引言

在現代分布式系統和AI應用中，模型上下文協議（MCP）扮演著重要角色，它負責協調客戶端與服務器之間的通信，尤其是在需要頻繁交互的場景中。本文將介紹如何使用FastMCP庫快速實現客戶端與服務器之間的通信，并通過實戰案例展示其核心用法。

項目概述

本項目使用FastMCP庫實現了一個簡單的客戶端-服務器通信示例，包含基本的工具注冊與調用功能。通過本示例，你將了解FastMCP的核心概念、使用方法以及常見問題的解決方案。

項目結構

├── .venv/         # Python虛擬環境
├── client.py      # 客戶端代碼
├── server.py      # 服務器代碼
└── README.md      # 項目說明文檔

實現步驟

步驟1: 創建虛擬環境并安裝依賴

首先，我們需要創建一個獨立的Python虛擬環境并安裝必要的依賴：

1. 創建Python虛擬環境：

   python -m venv .venv
   

2. 激活虛擬環境：

   # Linux/Mac系統
   source .venv/bin/activate# Windows系統
   .venv\Scripts\activate
   

3. 安裝FastMCP庫：

   pip install fastmcp
   

步驟2: 編寫服務器代碼

創建server.py文件，實現一個簡單的MCP服務器，該服務器將提供一個hello工具供客戶端調用：

# 導入FastMCP類，用于創建MCP服務器
from fastmcp import FastMCP# 創建FastMCP服務器實例，命名為"Demo"
mcp = FastMCP("Demo")# 使用裝飾器注冊一個名為"hello"的工具函數
@mcp.tool
def hello(name: str) -> str:"""向指定名稱的用戶發送問候參數:name: 字符串，要問候的用戶名稱返回:字符串，包含問候語的響應"""return f"Hello, {name}!"# 當腳本作為主程序運行時
if __name__ == "__main__":# 啟動MCP服務器# 默認使用STDIO傳輸方式，通過標準輸入輸出與客戶端通信mcp.run()

代碼解析：

• 我們通過FastMCP類創建了一個服務器實例，并命名為"Demo"
• 使用@mcp.tool裝飾器注冊了一個名為hello的工具函數
• 該工具函數接收一個name參數，并返回相應的問候語
• 服務器默認使用STDIO（標準輸入輸出）作為傳輸方式
• 最后通過mcp.run()啟動服務器

步驟3: 編寫客戶端代碼

創建client.py文件，實現一個連接到服務器的客戶端：

# 導入asyncio模塊，用于支持異步操作
import asyncio
# 導入Client類，用于創建MCP客戶端
from fastmcp import Client# 創建Client實例，連接到名為"server.py"的服務器腳本
# 客戶端會自動推斷使用STDIO傳輸方式與服務器通信
client = Client("server.py")# 定義異步函數call_tool，用于調用服務器上的工具
async def call_tool(name: str):"""異步調用服務器上的hello工具參數:name: 字符串，要傳遞給hello工具的名稱參數返回:無返回值，但會打印服務器的響應結果"""# 使用異步上下文管理器連接到服務器async with client:# 調用服務器上的hello工具，傳遞name參數result = await client.call_tool("hello", {"name": name})# 打印服務器返回的結果print(result)# 運行異步函數call_tool，傳入默認名稱"Ford"
asyncio.run(call_tool("Ford"))

代碼解析：

• 我們創建了一個Client實例，指定要連接的服務器腳本
• 定義了異步函數call_tool用于調用服務器上的工具
• 使用異步上下文管理器async with client來管理與服務器的連接
• 通過await client.call_tool()方法調用服務器上的hello工具
• 最后使用asyncio.run()運行異步函數，啟動客戶端

步驟4: 解決通信問題

在實現過程中，我們遇到了幾個典型問題并成功解決：

1. 傳輸方式識別問題

   • 問題：最初客戶端無法自動識別"stdio"傳輸方式
   • 解決：通過查看源碼了解到FastMCP使用PythonStdioTransport類處理標準輸入輸出通信，客戶端會根據服務器類型自動選擇合適的傳輸方式

2. 連接管理問題

   • 問題：不清楚如何正確管理客戶端與服務器的連接狀態
   • 解決：FastMCP Client采用異步上下文管理器模式進行連接管理，替代了顯式的connect()和disconnect()方法，使用async with client即可自動管理連接的建立和關閉

3. 工具調用參數問題

   • 問題：工具調用時參數傳遞不正確
   • 解決：call_tool方法需要使用name參數指定工具名稱，第二個參數為工具所需的參數字典

4. 工具名稱匹配問題

   • 問題：客戶端調用工具時提示找不到工具
   • 解決：確保客戶端調用的工具名稱與服務器注冊的工具名稱完全匹配，包括大小寫

步驟5: 運行和測試

完成代碼編寫后，我們可以按照以下步驟運行和測試：

1. 首先啟動服務器，在終端中執行：

   python server.py
   

2. 打開另一個終端，激活相同的虛擬環境，運行客戶端：

   python client.py
   

3. 客戶端將輸出服務器的響應結果：

   CallToolResult(content=[TextContent(type='text', text='Hello, Ford!', annotations=None, meta=None)], structured_content={'result': 'Hello, Ford!'}, data='Hello, Ford!', is_error=False)
   

步驟6: trae中集成MCP

1. 在trae ide中點擊手動添加MCP
   
2. 把這段json輸入進去

{"mcpServers": {"local-mcp-server": {"command": "bash","args": ["-c","source /mcp-test/.venv/bin/activate && python /mcp-test/server.py"],"cwd": "/mcp-test"}}
}

3. 看到這個小綠對鉤就是成功了

4. 在對話中輸入“張三”，可以看到正常調用我們自定義的MCP服務

技術要點總結

1. FastMCP庫核心概念

   • FastMCP提供了簡單易用的API，簡化了MCP客戶端-服務器通信的實現
   • 服務器通過裝飾器注冊工具，客戶端通過名稱調用這些工具

2. STDIO傳輸方式

   • 默認使用標準輸入輸出進行進程間通信
   • 無需網絡配置，適合本地進程間的簡單通信場景

3. 異步編程模型

   • 客戶端基于asyncio實現異步操作
   • 使用異步上下文管理器管理連接生命周期
   • 通過await關鍵字處理異步工具調用

4. 工具注冊與調用

   • 服務器使用@mcp.tool裝飾器注冊工具函數
   • 客戶端使用call_tool方法調用服務器上的工具
   • 工具參數以字典形式傳遞，支持復雜數據結構

擴展與優化建議

1. 對于生產環境，可以考慮：

   • 使用更可靠的傳輸方式（如TCP）
   • 添加身份驗證和數據加密
   • 實現錯誤重試機制
   • 添加日志記錄和監控

2. 功能擴展：

   • 注冊多個工具函數，實現更復雜的業務邏輯
   • 添加工具調用的超時處理
   • 支持更復雜的參數類型和返回值
   • 實現批量工具調用功能

結論

通過本文的示例，我們展示了如何使用FastMCP庫快速實現客戶端與服務器之間的通信。FastMCP提供了簡潔的API和靈活的擴展能力，使開發者能夠專注于業務邏輯的實現，而無需過多關注底層通信細節。無論是在AI模型交互、分布式系統協調還是普通的進程間通信場景，FastMCP都是一個值得嘗試的優秀選擇。

希望本文能幫助你快速入門FastMCP的使用，如果有任何問題或建議，歡迎在評論區留言討論！