🚀 FastAPI を使用したシンプルなツールサーバー

REST API エンドポイントを通じてシンプルなユーティリティ関数を公開する、FastAPI ベースのツールサーバー。

このプロジェクトは、Python 関数を FastAPI エンドポイントの背後にラップし、HTTP リクエストを通じてアクセスする方法を示しています。また、将来的に同様のツールを Model Context Protocol（MCP） を通じて公開する方法を理解するための基礎も提供します。

📌 特徴

• ➕ 2つの数値の加算

• 🕐 現在の日時を取得

• 📝 指定されたテキスト内の単語数をカウント

• ⚡ FastAPI を使用した高速な API 開発

• ✅ Pydantic を使用したリクエスト検証

• 📦 JSON ベースの API レスポンス

• 📖 自動対話型 API ドキュメント

• 🔌 後で MCP ベースのツールアーキテクチャに拡張可能なシンプルな設計

Related MCP server: SENTRA MCP

🏗️ プロジェクト構造

simple-tool-server-fastapi/
│
├── main.py              # FastAPI application and API endpoints
├── model.py             # Pydantic request models
├── tools.py             # Core utility functions
├── requirements.txt     # Project dependencies
├── .gitignore           # Files excluded from Git
└── README.md            # Project documentation

🔄 動作の仕組み

このプロジェクトはシンプルなフローに従います：

Client
   ↓
FastAPI Endpoint
   ↓
Python Tool Function
   ↓
JSON Response

例：

GET /add
   ↓
add_numbers()
   ↓
JSON response

同じコンセプトは、後で MCP アーキテクチャに向けて拡張できます：

AI Assistant
     ↓
MCP Client
     ↓
MCP Server
     ↓
Python Tools

🛠️ 使用技術

• Python

• FastAPI

• Pydantic

• Uvicorn

• REST API

• JSON

• Model Context Protocol（MCP）のコンセプト

⚙️ インストール

1. リポジトリのクローン

git clone https://github.com/sejalpatole/simple-tool-server-fastapi.git

2. プロジェクトディレクトリへ移動

cd simple-tool-server-fastapi

3. 仮想環境の作成

python -m venv venv

4. 仮想環境の有効化

Windows

venv\Scripts\activate

macOS / Linux

source venv/bin/activate

5. 依存関係のインストール

pip install -r requirements.txt

▶️ アプリケーションの実行

Uvicorn を使用して FastAPI サーバーを起動します：

uvicorn main:app --reload

サーバーは次の場所で起動します：

http://127.0.0.1:8000

📖 API ドキュメント

FastAPI は対話型の API ドキュメントを自動的に提供します。

Swagger UI

開く：

http://127.0.0.1:8000/docs

ReDoc

開く：

http://127.0.0.1:8000/redoc

🔌 API エンドポイント

1. ホーム

エンドポイント

GET /

利用可能なエンドポイントに関する情報を返します。

レスポンス例

{
  "message": "Welcome to the Simple Tool Server",
  "available_endpoints": [
    "/add",
    "/time",
    "/wordcount"
  ]
}

2. 2つの数値の加算

エンドポイント

GET /add

パラメータ

例

http://127.0.0.1:8000/add?a=10&b=20

レスポンス例

{
  "operation": "Addition",
  "a": 10,
  "b": 20,
  "result": 30
}

3. 現在時刻の取得

エンドポイント

GET /time

例

http://127.0.0.1:8000/time

レスポンス例

{
  "current_time": "2026-08-20 21:00:00"
}

4. 単語数のカウント

エンドポイント

POST /wordcount

リクエストボディ

{
  "text": "FastAPI is easy to use"
}

レスポンス例

{
  "text": "FastAPI is easy to use",
  "word_count": 5
}

🧩 プロジェクトコンポーネント

main.py

FastAPI アプリケーションと API ルートを含みます。

以下のエンドポイントを定義しています：

• /

• /add

• /time

• /wordcount

tools.py

コアとなる Python ユーティリティ関数を含みます：

add_numbers()
get_current_time()
word_count()

ツールのロジックを API 層から分離することで、プロジェクトの保守と拡張が容易になります。

model.py

/wordcount リクエストを検証するために使用される Pydantic モデルを含みます。

class WordCountRequest(BaseModel):
    text: str

これにより、API が期待通りのリクエスト構造を受け取ることが保証されます。

🧪 テスト

API は以下を使用してテストできます：

• Swagger UI

• Postman

• ブラウザ

• cURL

• 任意の REST API クライアント

Swagger UI は次の場所で利用可能です：

http://127.0.0.1:8000/docs

🌱 今後の改善案

考えられる拡張には以下が含まれます：

• より多くのユーティリティツールの追加

• 認証の追加

• ロギングの追加

• Pytest を使用した自動テストの追加

• Docker サポートの追加

• MCP プロトコルサポートの追加

• MCP サーバーを通じた Python ツールの公開

• データベース対応ツールの追加

• クラウドプラットフォームへのサーバーデプロイ

🎯 学習成果

このプロジェクトを通じて、以下のコンセプトを学ぶことができます：

• FastAPI を使用した API の構築

• GET および POST エンドポイントの作成

• Pydantic を使用したリクエスト検証

• API ロジックとビジネスロジックの分離

• JSON リクエストとレスポンスの処理

• Uvicorn を使用したアプリケーションの実行

• ツールベースの AI システムの基礎の理解

• API、ツール、MCP の関係の理解

👩💻 著者

Sejal Patole

⭐ 謝辞

このプロジェクトは、FastAPI、REST API、Python ユーティリティツール、および MCP ベースのツールアーキテクチャの基礎を学ぶための演習として開発されました。

このプロジェクトが役に立ったと思われた場合は、リポジトリに ⭐ を付けることをご検討ください。