结论先说
- 先分清两个包:早期 FastMCP 1.0 曾并入官方
mcp包(且官方 SDK v2 已把内置类改名为MCPServer);而现在大家常说的独立版 FastMCP 是单独安装的fastmcp包(官网gofastmcp.com),导入写from fastmcp import FastMCP。 - 定义一个工具只需
@mcp.tool装饰器:同步函数和async def异步函数都支持,函数名、类型标注和文档字符串会自动转成给模型看的 JSON Schema。 - 参数精细校验靠
Annotated搭配 PydanticField:像ge=1、le=50、Literal枚举这类规则既会写进工具描述提示模型,也会在服务端执行前强制拦截非法输入。 - 本地测试不一定要起子进程:FastMCP 自带内存级
Client(mcp),几行异步脚本就能在本地跑通单测,也可以用fastmcp dev打开网页调试面板。 - 主力模型订阅与账号配套入口:跑通 MCP 工具链与多文件智能体编码依赖稳定的底层大模型配额,国内免境外卡自助开通可见本站 Claude Code 订阅页、ChatGPT Plus 充值页 与 AI 会员充值总览。

图:本站根据 FastMCP 官方文档 与 MCP Python SDK 整理的对比示意图
本文根据 FastMCP 官方文档站(gofastmcp.com)、官方仓库《jlowin/fastmcp》与 MCP 官方《python-sdk》说明整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 FastMCP 或 Anthropic 官方网站。
适用于谁
- 搜「fastmcp 教程」,想用最少样板代码把 Python 函数封装成 MCP 工具的开发者;
- 分不清
from fastmcp import FastMCP和from mcp.server.fastmcp import FastMCP为什么写法不一样的读者; - 需要严格限制大模型传参范围(比如数值上下限、枚举项、字符串长度)的后端工程师。
一、先避坑:独立 fastmcp 与官方 mcp 包别混导
Python 生态里有两条路都能写 MCP 服务器,网上教程经常把它们混在一起讲,导致新手一运行就报导入错误:
- 路线 A(本文讲的独立框架):安装
fastmcp包,由原作者团队在jlowin/fastmcp持续迭代,在基础协议之上扩展了服务端组合挂载、OpenAPI / FastAPI 自动转换、内存直连客户端等能力。 - 路线 B(官方基础 SDK):安装
mcp包,适合只需要标准协议原语的项目,它的完整入门与 v2 迁移细节见本站 MCP Server 开发入门(Python)。
选定独立版 FastMCP 后,在虚拟环境里直接用 uv 或 pip 安装(要求 Python 3.10 及以上):
bash
uv add fastmcp
# 或者使用 pip:
pip install fastmcp
二、装饰器定义工具与 Pydantic 参数校验
新建 server.py。在实际业务里,光写 limit: int 往往不够,模型可能会传 -5 或 99999 把下游接口拖垮。FastMCP 原生集成 Pydantic 校验,推荐把 typing.Annotated、Literal 和 pydantic.Field 组合起来写:
python
from typing import Annotated, Literal
from pydantic import Field
from fastmcp import FastMCP, Context
mcp = FastMCP("TicketService")
@mcp.tool(annotations={"readOnlyHint": True})
async def search_tickets(
keyword: Annotated[
str,
Field(description="搜索关键词,至少 2 个字符", min_length=2, max_length=50),
],
status: Annotated[
Literal["open", "pending", "closed"],
Field(description="工单状态筛选,只能填 open、pending 或 closed"),
] = "open",
limit: Annotated[
int,
Field(description="返回条数上限,范围 1 到 50", ge=1, le=50),
] = 10,
ctx: Context | None = None,
) -> list[dict]:
"""按关键词和状态检索内部客服工单列表。"""
if ctx:
await ctx.info(f"正在检索关键词:{keyword},状态:{status}")
return [{"id": 101, "title": f"示例工单:{keyword}", "status": status}][:limit]
if __name__ == "__main__":
mcp.run()
这段写法里有四个关键设计:
@mcp.tool不带括号也能用:不需要额外元数据时直接写@mcp.tool;需要声明只读或破坏性提示时,像上面这样传annotations={"readOnlyHint": True}。- 双重防线校验:
min_length=2、ge=1、le=50和Literal会直接编译进工具的 JSON Schema 字段约束,模型端就能提前避开越界值;万一模型还是传错了,FastMCP 会在进入函数体之前拦截并返回清晰的校验报错,让模型自己改参数重试。 Context自动注入且对模型隐藏:函数签名里声明ctx: Context后,框架会在运行时自动传入上下文对象(用于打日志ctx.info或汇报进度ctx.report_progress),并且不会把ctx暴露进工具参数列表里干扰模型。- stdio 模式同样不能乱用
