FastMCP讓LLM更聰明！打造專屬外掛，即刻開始，讓AI飛起來！

好的，這是一篇針對台灣讀者的部落格文章，介紹 FastMCP v2。

🚀 讓你的 LLM 更聰明：用 FastMCP 打造強大的工具與資料庫！

嘿，各位熱愛 AI 的朋友們！你是否也覺得大型語言模型（LLM）很棒，但有時候就是少了點什麼？像是無法存取特定資料、不能執行特定動作，或是總覺得回答不夠精準？

今天就來介紹一個超棒的工具 FastMCP v2，它能讓你輕鬆打造 LLM 的專屬外掛，讓你的 LLM 瞬間升級，變得更加強大！

網址： 根據參考資料，FastMCP 的官方文件網址是 gofastmcp.com。 專案原始碼放在 Github 上：https://github.com/jlowin/fastmcp

什麼是 MCP？跟 FastMCP 有什麼關係？

首先，我們要先了解 MCP（Model Context Protocol，模型上下文協定） 是什麼。簡單來說，MCP 就像是一個讓 LLM 可以安全、標準化地存取外部資料和功能的橋樑。你可以想像成 LLM 專用的 API，讓它可以：

• 讀取資料（Resources）： 就像 GET 請求，把資料餵給 LLM，讓它了解更多資訊。
• 執行動作（Tools）： 就像 POST/PUT 請求，讓 LLM 可以呼叫外部功能，例如計算、查詢資料庫等等。
• 定義互動模式（Prompts）： 就像範本，引導 LLM 如何更有效地使用這些功能。

而 FastMCP 就是一個讓你用 Python 快速、簡單地建立和使用 MCP 伺服器的工具。它幫你處理了複雜的協定細節，讓你專注在打造實用的功能上。

為什麼要用 FastMCP？

你可能會想，自己寫 API 不就好了嗎？為什麼要用 MCP 和 FastMCP 呢？原因很簡單：

• 標準化： MCP 是一個公開的協定，讓不同的 LLM 和應用程式可以互相溝通。
• 安全性： MCP 提供了一種安全的方式，讓 LLM 存取外部資源，避免潛在的風險。
• 方便性： FastMCP 讓你用 Python 就能快速建立 MCP 伺服器，省去大量的程式碼。

更棒的是，FastMCP 2.0 還加入了更多進階功能，像是可以代理和組合 MCP 伺服器，甚至可以從現有的 OpenAPI 或 FastAPI 應用程式自動產生 MCP 伺服器！

FastMCP 的核心概念：打造 LLM 的超能力

FastMCP 的核心概念其實很簡單，就是透過一些 Python 的裝飾器（Decorator），讓你輕鬆地定義 LLM 可以使用的功能。

1. FastMCP 伺服器：你的 LLM 中樞

FastMCP 伺服器是整個應用程式的核心，它負責處理連線、協定細節和路由。你可以這樣建立一個 FastMCP 伺服器：

from fastmcp import FastMCP

# 建立一個名為 "我的應用程式" 的伺服器
mcp = FastMCP("我的應用程式")

# 或是指定需要的依賴套件，方便部署
mcp = FastMCP("我的應用程式", dependencies=["pandas", "numpy"])

2. 工具（Tools）：讓 LLM 動起來

工具讓 LLM 可以執行特定的動作，例如計算、查詢資料庫、發送通知等等。你可以用 @mcp.tool() 裝飾器來定義工具：

import httpx
from pydantic import BaseModel

class 使用者資訊(BaseModel):
    使用者ID: int
    通知: bool = False

@mcp.tool()
async def 發送通知(使用者: 使用者資訊, 訊息: str) -> dict:
    """如果使用者要求，發送通知給使用者。"""
    if 使用者.通知:
        # 模擬發送通知
        print(f"正在通知使用者 {使用者.使用者ID}: {訊息}")
        return {"狀態": "已發送", "使用者ID": 使用者.使用者ID}
    return {"狀態": "已跳過", "使用者ID": 使用者.使用者ID}

