15 分鐘用 FastMCP 搭建你的第一個 MCP Server（附完整代碼）

Model Context Protocol 是一個開放標準，它的目標是給 LLM 一種干凈、統一的方式去發現和調用外部工具。不用再寫自定義解析、不用再維護脆弱的膠水代碼，就是一個好用的協議。

大多數 MCP 教程上來就講 JSON-RPC 規范、傳輸層協議，搞得很復雜。其實用 MCP 不需要理解協議內部構造就像寫 Web 應用不需要去讀 HTTP 規范一樣。

真正需要掌握的東西就三個概念，花 15 分鐘就夠了。

三個核心概念

MCP 的核心就三樣東西：

Server：對外暴露工具的服務端，本質上是一個 Python 腳本，聲明"這些函數可以被 LLM 調用"，跑起來之后就在監聽請求。

Tool：希望 LLM 使用的函數，可以是任何東西：查天氣、查數據庫、發郵件。這跟寫普通 Python 函數沒什么區別，加個裝飾器剩下的交給 MCP。

Client：連接 Server 并調用工具的客戶端。生產環境里一般就是 LLM 應用本身。測試階段可以用 FastMCP 自帶的客戶端，開箱即用。

Server 暴露工具，Client 調用工具。就這么簡單。

傳輸方式、JSON-RPC、能力協商這些都是實現細節，上生產之前不用管。

步驟 1：安裝 FastMCP

FastMCP 是讓 MCP 用起來簡單的 Python 框架。裝一下就行，不需要任何配置。

pip install fastmcp

本教程不需要虛擬環境，生產環境建議還是用一個。

步驟 2：創建 Server

新建一個 my_server.py 文件：

from fastmcp import FastMCP
# Initialize the server with a name
mcp = FastMCP("my-first-server")
# Define a tool using the @mcp.tool decorator
@mcp.tool
def get_weather(city: str) -> dict:
"""Get the current weather for a city."""
# In production, you'd call a real weather API
# For now, we'll return mock data
weather_data = {
"new york": {"temp": 72, "condition": "sunny"},
"london": {"temp": 59, "condition": "cloudy"},
"tokyo": {"temp": 68, "condition": "rainy"},
}
city_lower = city.lower()
if city_lower in weather_data:
return {"city": city, **weather_data[city_lower]}
else:
return {"city": city, "temp": 70, "condition": "unknown"}
# Run the server
if __name__ == "__main__":
mcp.run(transport="stdio")

FastMCP("my-first-server") 創建一個帶名稱的服務器實例。@mcp.tool 裝飾器把普通函數注冊為 MCP 工具。函數的 docstring 會變成工具描述——LLM 靠這個來判斷什么時候該調用它。類型提示（city: str、-> dict）告訴 MCP 輸入輸出的類型。transport="stdio" 表示通過標準輸入輸出通信，本地測試夠用了。

整個 Server 就這些，實際代碼 15 行。

步驟 3：寫個 Client 測試一下

新建 test_client.py：

import asyncio
from fastmcp import Client
async def main():
# Point the client at your server file
client = Client("my_server.py")
# Connect to the server
async with client:
# List available tools
tools = await client.list_tools()
print("Available tools:")
for tool in tools:
print(f" - {tool.name}: {tool.description}")
print("\n" + "="*50 + "\n")
# Call the weather tool
result = await client.call_tool(
"get_weather",
{"city": "Tokyo"}
)
print(f"Weather result: {result}")
if __name__ == "__main__":
asyncio.run(main())

Client("my_server.py") 指定要連接的 Server 文件；async with client: 自動管理連接生命周期；list_tools() 負責動態發現可用工具，這是 MCP 的核心能力之一；call_tool("get_weather", {"city": "Tokyo"}) 帶參數調用具體工具。

步驟 4：跑起來

終端里執行：

python test_client.py

輸出應該是這樣的：

Available tools:
- get_weather: Get the current weather for a city.
==================================================Weather result: {'city': 'Tokyo', 'temp': 68, 'condition': 'rainy'}

到這里就完成了。一個 MCP Server 搭好了Client 也成功調用了它。

步驟 5：增加更多工具

MCP 真正好用的地方在于擴展成本極低，再往 Server 里再加兩個工具：

from fastmcp import FastMCP
from datetime import datetime
mcp = FastMCP("my-first-server")
@mcp.tool
def get_weather(city: str) -> dict:
"""Get the current weather for a city."""
weather_data = {
"new york": {"temp": 72, "condition": "sunny"},
"london": {"temp": 59, "condition": "cloudy"},
"tokyo": {"temp": 68, "condition": "rainy"},
}
city_lower = city.lower()
if city_lower in weather_data:
return {"city": city, **weather_data[city_lower]}
return {"city": city, "temp": 70, "condition": "unknown"}
@mcp.tool
def get_time(timezone: str = "UTC") -> str:
"""Get the current time in a specified timezone."""
# Simplified - in production use pytz or zoneinfo
return f"Current time ({timezone}): {datetime.now().strftime('%H:%M:%S')}"
@mcp.tool
def calculate(expression: str) -> dict:
"""Safely evaluate a mathematical expression."""
try:
# Only allow safe math operations
allowed_chars = set("0123456789+-*/.() ")
if not all(c in allowed_chars for c in expression):
return {"error": "Invalid characters in expression"}
result = eval(expression) # Safe because we validated input
return {"expression": expression, "result": result}
except Exception as e:
return {"error": str(e)}
if __name__ == "__main__":
mcp.run(transport="stdio")

再跑一次測試客戶端，三個工具全部自動發現：

Available tools:
- get_weather: Get the current weather for a city.
- get_time: Get the current time in a specified timezone.
- calculate: Safely evaluate a mathematical expression.

不需要改配置，不需要寫路由。加了工具就直接可用。

最后：接入 LLM

前面寫的 Client 是測試用的。生產環境里，LLM 框架本身充當 Client 角色。概念上大概是這樣：

How MCP connects your LLM to external tools: the framework calls the client, which discovers and invokes tools from your server.

Server 端的代碼完全不用動，這正是 MCP 的價值所在——工具寫一次，任何兼容 MCP 的客戶端都能用。

生產部署時需要把傳輸方式從 stdio 換成 http：

if __name__ == "__main__":
mcp.run(transport="http", host="0.0.0.0", port=8000)

這樣 MCP Server 就以 HTTP 端點的形式對外暴露，遠程客戶端可以直接連接。

總結

現在你手頭已經有一個能跑的 MCP Server 了，前后也就 15 分鐘。下一步就是把它接到實際的 LLM 上，做點真正有用的東西出來。

https://avoid.overfit.cn/post/c9314c34543a4ed1a1bb15b92d1c6ca2

by Paolo Perrone