print():本机子进程通信占用标准输出,业务调试日志请通过ctx.info()或 Python 标准logging输出到标准错误流。
编程订阅与高配额省心方案:在 Cursor、Claude Code 或 Codex 里挂载外部工具做长链路开发时,固定月费订阅通常比纯按量 API 更易控成本。本站支持支付宝、微信支付与 AlipayHK 免密自助兑换 Claude Pro、Claude Max 与 ChatGPT Pro,团队协作亦可定制 ChatGPT Business 团队版。
三、本地调试的两种快办法

图:本站根据 FastMCP 官方文档 整理的开发调试流程示意图
写完服务端代码后,先别急着去重启桌面软件,推荐按下面两步在本地验通:
1. 用内存客户端写 10 行脚本测逻辑
独立版 FastMCP 的一大省事之处,是可以把 mcp 实例直接塞给同包的 Client,在内存里完成协议层调用,连端口和子进程都不用起:
python
import asyncio
from fastmcp import Client
from server import mcp
async def test_local():
async with Client(mcp) as client:
tools = await client.list_tools()
print("已注册工具数:", len(tools))
res = await client.call_tool("search_tickets", {"keyword": "退款", "limit": 5})
print("调用结果:", res)
asyncio.run(test_local())
2. 用 CLI 打开可视化面板或切 HTTP 运行
想在浏览器界面里点选测试 Schema 渲染效果(本机需装有 Node.js 提供 npx),运行:
bash
fastmcp dev server.py
面板的具体操作方法见 MCP Inspector 怎么用。确认无误后,本机运行默认走 stdio;如果要部署成远程服务给团队共用,指定 HTTP 传输与端口即可(协议选型见 MCP 的 stdio、SSE 和 Streamable HTTP 有什么区别):
bash
fastmcp run server.py --transport http --port 8000
四、挂载到 Claude Code 与 Cursor
本地走 stdio 接入时,建议使用 uv run 指定项目环境启动,避免系统全局 Python 缺包:
- 接入 Claude Code:在终端执行
claude mcp add ticket-service -- uv run --with fastmcp fastmcp run /绝对路径/server.py。如果你日常经常要基于现有 FastAPI 或内部数据库快速生成并调试这类工具脚本,搭配 Claude Code 在终端里自动跑测试修参数非常顺手,详细命令见 Claude Code MCP 配置教程。 - 接入 Cursor:在
.cursor/mcp.json里把对应命令和参数数组填进mcpServers,配置位置与排错见 Cursor MCP 配置教程。
常见问题
问:已有一个现成的 FastAPI 项目,必须每个接口重新手写一遍 @mcp.tool 吗?
答:不用。独立版 FastMCP 提供了 FastMCP.from_fastapi(app) 与 FastMCP.from_openapi(...) 方法,可以直接把已有路由和 Pydantic 请求体转换成 MCP 工具;不过建议只筛选核心接口暴露,避免一次性生成几十个工具塞满模型上下文。
问:工具函数返回字典或 Pydantic 模型对象可以吗?
答:可以。FastMCP 会自动把字典、列表、Pydantic 模型序列化成协议要求的文本和结构化内容返回给客户端,不需要手动拼嵌套响应结构。
问:报 ModuleNotFoundError: No module named 'fastmcp' 但我明明装过了怎么办?
答:九成是因为你在虚拟环境装了包,但客户端启动时调的是系统默认 python。在客户端配置里把 command 写成虚拟环境内 python(或 fastmcp)可执行文件的绝对路径,或者用 uv run --directory /项目绝对路径 启动即可。
问:配置好开发环境后,国内没有外币卡怎么开通 Claude 或 ChatGPT 编程订阅?
答:可在 本站充值中心 自助选购卡密开通 Claude Code(Pro / Max) 或 ChatGPT Plus / Pro,全程无需交出账号密码,支持开具增值税发票;实时价格与售后边界(封号不在质保范围)以对应商品页为准。
相关教程
- MCP Server 开发入门(Python):用官方 SDK 写第一个 MCP 服务器并调试
- MCP Inspector 怎么用:安装、启动命令、调试 MCP 服务器与 v2 的变化
- Claude Code MCP 配置教程:claude mcp add、配置文件位置与常用 MCP
- Cursor MCP 配置教程:mcp.json 写法、项目与全局位置、OAuth 与连接失败排查
- MCP 的 stdio、SSE 和 Streamable HTTP 有什么区别:本地与远程 MCP 怎么选
参考资料
- FastMCP 官方文档站:https://gofastmcp.com
- FastMCP 官方 GitHub 仓库:https://github.com/jlowin/fastmcp
- MCP 官方 Python SDK 仓库:https://github.com/modelcontextprotocol/python-sdk
0 条评论
还没有评论,来抢沙发~