STARWARCLOUD STARWAR.AI
返回市场
简单MCP服务器

简单MCP服务器

作者：rb588536 星标更新：2025-07-25
安装使用来源：spider==github.com

项目介绍

简单的Python MCP-Server

<div align = center>

License: MIT 最后一次提交 提交活动 星标 [![分叉](https://img.sh贡献者

</div>

这是一个基于**模型上下文协议（MCP）**的Python实现服务器，使用了fastmcp和fastapi。

目录

概述

此仓库基于官方的MCP Python SDK仓库，目标是使用FastMCP创建一个Python的MCP服务器。项目包含了以下基本功能：

  • 为了便于理解和操作模型上下文协议（MCP），从基础开始并以易于理解的方式进行
  • 提供一个测试平台给MCP客户端
  • 将服务器与FastAPI集成，并作为可流式传输的HTTP服务提供，保持服务与客户端之间的清晰分离

项目专注于实现一个简单的通过FastAPI和httpstream提供的MCP服务器。这种方法代表了创建MCP服务器的推荐方法。要探索其他实现形式和服务，请参考官方文档。

传输

可流式传输的HTTP传输

注意：对于生产部署，可流式传输的HTTP传输正在取代SSE传输。

from mcp.server.fastmcp import FastMCP
# 无状态服务器（无会话持久化）
mcp = FastMCP("StatelessServer", stateless_http=True)

您可以在FastAPI应用程序中挂载多个FastMCP服务器

# echo.py
from mcp.server.fastmcp import FastMCP
mcp = FastMCP(name="EchoServer", stateless_http=True)

@mcp.tool(description="一个简单的回声工具")
def echo(message: str) -> str:
    return f"回声: {message}"

# math.py
from mcp.server.fastmcp import FastMCP
mcp = FastMCP(name="MathServer", stateless_http=True)

@mcp.tool(description="一个简单的加法工具")
def add_two(n: int) -> int:
    return n + 2

# fast_api.py
import contextlib
from fastapi import FastAPI
from mcp.echo import echo
from mcp.math import math


# 创建一个组合生命周期来管理两个会话管理器
@contextlib.asynccontextmanager
async def lifespan(app: FastAPI):
    async with contextlib.AsyncExitStack() as stack:
        await stack.enter_async_context(echo.mcp.session_manager.run())
        await stack.enter_async_context(math.mcp.session_manager.run())
        yield


app = FastAPI(lifespan=lifespan)
app.mount("/echo", echo.mcp.streamable_http_app())
app.mount("/math", math.mcp.streamable_http_app())

授权（OAuth）

对于授权系统，使用了一个提供简单客户端凭证授权方法的包，名为mcp-oauth。这个包允许在运行MCP服务器的同时运行一个OAuth服务器。源代码可以在oauth_server.py找到。

# oauth_server.py
from mcp_oauth import (
    OAuthServer,
    SimpleAuthSettings,
    AuthServerSettings,
)

from dotenv import load_dotenv

load_dotenv()

OAUTH_HOST = "127.0.0.1"
OAUTH_PORT = 9000
OAUTH_SERVER_URL = f"http://{OAUTH_HOST}:{OAUTH_PORT}"


def run_oauth_server():
    server_settings: AuthServerSettings = AuthServerSettings(
        host=OAUTH_HOST,
        port=OAUTH_PORT,
        server_url=f"{OAUTH_SERVER_URL}",
        auth_callback_path=f"{OAUTH_SERVER_URL}/login",
    )
    auth_settings: SimpleAuthSettings = SimpleAuthSettings(
        superusername=os.getenv("SUPERUSERNAME"),
        superuserpassword=os.getenv("SUPERUSERPASSWORD"),
        mcp_scope="user",
    )
    oauth_server: OAuthServer = OAuthServer(
        server_settings=server_settings, auth_settings=auth_settings
    )
    oauth_server.run_starlette_server()


if __name__ == "__main__":
    run_oauth_server()

