让大模型工具调用像写 Python 一样简单：FastMCP —— 轻量级 MCP 协议实现框架

昆仑开源易选

2026-07-21 0 10

你是否曾为给大模型（LLM）接入真实世界能力而头疼？比如想让 AI 调用天气 API、读取本地文件、执行 Shell 命令，或与企业内部系统交互——但又苦于协议复杂、开发冗长、调试困难？FastMCP 正是为此而生：它是一个极简、高性能的 Python 框架，专为快速构建符合 Model Context Protocol（MCP） 规范的服务端（Server）和客户端（Client），让开发者只需几行 Python 代码，就能把任意功能封装成 LLM 可理解、可调用的“智能工具”。

核心功能

开箱即用的 MCP 服务端：一行装饰器（@tool）即可将普通 Python 函数发布为标准 MCP 工具，自动处理元数据注册、参数校验与响应序列化
零配置 MCP 客户端：内置异步 HTTP 客户端，支持自动发现服务端工具列表、智能参数补全与结构化调用，无需手写 JSON Schema 或 REST 封装
原生 FastAPI 集成：默认基于 FastAPI 构建，自带 OpenAPI 文档、实时 Swagger UI 和健康检查端点，开箱即得生产就绪的 Web 服务
轻量无依赖设计：核心仅依赖 pydantic 和 httpx，无重型框架耦合，可嵌入已有项目，也可独立部署为微服务
完整 MCP v0.3+ 协议支持：兼容工具发现（list-tools）、工具执行（call-tool）、流式响应、错误传播等全部核心语义，无缝对接主流 MCP 兼容 Agent（如 LangChain、LlamaIndex 新版）
开箱即用的本地开发体验：提供 fastmcp serve CLI 命令，一键启动带热重载的开发服务器；搭配 VS Code 插件或 Discord 社区模板，5 分钟完成首个可调用工具

适合哪些人用

如果你是以下角色之一，FastMCP 就是为你量身打造的“生产力加速器”：
• AI 应用开发者：正为 LLM 构建 RAG、Agent 工作流，需要快速接入数据库、API、文件系统等外部能力；
• 后端/全栈工程师：熟悉 Python，希望用最小学习成本对外暴露业务逻辑供 AI 调用，而非从零设计 REST 接口；
• 研究者与教育者：在教学或实验中演示“工具调用”原理，需要清晰、可读、可调试的参考实现；
• 企业内部平台团队：计划统一管理 AI 可用工具资产，需轻量、安全、易审计的标准化协议落地层。

快速上手

安装仅需一条命令：

pip install fastmcp

编写你的第一个 MCP 工具（保存为 weather_tool.py）：

from fastmcp import tool
import httpx

@tool
def get_weather(city: str) -> str:
    """获取指定城市的当前天气（模拟）"""
    return f"{city} 当前晴，气温 24°C，湿度 65%。"

if __name__ == "__main__":
    from fastmcp import serve
    serve(__file__)

终端运行：python weather_tool.py，服务即在 http://localhost:8000 启动。打开浏览器访问 /docs 查看交互式文档，或用 curl 测试调用：
curl -X POST http://localhost:8000/call-tool -H "Content-Type: application/json" -d '{"name":"get_weather","arguments":{"city":"上海"}}'