")),"user": os.getenv("MYSQL_USER"),"password": os.getenv("MYSQL_PASSWORD"),"database": os.getenv("MYSQL_DATABASE"), } print(config)ifnotall([config["user"], config["password"], config["database"]]):raiseValueError("缺少必需的数据库配置")returnconfig@mcp.tool()def execute_sql(query: str) ->list:"""执行SQL查询语句 参数: query (str): 要执行的SQL语句，支持多条语句以分号分隔 返回: list: 包含查询结果的TextContent列表 - 对于SELECT查询：返回CSV格式的结果，包含列名和数据 - 对于SHOW TABLES：返回数据库中的所有表名 - 对于其他查询：返回执行状态和影响行数 - 多条语句的结果以"---"分隔 异常: Error: 当数据库连接或查询执行失败时抛出 """config=get_db_config()try: with connect(**config) as conn: with conn.cursor() as cursor: statements = [stmt.strip() forstmtinquery.split(";")if stmt.strip()] results =[]forstatementinstatements:try: cursor.execute(statement) # 检查语句是否返回了结果集 (SELECT, SHOW, EXPLAIN, etc.)if cursor.description: columns = [desc[0] fordescin cursor.description] rows =cursor.fetchall()#将每一行的数据转换为字符串，特殊处理None值 formatted_rows =[]forrowin rows: formatted_row =["NULL"ifvalueisNoneelsestr(value)forvaluein row ] formatted_rows.append(",".join(formatted_row))#将列名和数据合并为CSV格式results.append("\n".join([",".join(columns)] + formatted_rows) ) # 如果语句没有返回结果集 (INSERT, UPDATE, DELETE, etc.)else: conn.commit() #只有在非查询语句时才提交results.append(f"查询执行成功。影响行数: {cursor.rowcount}")except Error as stmt_error: #单条语句执行出错时，记录错误并继续执行 results.append( f"执行语句 '{statement}' 出错: {str(stmt_error)}")#可以在这里选择是否继续执行后续语句，目前是继续return["\n---\n".join(results)]except Error as e: print(f"执行SQL '{query}' 时出错: {e}")return[f"执行查询时出错: {str(e)}"]@mcp.tool()def get_table_name(text: str) ->list:"""根据表的中文注释搜索数据库中的表名 参数: text (str): 要搜索的表中文注释关键词 返回: list: 包含查询结果的TextContent列表 - 返回匹配的表名、数据库名和表注释信息 - 结果以CSV格式返回，包含列名和数据 """config= get_db_config() sql ="SELECT TABLE_SCHEMA, TABLE_NAME, TABLE_COMMENT "sql+= f"FROM information_schema.TABLES WHERE TABLE_SCHEMA = '{config['database']}' AND TABLE_COMMENT LIKE '%{text}%';"returnexecute_sql(sql)@mcp.tool()def get_table_desc(text: str) ->list:"""获取指定表的字段结构信息 参数: text (str): 要查询的表名，多个表名以逗号分隔 返回: list: 包含查询结果的列表 - 返回表的字段名、字段注释等信息 - 结果按表名和字段顺序排序 - 结果以CSV格式返回，包含列名和数据 """config=get_db_config()#将输入的表名按逗号分割成列表 table_names = [name.strip() fornameintext.split(",")]#构建IN条件 table_condition = "','".join(table_names) sql ="SELECT TABLE_NAME, COLUMN_NAME, COLUMN_COMMENT "sql+= ( f"FROM information_schema.COLUMNS WHERE TABLE_SCHEMA = '{config['database']}' " ) sql += f"AND TABLE_NAME IN ('{table_condition}') ORDER BY TABLE_NAME, ORDINAL_POSITION;"returnexecute_sql(sql)@mcp.tool()def get_lock_tables() ->list:""" 获取当前mysql服务器InnoDB 的行级锁 返回: list: 包含查询结果的TextContent列表 """sql="""SELECT p2.`HOST` AS 被阻塞方host, p2.`USER` AS 被阻塞方用户, r.trx_id AS 被阻塞方事务id, r.trx_mysql_thread_id AS 被阻塞方线程号, TIMESTAMPDIFF(SECOND, r.trx_wait_started, CURRENT_TIMESTAMP) AS 等待时间, r.trx_query AS 被阻塞的查询, l.OBJECT_NAME AS 阻塞方锁住的表, m.LOCK_MODE AS 被阻塞方的锁模式, m.LOCK_TYPE AS '被阻塞方的锁类型(表锁还是行锁)', m.INDEX_NAME AS 被阻塞方锁住的索引, m.OBJECT_SCHEMA AS 被阻塞方锁对象的数据库名, m.OBJECT_NAME AS 被阻塞方锁对象的表名, m.LOCK_DATA AS 被阻塞方事务锁定记录的主键值, p.`HOST` AS 阻塞方主机, p.`USER` AS 阻塞方用户, b.trx_id AS 阻塞方事务id, b.trx_mysql_thread_id AS 阻塞方线程号, b.trx_query AS 阻塞方查询, l.LOCK_MODE AS 阻塞方的锁模式, l.LOCK_TYPE AS '阻塞方的锁类型(表锁还是行锁)', l.INDEX_NAME AS 阻塞方锁住的索引, l.OBJECT_SCHEMA AS 阻塞方锁对象的数据库名, l.OBJECT_NAME AS 阻塞方锁对象的表名, l.LOCK_DATA AS 阻塞方事务锁定记录的主键值, IF(p.COMMAND = 'Sleep', CONCAT(p.TIME, ' 秒'), 0) AS 阻塞方事务空闲的时间 FROM performance_schema.data_lock_waits w INNER JOIN performance_schema.data_locks l ON w.BLOCKING_ENGINE_LOCK_ID = l.ENGINE_LOCK_ID INNER JOIN performance_schema.data_locks m ON w.REQUESTING_ENGINE_LOCK_ID = m.ENGINE_LOCK_ID INNER JOIN information_schema.INNODB_TRX b ON b.trx_id = w.BLOCKING_ENGINE_TRANSACTION_ID INNER JOIN information_schema.INNODB_TRX r ON r.trx_id = w.REQUESTING_ENGINE_TRANSACTION_ID INNER JOIN information_schema.PROCESSLIST p ON p.ID = b.trx_mysql_thread_id INNER JOIN information_schema.PROCESSLIST p2 ON p2.ID = r.trx_mysql_thread_id ORDER BY 等待时间 DESC;"""returnexecute_sql(sql)if__name__=="__main__": mcp.run(transport="sse")
对比了一下代码，比上次写的少了89行，说明框架使用，还是比较简洁的。
启动应用
python server.py
输出：
INFO: Started server process [19624]INFO: Waiting for application startup.INFO: Application startup complete.INFO: Uvicorn running on http://0.0.0.0:9000 (Press CTRL+C to quit)
测试应用
使用Cherry Studio客户端进行测试
效果和上篇文章，是一样的。