要启动此服务器，可以在项目的根目录打开一个终端并执行：

python3 src/services/fast_mcp/private_server/oauth_server.py

MCP集成

一旦OAuth服务器运行起来，必须将其与MCP服务器集成，向MCP服务器提供OAuth服务器运行的地址：

def create_private_server(settings: ServerSettings = ServerSettings()) -> FastMCP:

    token_verifier = IntrospectionTokenVerifier(
        introspection_endpoint=settings.auth_server_introspection_endpoint,
        server_url=str(settings.server_url),
        validate_resource=settings.oauth_strict,  # 只有当设置了--oauth-strict时才验证资源
    )

    mcp: FastMCP = FastMCP(
        name="private-example-server",
        instructions="此服务器专门用于用户资料数据的私有操作",
        debug=True,
        # RS模式的认证配置
        token_verifier=token_verifier,
        auth=AuthSettings(
            issuer_url=settings.auth_server_url,
            required_scopes=[settings.mcp_scope],
            resource_server_url=settings.server_url,
        ),
    )

MCP需要一个TokenVerifier，这里使用了由mcp_oauth包提供的一个简单的验证器。在这种情况下，settings.auth_server_url必须是OAuth服务器运行的地址，例如"http://127.0.0.1:9000"。有关进一步配置详情，请参阅代码在private_server/server.py。

配置

此OAuth服务器使用基于凭证的身份验证系统（初始授权令牌获取）。您必须填写.env文件中的以下变量：

SUPERUSERNAME=user
SUPERUSERPASSWORD=password

部署

本地部署

要设置开发环境，请执行以下命令：

1. 安装项目依赖

pip install -r requirements.txt

2.1 开发模式启动服务器

uvicorn src.app:app --host 127.0.0.1 --port 8000 --reload

2.2 启动OAuth服务器

python3 src/services/fast_mcp/private_server/oauth_server.py

3. 验证服务器正确启动

要确认服务器正常运行，请打开浏览器并导航到地址http://127.0.0.1:8000。这应该重定向到一个用户帮助页面，该页面提供了如何使用服务器的指导。

4. 运行测试

python tests/run.py

Docker部署

该项目可以使用Docker Compose运行：

docker compose -f docker-compose.yml up -d --build

用例

要验证此服务器的正确操作，建议安装mcp-llm-client包，并根据以下步骤创建一个基于它的项目：

⚠️ 配置提示： 要使用此聊天与LLM一起使用，需要OpenAI API密钥。如果您没有，可以通过遵循官方OpenAI页面上的说明来创建它。

1. 服务器部署

按照部署部分提供的说明部署此服务器。这一步至关重要，因为服务器必须在本地或云服务器上运行。一旦服务器部署完成，就可以通过MCP客户端使用它。

<!-- **2. 安装包** ```shell pip install mcp-llm-client ``` -->

2. 从GitHub克隆模板

从GitHub克隆一个模板，该模板提供了一个简单的基础来使用MCP客户端：

# 克隆仓库
git clone https://github.com/rb58853/template_mcp_llm_client.git

# 切换到项目目录
cd template_mcp_llm_client

# 安装依赖
pip install -r requirements.txt

3. 添加服务器到配置

在克隆的项目中，在根目录下找到config.json文件，并在mcp_servers对象内添加以下配置：

{
    "mcp_servers": {
        "example_public_server": {
            "transport": "httpstream",
            "httpstream-url": "http://127.0.0.1:8000/public-example-server/mcp",
            "name": "example-public-server",
            "description": "示例公共服务器。"
        },
        "example_private_mcp": {
            "transport": "httpstream",
            "httpstream-url": "http://127.0.0.1:8000/private-example-server/mcp",
            "name": "example-private-server",
            "description": "需要OAuth的示例私有服务器。",
            "auth": {
                "required": true,
                "post_body": {
                    "username": "user",
                    "password": "password"
                }
            }
        }
    }
}

💡 提示： 一旦服务器部署完成，您可以访问其根URL以获取帮助。这一节提供了将服务器添加到MCP客户端的确切配置。例如，打开http://127.0.0.1:8000在浏览器中将重定向到帮助页面。

4. 执行

按照克隆项目中的readme.md文件中的说明，使用此MCP服务器运行本地聊天。通常，这可以通过在控制台中运行以下命令来完成：

# 运行应用（在设置OPENAI-API-KEY并添加服务器到配置后）
python3 main.py

参考文献

要了解如何更详细地使用此MCP客户端，请参阅其官方仓库。

许可证

MIT许可证。详见license。