@mcp.tool()
def 取得股票價格(股票代碼: str) -> float:
    """取得指定股票代碼的目前價格。"""
    # 替換成實際的 API 呼叫
    價格 = {"AAPL": 180.50, "GOOG": 140.20}
    return 價格.get(股票代碼.upper(), 0.0)

在這個例子中，我們定義了兩個工具：

• 發送通知：可以根據使用者資訊發送通知。
• 取得股票價格：可以取得指定股票的價格。

FastMCP 會自動根據型別提示（Type Hints）和文件字串（Docstrings）產生必要的 MCP schema。你甚至可以使用 Pydantic 模型來定義複雜的輸入。

3. 資源（Resources）：讓 LLM 讀取資料

資源讓 LLM 可以讀取特定的資料，例如設定檔、使用者資料、產品資訊等等。你可以用 @mcp.resource("你的://URI") 裝飾器來定義資源：

# 靜態資源，回傳簡單的文字
@mcp.resource("config://應用程式版本")
def 取得應用程式版本() -> str:
    """回傳應用程式的版本。"""
    return "v2.1.0"

# 動態資源範本，從 URI 取得 '使用者ID'
@mcp.resource("db://使用者/{使用者ID}/email")
async def 取得使用者Email(使用者ID: str) -> str:
    """取得指定使用者 ID 的 email 地址。"""
    # 替換成實際的資料庫查詢
    emails = {"123": "alice@example.com", "456": "bob@example.com"}
    return emails.get(使用者ID, "找不到@example.com")

# 資源，回傳 JSON 資料
@mcp.resource("data://產品類別")
def 取得產品類別() -> list[str]:
    """回傳可用的產品類別列表。"""
    return ["電子產品", "書籍", "家居用品"]

在這個例子中，我們定義了三個資源：

• 取得應用程式版本：回傳應用程式的版本。
• 取得使用者Email：根據使用者 ID 回傳 email 地址。
• 取得產品類別：回傳可用的產品類別列表。

你可以在 URI 中使用大括號 {} 來定義動態資源，讓 URI 的一部分變成函式的參數。

4. 提示（Prompts）：引導 LLM 的互動

提示定義了可重複使用的範本或互動模式，引導 LLM 如何更有效地使用你的伺服器。你可以用 @mcp.prompt() 裝飾器來定義提示：

from fastmcp.prompts.base import UserMessage, AssistantMessage

@mcp.prompt()
def 請求程式碼審查(程式碼片段: str) -> str:
    """產生一個標準的程式碼審查請求。"""
    return f"請審查以下程式碼片段，找出潛在的錯誤和風格問題：\n```python\n{程式碼片段}\n```"

@mcp.prompt()
def 開始除錯會話(錯誤訊息: str) -> list[Message]:
    """啟動一個除錯協助會話。"""
    return [
        UserMessage(f"我遇到一個錯誤：\n{錯誤訊息}"),
        AssistantMessage("好的，我可以幫忙。請提供完整的追蹤訊息，並告訴我你想要做什麼？")
    ]

在這個例子中，我們定義了兩個提示：

• 請求程式碼審查：產生一個程式碼審查請求。
• 開始除錯會話：啟動一個除錯協助會話。

5. 上下文（Context）：在工具和資源中存取 MCP 功能

透過將 fastmcp.Context 型別提示加到參數中，你可以在工具或資源函式 內部 存取 MCP 伺服器功能。

from fastmcp import Context, FastMCP

mcp = FastMCP("Context 範例")

@mcp.resource("system://狀態")
async def 取得系統狀態(ctx: Context) -> dict:
    """檢查系統狀態並記錄資訊。"""
    await ctx.info("正在檢查系統狀態...")
    # 執行檢查
    await ctx.report_progress(1, 1) # 回報完成
    return {"狀態": "OK", "負載": 0.5, "client": ctx.client_id}

