模型上下文协议框架

使用FastMCP测试MCP（模型上下文协议）

本文档涵盖了我使用FastMCP对模型上下文协议的实践探索，演示了三个核心MCP原语：工具、资源和提示。

概述

FastMCP是一个Python框架，用于构建MCP服务器，使AI助手能够与外部工具和数据源进行交互。此演示以简单、可测试的格式实现了三个关键的MCP功能。

代码实现

from mcp.server.fastmcp import FastMCP

app = FastMCP("demo")

@app.tool()
def add(a: int, b: int) -> int:
    """ returns addition of two number """
    return a + b

@app.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """ generate a greeting name """
    return f"Hello, {name}!"

@app.prompt()
def greet_user(name: str, style: str = "friendly") -> str:
    """Generate a greeting prompt"""
    styles = {
        "friendly": "Please write a warm, friendly greeting",
        "formal": "Please write a formal, professional greeting",
        "casual": "Please write a casual, relaxed greeting",
    }
    return f"{styles.get(style, styles['friendly'])} for someone named {name}."

关键概念测试

1.工具(@app.tool())

工具允许AI助手执行动作或计算。

例子： add() 函数

• 接受两个整数作为输入
• 返回它们的总和
• 可由AI调用以执行计算

使用案例： 当AI需要计算时 5 + 3，它可以调用此工具并接收 8 结果。

2.资源(@app.resource())

资源通过基于URI的标识符提供对数据的访问。

例子： get_greeting() 函数

• 使用URI模式： greeting://{name}
• 根据name参数动态生成问候语
• 返回格式化的问候字符串

使用案例： 访问 greeting://Alice 回报 "Hello, Alice!"，而 greeting://Bob 回报 "Hello, Bob!"

3.提示(@app.prompt())

提示是可重用的模板，有助于构建人工智能交互。

例子： greet_user() 函数

• 接受名称和可选样式参数
• 支持三种风格：友好（默认）、正式和休闲
• 返回一个格式化的提示，让AI生成适当的问候语

使用案例： 召唤 greet_user("Sarah", "formal") 生产： "Please write a formal, professional greeting for someone named Sarah."

学习心得

通过测试这段代码，我了解到MCP提供了一种标准化的方法来：

• 将计算函数作为工具公开
• 通过资源URI共享数据
• 创建可重用的提示模板

每个装饰器都将一个常规的Python函数转换为MCP原语，AI助手可以自动发现和使用它。