🧠 MCP 聚合工具服务 / MCP Aggregated Tool Service

基于 FastAPI 和 fastapi_ccp 的多工具统一访问平台，支持模块化、自动注册和异步扩展。适用于将多个AI工具或微服务聚合到一个统一接口服务中，支持标准化的输入和输出格式，便于前端集成或大语言模型（LLM）系统调用。

这是一个模块化、可扩展且基于 FastAPI 的 MCP（多组件平台）工具聚合服务。通过标准化的API轻松连接并暴露独立工具。非常适合前端集成或大型语言模型（LLM）编排。

---

🌟 特性/Features

• ✅ 支持多工具自动注册（基于目录扫描）
• ✅ 所有接口统一使用 POST 方法和 BaseModel 验证
• ✅ 支持异步 httpx 接口调用
• ✅ 标准化的 JSON 响应格式（成功/错误）
• ✅ 支持 Docker 一键部署
• ✅ 提供开发文档，便于工具模块扩展

---

📁 项目结构

.
├── main.py                    # FastAPI 主程序，含 MCP 注册逻辑
├── tools/                     # 工具目录，每个文件一个功能
├── Dockerfile                 # 构建镜像用
├── docker-compose.yml         # 一键部署支持
├── mcp_tool_开发说明.md       # 开发者使用规范文档（中文）
└── README.md

---

🚀 快速开始

🧰 依赖需求/Requirements

• Python 3.8+
• pip
• Docker / Docker Compose（可选）

📦 本地运行/本地开发

# 安装依赖
pip install -r requirements.txt

# 启动服务
python main.py

默认服务地址：http://localhost:8000/mcp

🐳 使用 Docker 部署/Docker 部署

# 构建 & 运行
docker-compose up --build -d

# 访问 MCP 工具服务
http://localhost:8000/mcp

---

🧱 工具模块开发规范/Tool Module Guidelines

每个工具应放置在 tools/ 目录下（可以嵌套多层），并且包括：

1. 使用 pydantic.BaseModel 定义参数；
2. 使用 @__mcp_server__.tool() 注册工具函数；
3. 返回 success_response() 或 error_response()；
4. （可选）外部接口的异步调用+结果缓存。

参考示例：

from pydantic import BaseModel
from main import __mcp_server__, success_response

class MyParams(BaseModel):
    name: str

@__mcp_server__.tool()
async def hello_tool(params: MyParams):
    return success_response({"message": f"Hello {params.name}!"})

---

🔗 接口描述/API 使用

所有工具接口均通过 /mcp 路径统一访问，基于模块自动注册。

请求方法：POST
请求格式：application/json
响应格式：

{
  "status": "success",
  "result": {
    ...
  }
}

---

📚 文档参考/Docs

• 📘 开发文档（中文）
• 示例模块路径：tools/xxx/tool_name.py

---

📄 许可证

MIT License © 2025 [your-name]