@mcp.tool()
async def 處理大型檔案(檔案URI: str, ctx: Context) -> str:
    """處理大型檔案，回報進度並讀取資源。"""
    await ctx.info(f"開始處理 {檔案URI}")
    # 使用上下文讀取資源
    檔案內容資源 = await ctx.read_resource(檔案URI)
    檔案內容 = 檔案內容資源[0].content # 假設是單一文字內容
    lines = 檔案內容.splitlines()
    總行數 = len(lines)

    for i, line in enumerate(lines):
        # 處理行...
        if (i + 1) % 100 == 0: # 每 100 行回報進度
            await ctx.report_progress(i + 1, 總行數)

    await ctx.info(f"完成處理 {檔案URI}")
    return f"已處理 {總行數} 行。"

Context 物件提供：

• 記錄：ctx.debug()、ctx.info()、ctx.warning()、ctx.error()
• 進度報告：ctx.report_progress(current, total)
• 資源存取：await ctx.read_resource(uri)
• 請求資訊：ctx.request_id、ctx.client_id
• 取樣（進階）：await ctx.sample(...) 向連線的 LLM 客戶端請求完成。

6. 圖像

使用 fastmcp.Image 輔助類別輕鬆處理影像輸入和輸出。

from fastmcp import FastMCP, Image
from PIL import Image as PILImage
import io

mcp = FastMCP("圖片範例")

@mcp.tool()
def 建立縮圖(圖片資料: Image) -> Image:
    """從提供的圖片建立一個 100x100 的縮圖。"""
    img = PILImage.open(io.BytesIO(圖片資料.data)) # 假設圖片資料是帶有位元組的 Image 接收
    img.thumbnail((100, 100))
    buffer = io.BytesIO()
    img.save(buffer, format="PNG")
    # 回傳一個新的帶有縮圖資料的 Image 物件
    return Image(data=buffer.getvalue(), format="png")

@mcp.tool()
def 從磁碟載入圖片(路徑: str) -> Image:
    """從指定的路徑載入圖片。"""
    # 處理讀取檔案並根據副檔名偵測格式
    return Image(path=path)

FastMCP 會處理轉換為 MCP 協定所需的 base64 編碼格式。

實際操作：快速開始

現在，讓我們來看看如何實際建立一個簡單的 MCP 伺服器：

1. 安裝 FastMCP：

   pip install fastmcp
   

2. 建立一個 server.py 檔案，並加入以下程式碼：

   # server.py
   from fastmcp import FastMCP
   
   # 建立一個 MCP 伺服器
   mcp = FastMCP("Demo")
   
   # 加入一個加法工具
   @mcp.tool()
   def 加法(a: int, b: int) -> int:
       """加兩個數字"""
       return a + b
   
   # 加入一個動態問候語資源
   @mcp.resource("greeting://{name}")
   def 取得問候語(name: str) -> str:
       """取得個人化的問候語"""
       return f"哈囉，{name}！"
   
   if __name__ == "__main__":
       mcp.run()
   

3. 執行伺服器：

   python server.py
   

   或者，使用 FastMCP CLI 工具:

   fastmcp run server.py
   

4. （推薦）使用 Claude Desktop 測試：

   如果你有安裝 Claude Desktop，可以直接用以下指令安裝這個伺服器：

   fastmcp install server.py
   

   然後就可以在 Claude Desktop 中使用你建立的工具和資源了！

進階功能：打造更複雜的應用程式

FastMCP 2.0 還提供了一些進階功能，讓你打造更複雜的應用程式：

• 代理伺服器： 建立一個 FastMCP 伺服器，作為另一個 MCP 端點的中介，代理請求。
• 組合 MCP 伺服器： 將多個 FastMCP 伺服器組合在一起，建立模組化的應用程式。
• 從 OpenAPI 和 FastAPI 產生： 從現有的 OpenAPI 或 FastAPI 應用程式自動產生 FastMCP 伺服器。

結論：讓你的 LLM 飛起來！

FastMCP 是一個非常強大的工具，它可以讓你輕鬆打造 LLM 的專屬外掛，讓你的 LLM 變得更加聰明、更加實用。如果你想要讓你的 LLM 飛起來，那就趕快開始使用 FastMCP 吧！

希望這篇文章對你有幫助！如果你有任何問題，歡迎在留言區提出。也歡迎分享你用 FastMCP 打造的有趣應用！

參考閱讀

https://github.com/jlowin/fastmcp