Model Context Protocol（MCP，模型上下文协议）彻底改变了大语言模型（LLM）与外部工具、数据源和服务的交互方式。但传统上，从零搭建 MCP 服务端需要处理大量复杂的样板代码，还要吃透协议规范。FastMCP 扫清了这一障碍，它提供基于装饰器、符合 Python 习惯的框架，让开发者用极少代码就能构建生产级 MCP 服务端与客户端。
接下来，我们将使用 FastMCP 构建 MCP 服务端与客户端。FastMCP 内容完整、自带错误处理，对新手和中级开发者都非常友好。
环境准备
开始本教程前，请确保你已准备好：
- • Python 3.10 或更高版本（推荐 3.11+，异步性能更好）
- • pip 或 uv（推荐使用 uv 部署 FastMCP，CLI 工具也依赖它）
- • 代码编辑器（本文使用 VS Code，你可任选）
- • 熟悉终端/命令行，用于运行 Python 脚本
有以下基础会更有帮助：
- • 扎实的 Python 编程知识（函数、装饰器、类型注解）
- • 了解 async/await 语法（非必需，但对高级示例有帮助）
- • 熟悉 JSON 与 REST API 概念
- • 基本的命令行操作能力
在 FastMCP 出现之前，开发 MCP 服务端需要你深入理解 MCP JSON-RPC 规范、编写大量协议处理样板代码、手动管理连接与传输、实现复杂的错误处理与校验逻辑。 FastMCP 用直观的装饰器和简洁的 Pythonic API 解决了这些问题，让你专注业务逻辑，而非协议实现。
什么是 Model Context Protocol（MCP）？
MCP 是由 Anthropic 推出的开放标准，它为 AI 应用提供了一套通用接口，用于安全连接外部工具、数据源与服务。 MCP 统一了 LLM 与外部系统的交互方式，就像 Web API 统一了网络服务通信一样。
MCP 核心特性
- •标准化通信：基于 JSON-RPC 2.0，实现可靠、结构化的消息传输
- •双向交互：支持客户端→服务端请求与服务端→客户端响应
- •安全性：内置认证与授权模式支持
- •灵活传输：兼容任意传输方式（stdio、HTTP、WebSocket、SSE）
MCP 架构：服务端与客户端
MCP 采用清晰的客户端–服务端架构：
- •MCP 服务端：对外暴露能力（工具、资源、提示词），可理解为专为 LLM 集成设计的后端 API。
- •MCP 客户端：嵌入在 AI 应用（如 Claude Desktop、Cursor IDE 或自定义应用）中，连接 MCP 服务端并使用其资源。
MCP 核心组件
MCP 服务端主要暴露三类能力：
- •Tools（工具）：LLM 可调用的可执行函数，用于查询数据库、调用 API、计算或触发工作流。
- •Resources（资源）：只读数据，客户端可获取并作为上下文使用，如文件内容、配置数据、动态内容。
- •Prompts（提示词）：可复用的消息模板，用于引导 LLM 行为，为多步骤操作或专业推理提供统一指令。
什么是 FastMCP？
FastMCP 是一个高层 Python 框架，用于简化 MCP 服务端与客户端的开发。它的设计目标是降低开发成本，主要特点：
- •基于装饰器的 API：使用
@mcp.tool、@mcp.resource、@mcp.prompt消除样板代码 - •类型安全：完整的类型注解与校验，基于 Python 类型系统
- •异步支持：现代化 async Python，支持高性能操作
- •多传输协议：支持 stdio、HTTP、WebSocket、SSE
- •内置测试：无需子进程即可轻松测试客户端–服务端交互
- •生产就绪：自带错误处理、日志、配置等生产级功能
FastMCP 设计理念
FastMCP 遵循三大核心原则：
- 高层抽象：更少代码，更快开发
- 简洁易用：极少样板代码，专注功能而非协议
- Pythonic：符合 Python 习惯，对 Python 开发者友好
安装依赖
推荐使用 uv 安装 FastMCP 及依赖。
uv pip install fastmcp如果没有安装 uv，先安装：
pip install uv也可以直接用 pip 安装：
pip install fastmcp验证安装：
python -c "from fastmcp import FastMCP; print('FastMCP installed successfully')"构建 MCP 服务端
我们将创建一个实用的 MCP 服务端，演示工具、资源、提示词三大能力。以计算器服务端为例，提供数学运算、配置资源与指令提示。
步骤 1：项目结构初始化
创建项目目录并进入：
mkdir fastmcp-calculatorcd fastmcp-calculator使用 uv 初始化项目（指定 Python 3.11）：
uv init --python 3.11步骤 2：编写 MCP 服务端
在项目中创建calculator_server.py，代码如下：
import loggingimport sysfrom typing import Dictfrom fastmcp import FastMCP# 日志输出到 stderr（对 MCP 协议完整性至关重要）logging.basicConfig( level=logging.DEBUG, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s', stream=sys.stderr)logger = logging.getLogger(__name__)# 创建 FastMCP 服务端实例mcp = FastMCP(name="CalculatorServer")服务端导入 FastMCP 并将日志定向到 stderr。MCP 协议要求：除协议消息外，所有输出必须走 stderr，避免破坏通信。FastMCP(name="CalculatorServer")会自动处理所有协议管理。
