快速构建MCP工具的开发包FastMCP
FastMCP是一个用于快速构建MCP（Model Context Protocol）服务器的Python框架，它能帮你轻松地将自定义工具和数据源接入大型语言模型（LLM）。你的核心需求是查询天气和热点新闻，这正是FastMCP的典型应用场景。
📦 FastMCP核心概念与安装
为了高效开发，了解其核心概念很有帮助。你可以把它看作是为LLM构建“API”的专用框架。
| 核心概念 | 作用 | 简单类比 |
|---|---|---|
| 工具 (Tools) | 让LLM执行具体操作，如查询天气、搜索新闻。 | 可执行的函数 |
| 资源 (Resources) | 向LLM提供只读数据，如配置文件、静态文档。 | 数据文件或只读API |
| 提示 (Prompts) | 为LLM定义可复用的对话模板。 | 预设好的对话脚本 |
安装FastMCP非常简单，推荐使用uv进行高效的依赖管理：
# 安装uvbrewinstalluv# macOS系统# 使用uv安装FastMCPuv pipinstallfastmcp🌦️ 实战一：构建天气查询工具
要查询天气，通常需要调用第三方天气API。这里提供一个基于美国国家气象局 (NWS) API的示例，该API免费且无需注册。
fromtypingimportAnyimporthttpxfromfastmcpimportFastMCP# 初始化FastMCP服务器mcp=FastMCP("Weather Server")# 常量NWS_API_BASE="https://api.weather.gov"USER_AGENT="weather-app/1.0"asyncdefmake_nws_request(url:str)->dict[str,Any]|None:"""辅助函数：向NWS API发起请求"""headers={"User-Agent":USER_AGENT,"Accept":"application/geo+json"}asyncwithhttpx.AsyncClient()asclient:try:response=awaitclient.get(url,headers=headers,timeout=30.0)response.raise_for_status()returnresponse.json()exceptException:returnNone@mcp.tool()asyncdefget_forecast(latitude:float,longitude:float)->str:"""获取指定经纬度的天气预报。 参数: latitude: 纬度 longitude: 经度 """# 1. 获取该坐标点的预报接口地址points_url=f"{NWS_API_BASE}/points/{latitude},{longitude}"points_data=awaitmake_nws_request(points_url)ifnotpoints_data:return"无法获取该地点的预报数据。"# 2. 获取详细的天气预报forecast_url=points_data["properties"]["forecast"]forecast_data=awaitmake_nws_request(forecast_url)ifnotforecast_data:return"无法获取详细的预报信息。"# 3. 格式化返回未来5个时段的预报periods=forecast_data["properties"]["periods"][:5]forecasts=[]forperiodinperiods:forecast=f"""{period['name']}: 温度:{period['temperature']}°{period['temperatureUnit']}风速:{period['windSpeed']}{period['windDirection']}详情:{period['detailedForecast']}"""forecasts.append(forecast)return"\n---\n".join(forecasts)if__name__=="__main__":# 启动服务器mcp.run()⚠️注意：此工具基于美国国家气象局(NWS) API，主要覆盖美国地区。如需查询全球天气，可以改用OpenWeatherMap等商业API（通常需要注册并获取API密钥）。
📰 实战二：获取热点新闻
要获取热点新闻，我们可以通过调用聚合新闻的RSS或API来实现。下面是一个示例，它使用了News API（需要注册获取免费API密钥）。
importosimporthttpxfromfastmcpimportFastMCP# 初始化FastMCP服务器mcp=FastMCP("News Server")NEWS_API_KEY=os.getenv("NEWS_API_KEY")# 请将你的API密钥设置在环境变量中NEWS_API_BASE="https://newsapi.org/v2"@mcp.tool()asyncdefget_top_headlines(category:str="general",country:str="us")->str:"""获取指定分类和国家的头条新闻。 参数: category: 新闻分类，如 business, entertainment, general, health, science, sports, technology country: 国家代码，如 us, gb, cn """ifnotNEWS_API_KEY:return"错误：未配置NEWS_API_KEY环境变量。"url=f"{NEWS_API_BASE}/top-headlines"params={"apiKey":NEWS_API_KEY,"category":category,"country":country,"pageSize":10# 获取10条新闻}asyncwithhttpx.AsyncClient()asclient:try:response=awaitclient.get(url,params=params,timeout=30.0)response.raise_for_status()data=response.json()excepthttpx.RequestErrorase:returnf"请求出错:{e}"excepthttpx.HTTPStatusErrorase:returnf"API返回错误:{e.response.status_code}"ifdata["status"]!="ok"ordata["totalResults"]==0:return"未找到相关新闻。"articles=data["articles"]news_list=[]foridx,articleinenumerate(articles,1):news_list.append(f"{idx}.{article['title']}\n"f" 来源:{article['source']['name']}\n"f" 发布时间:{article.get('publishedAt','N/A')}\n"f" 摘要:{article.get('description','暂无描述')}\n")returnf"找到{len(articles)}条新闻：\n\n"+"\n".join(news_list)if__name__=="__main__":# 运行服务器mcp.run()🚀 运行、调试与集成
创建好工具后，你需要运行服务器并连接到LLM客户端。
运行与调试：
最便捷的方式是使用fastmcp dev命令。这会启动一个带图形界面的MCP Inspector，你可以在其中直接测试刚编写的工具，查看参数和返回结果。fastmcp dev weather_news_server.py集成到LLM客户端：
调试无误后，可以将服务器安装到支持MCP的桌面应用（如Claude Desktop）中。fastmcpinstallweather_news_server.py --name"我的天气新闻工具"安装后，在Claude等助手中，你就可以直接问：“查询纽约的天气”或“给我看看今天的科技新闻”，模型会自动调用对应的工具并返回结果。
为了让你更清晰地了解完整的开发流程，下图总结了从创建工具到集成使用的关键步骤：
flowchart TD A[定义工具函数] --> B[使用 mcp.tool 装饰器注册] B --> C[使用 fastmcp dev 调试] C --> D[使用 fastmcp install 部署到客户端] D --> E[在LLM客户端中<br>（如Claude）通过对话调用]总的来说，FastMCP通过其简洁的Python接口，极大地降低了为大语言模型开发外部工具的门槛。除了天气和新闻，你还可以用同样的方式创建计算、文件处理、数据库查询等任何你需要的工具。