15 分钟用 FastMCP 搭建你的第一个 MCP Server（附完整代码）

Model Context Protocol 是一个开放标准，它的目标是给 LLM 一种干净、统一的方式去发现和调用外部工具。不用再写自定义解析、不用再维护脆弱的胶水代码，就是一个好用的协议。

大多数 MCP 教程上来就讲 JSON-RPC 规范、传输层协议，搞得很复杂。其实用 MCP 不需要理解协议内部构造就像写 Web 应用不需要去读 HTTP 规范一样。

真正需要掌握的东西就三个概念，花 15 分钟就够了。

三个核心概念

MCP 的核心就三样东西：

Server：对外暴露工具的服务端，本质上是一个 Python 脚本，声明"这些函数可以被 LLM 调用"，跑起来之后就在监听请求。

Tool：希望 LLM 使用的函数，可以是任何东西：查天气、查数据库、发邮件。这跟写普通 Python 函数没什么区别，加个装饰器剩下的交给 MCP。

Client：连接 Server 并调用工具的客户端。生产环境里一般就是 LLM 应用本身。测试阶段可以用 FastMCP 自带的客户端，开箱即用。

Server 暴露工具，Client 调用工具。就这么简单。

传输方式、JSON-RPC、能力协商这些都是实现细节，上生产之前不用管。

步骤 1：安装 FastMCP

FastMCP 是让 MCP 用起来简单的 Python 框架。装一下就行，不需要任何配置。

pip install fastmcp

本教程不需要虚拟环境，生产环境建议还是用一个。

步骤 2：创建 Server

新建一个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")创建一个带名称的服务器实例。@mcp.tool装饰器把普通函数注册为 MCP 工具。函数的 docstring 会变成工具描述——LLM 靠这个来判断什么时候该调用它。类型提示（city: str、-> dict）告诉 MCP 输入输出的类型。transport="stdio"表示通过标准输入输出通信，本地测试够用了。

整个 Server 就这些，实际代码 15 行。

步骤 3：写个 Client 测试一下

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")指定要连接的 Server 文件；async with client:自动管理连接生命周期；list_tools()负责动态发现可用工具，这是 MCP 的核心能力之一；call_tool("get_weather", {"city": "Tokyo"})带参数调用具体工具。

步骤 4：跑起来

终端里执行：

python test_client.py

输出应该是这样的：

Available tools:

- get_weather: Get the current weather for a city.

==================================================Weather result: {'city': 'Tokyo', 'temp': 68, 'condition': 'rainy'}

到这里就完成了。一个 MCP Server 搭好了Client 也成功调用了它。

步骤 5：增加更多工具

MCP 真正好用的地方在于扩展成本极低，再往 Server 里再加两个工具：

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")

再跑一次测试客户端，三个工具全部自动发现：

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，不需要写路由。加了工具就直接可用。

最后：接入 LLM

前面写的 Client 是测试用的。生产环境里，LLM 框架本身充当 Client 角色。概念上大概是这样：

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

Server 端的代码完全不用动，这正是 MCP 的价值所在——工具写一次，任何兼容 MCP 的客户端都能用。

生产部署时需要把传输方式从stdio换成http：

if__name__=="__main__":

  mcp.run(transport="http", host="0.0.0.0", port=8000)

这样 MCP Server 就以 HTTP 端点的形式对外暴露，远程客户端可以直接连接。

总结

现在你手头已经有一个能跑的 MCP Server 了，前后也就 15 分钟。下一步就是把它接到实际的 LLM 上，做点真正有用的东西出来。

by Paolo Perrone

点个在看你最好看！