成熟した FastAPI エコシステムを活用し、強化されたツール レジストリ機能を備えた強力な FastAPI ベースのモデル コンテキスト プロトコル (MCP) 実装。
Awesome MCP FastAPIは、モデルコンテキストプロトコル（MCP）の実稼働対応実装であり、FastAPIの堅牢なエコシステムと統合することで、標準MCP機能を強化・拡張します。このプロジェクトは、大規模言語モデル（LLM）向けのAIツールの作成、管理、ドキュメント化を容易にする、改良されたツールレジストリシステムを提供します。
Related MCP server: production-grade-mcp-agentic-system
モデル コンテキスト プロトコルは AI モデルをツールやデータ ソースに接続するための強固な基盤を提供しますが、私たちの実装にはいくつかの大きな利点があります。
本番環境対応の Web フレームワーク: OpenAPI ドキュメントの自動生成機能を備えた高性能の最新 Web フレームワークである FastAPI 上に構築されています。
依存性注入: FastAPI の強力な依存性注入システムを活用して、より保守しやすくテストしやすいコードを作成します。
ミドルウェア サポート: 認証、監視、その他のミドルウェア コンポーネントとの簡単な統合。
組み込み検証: 堅牢なリクエスト/レスポンス検証とデータ モデリングのための Pydantic 統合。
非同期サポート: 高同時実行アプリケーション向けの async/await パターンに対するファーストクラスのサポート。
私たちの実装は、次の点で標準の MCP ツール レジストリを改善します。
自動ドキュメント生成: ツールは、MCP 形式と OpenAPI 仕様の両方で自動的にドキュメント化されます。
型ヒントの改善: 型情報の抽出が強化され、ツールと IDE サポートが向上しました。
より豊富なスキーマ定義: ツールの入力と出力のためのより表現力豊かな JSON スキーマ定義。
改善されたエラー処理: 詳細な情報を含む構造化されたエラー応答。
強化された Docstring サポート: Python の docstring からのドキュメントの抽出が改善されました。
CORS サポート: クロスオリジン リクエストに対応しており、Web アプリケーションとの統合が容易になります。
ライフスパン管理: FastAPI のライフスパン API による適切なリソースの初期化とクリーンアップ。
Python 3.10以上
# Clone the repository
git clone https://github.com/yourusername/awesome-mcp-fastapi.git
cd awesome-mcp-fastapi
# Create a virtual environment
python -m venv .venv
source .venv/bin/activate # On Windows: .venv\Scripts\activate
# Install dependencies
pip install -e .uvicorn src.main:app --reloadOpenAPI ドキュメントを参照するには、 http://localhost:8000/docsにアクセスしてください。
from fastapi import FastAPI
from src.utils.tools import auto_tool, bind_app_tools
app = FastAPI()
bind_app_tools(app)
@auto_tool(
name="calculator",
description="Perform basic arithmetic operations",
tags=["math"]
)
@app.post("/api/calculator")
async def calculator(operation: str, a: float, b: float):
"""
Perform basic arithmetic operations.
Parameters:
- operation: The operation to perform (add, subtract, multiply, divide)
- a: First number
- b: Second number
Returns:
The result of the operation
"""
if operation == "add":
return {"result": a + b}
elif operation == "subtract":
return {"result": a - b}
elif operation == "multiply":
return {"result": a * b}
elif operation == "divide":
if b == 0:
return {"error": "Cannot divide by zero"}
return {"result": a / b}
else:
return {"error": f"Unknown operation: {operation}"}LLMはモデルコンテキストプロトコルを通じてツールを検出し、使用できます。Claudeを使用した例：
You can perform calculations using the calculator tool. Try calculating 42 * 13.Claude は自動的に計算ツールを見つけて使用し、計算を実行します。
私たちのアプリケーションはモジュール型アーキテクチャに従っています。
src/
├── api/ # API endpoints
│ └── v1/ # API version 1
├── core/ # Core functionality
│ └── settings.py # Application settings
├── db/ # Database connections
│ └── models/ # Database models
├── main.py # Application entry point
└── utils/ # Utility functions
└── tools.py # Enhanced tool registryDocker でビルドして実行します。
docker build -t awesome-mcp-fastapi .
docker run -p 8000:8000 --env-file .env awesome-mcp-fastapi貢献を歓迎します！お気軽にプルリクエストを送信してください。
このプロジェクトは MIT ライセンスに基づいてライセンスされています - 詳細については LICENSE ファイルを参照してください。
This server cannot be deployed
MCP server for your apps' tools and custom tools, plus hosted AI agents and approval-gated workflows
Nifty's MCP server — exposes tasks, projects, messages, and files as tools for AI agents.
MCP server for building and testing AI agents with multi-model experimentation and insights.
MCP server for progressive tool usage at any scale (see https://klavis.ai)
