FastMCP Skill：Python 3 行代码搭建 MCP 服务器的生态地基

Skill超级捕获手 技术创作者 2026-08-23 16 阅读

FastMCP 正在成为 AI Agent 工具生态的”隐形地基”。作为 Model Context Protocol 的 Python 封装框架，它让开发者用几行代码就能把任意 Python 函数暴露为 MCP 工具，供 Claude Code、Cursor、Cline 等主流 Agent 即插即用。当前全平台 70% 的 MCP 服务器底层跑着 FastMCP 代码，日均下载量突破 100 万次——这不是一个”流行框架”，而是已成基础设施级别的存在。

FastMCP 的设计原则非常明确：让协议细节消失，只留下业务逻辑。传统 MCP 服务器需要处理传输层、Schema 定义、认证配置、错误处理等大量底层工作，FastMCP 通过装饰器模式和 Pythonic API 把这些全部封装，开发者只需要写一个 @mcp.tool() 装饰的 Python 函数，Schema 生成、参数校验、文档补全全部自动完成。

GitHub Star 数约 27,000+（截至 2026-08-23），Forks 2,200+，过去一个月日均增长约 +30/day，8 月 23 日当天再次登上 GitHub Trending 榜单。Hacker News 曾在 2026 年 2 月将 FastMCP 3.0 GA 推上首页，2026 年 3 月”Welcome to FastMCP”再次获得 HN 80+ points。pip 安装量日均 100 万次，稳居 Python MCP 生态第一的位置。

GitHub：https://github.com/PrefectHQ/fastmcp

原作者为 PrefectHQ（Prefect 工作流编排平台的母公司），主要维护者 GitHub username 为 jlowin。Prefect 是开源工作流编排领域的成熟项目，背后有稳定的工程团队支撑，而非个人维护者。项目的技术债务低、更新节奏稳定、社区响应及时。

FastMCP 最初是 MCP Python SDK 的”最佳实践集合”，2024 年其 1.0 核心代码直接被合并进官方 MCP Python SDK——这意味着你现在用的官方 SDK 里，大量设计来自 FastMCP。但项目并未因此消失，而是继续独立演进，专注于提供比官方 SDK 更好的开发体验。

现在的 FastMCP 包含三大核心模块：

  • Servers：服务端开发，用装饰器声明工具、资源、Prompt；
  • Clients：客户端开发，连接任意 MCP 服务器并与之交互；
  • Apps：交互应用，内置 UI 可快速调试 MCP 工具。

此外还有 OpenAPI-to-MCP 自动转换（导入已有 API 直接生成 MCP 服务）、Pythonic sandbox（安全执行不受控代码）、Cloud 托管版本（Python 文件 30 秒变成托管 MCP 服务）等进阶能力。

核心特点如下：

  • 装饰器即 API：@mcp.tool() 声明工具，@mcp.resource() 声明资源，@mcp.prompt() 声明 Prompt，无需手动写 Schema；
  • 自动 Schema 生成：函数签名 + 类型注解 → 完整 JSON Schema，参数校验开箱即用；
  • Server Composition：多个 MCP Server 可组合成一个应用，支持代理模式和链式调用；
  • OpenAPI 导入：已有的 FastAPI/OpenAPI 接口可一键转换为 MCP 服务，复用成本接近零；
  • 全链路客户端：不只建服务器，也能当 MCP 客户端，连接其他 MCP 服务并编程控制；
  • 上下文感知工具：内置 ctx.elicit()，工具可在执行中途向用户请求额外信息，支持多轮交互；
  • 每天 100 万次下载，全平台 70% MCP 服务器采用，生态成熟度高。

安装只需一行命令，推荐用 uv：

uv add fastmcp
# 或
pip install fastmcp

3 行代码即可跑通第一个 MCP 服务：

from fastmcp import FastMCP

mcp = FastMCP("MyServer")

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

# 运行服务
mcp.run()

连接 Claude Desktop 或其他 MCP 客户端：

fastmcp install server.py

进阶用法——上下文请求（工具中途向用户提问）：

from dataclasses import dataclass
from fastmcp import FastMCP, Context

mcp = FastMCP("Demo")

@dataclass
class DinnerPrefs:
    cuisine: str
    vegetarian: bool

@mcp.tool()
async def plan_dinner(ctx: Context) -> str:
    result = await ctx.elicit(
        "What are your dinner preferences?",
        response_type=DinnerPrefs,
    )
    if result.action == "accept":
        prefs = result.data
        return f"Menu: {prefs.vegetarian and 'vegetarian ' or ''}{prefs.cuisine} tonight!"
    return "Cancelled."

适用场景与目标人群：需要给 AI Agent 接入自建工具链的开发者；想把内部 API/数据库/业务流程封装给 Agent 调用的团队；MCP 服务器开发者（不想手写协议层代码）；以及需要快速验证 MCP 协议能力的技术负责人。当前 Claude Code、Cursor、Cline、OpenHands 等主流 Agent 均原生支持 MCP，FastMCP 是它们背后最常见的”工具制造机”。

典型输入输出案例：

输入（给 Agent）：”帮我查一下韩国劳动法关于加班费的规定”（通过 korean-law-mcp MCP 工具）→ 输出：返回具体法条编号、内容、计算公式，以及相关判例摘要，全程无需人工查法条。

输入（给 Agent）：”用 FastMCP 帮我把这个 OpenAPI 文档转成一个 MCP 服务，然后接入 Claude Code” → 输出：自动解析 OpenAPI Schema，生成完整 MCP Server 代码，注册工具并输出 Claude Desktop 配置 JSON，Agent 即可直接调用。

GitHub: https://github.com/PrefectHQ/fastmcp

评论区

0 条评论

登录后可评论。

Skill超级捕获手 16 阅读