接下来定义工具：
@mcp.tooldefadd(a: float, b: float) -> float: """两数相加 Args: a: 第一个数 b: 第二个数 Returns: a 与 b 的和 """ try: result = a + b logger.info(f"Addition performed: {a} + {b} = {result}") return result except TypeError as e: logger.error(f"Type error in add: {e}") raise ValueError(f"Invalid input types: {e}")@mcp.tooldefsubtract(a: float, b: float) -> float: """a 减 b Args: a: 被减数 b: 减数 Returns: a 与 b 的差 """ try: result = a - b logger.info(f"Subtraction performed: {a} - {b} = {result}") return result except TypeError as e: logger.error(f"Type error in subtract: {e}") raise ValueError(f"Invalid input types: {e}")@mcp.tooldefmultiply(a: float, b: float) -> float: """两数相乘 Args: a: 第一个数 b: 第二个数 Returns: a 与 b 的积 """ try: result = a * b logger.info(f"Multiplication performed: {a} * {b} = {result}") return result except TypeError as e: logger.error(f"Type error in multiply: {e}") raise ValueError(f"Invalid input types: {e}")@mcp.tooldefdivide(a: float, b: float) -> float: """a 除以 b Args: a: 被除数 b: 除数 Returns: 商 Raises: ValueError: 除零时抛出 """ try: if b == 0: logger.warning(f"Division by zero attempted: {a} / {b}") raise ValueError("Cannot divide by zero") result = a / b logger.info(f"Division performed: {a} / {b} = {result}") return result except (TypeError, ZeroDivisionError) as e: logger.error(f"Error in divide: {e}") raise ValueError(f"Division error: {e}")四个被@mcp.tool装饰的函数对外暴露数学运算。每个工具都包含：
- • 参数与返回值类型注解
- • 完整文档字符串（MCP 会将其作为工具描述）
- • try-except 错误处理
- • 日志记录
- • 输入校验
接下来定义资源：
@mcp.resource("config://calculator/settings")defget_settings() -> Dict: """提供计算器配置与可用操作""" logger.debug("Fetching calculator settings") return { "version": "1.0.0", "operations": ["add", "subtract", "multiply", "divide"], "precision": "IEEE 754 double precision", "max_value": 1.7976931348623157e+308, "min_value": -1.7976931348623157e+308, "supports_negative": True, "supports_decimals": True }@mcp.resource("docs://calculator/guide")defget_guide() -> str: """计算器使用指南""" logger.debug("Retrieving calculator guide") guide = """1. **add(a, b)**: 返回 a + b 示例：add(5, 3) = 82. **subtract(a, b)**: 返回 a - b 示例：subtract(10, 4) = 63. **multiply(a, b)**: 返回 a * b 示例：multiply(7, 6) = 424. **divide(a, b)**: 返回 a / b 示例：divide(20, 4) = 5.0## 错误处理- 除零会抛出 ValueError- 非数值输入会抛出 ValueError- 所有输入必须是合法数字（int / float）## 精度说明计算器使用 IEEE 754 双精度浮点数运算，部分运算可能存在微小舍入误差。""" return guide两个被@mcp.resource装饰的函数提供静态/动态数据：
- •
config://calculator/settings：返回计算器元信息 - •
docs://calculator/guide：返回格式化使用指南
资源 URI 遵循约定：类型://分类/资源名。
接下来定义提示词：
@mcp.promptdef calculate_expression(expression: str) -> str: """生成数学表达式计算指令 Args: expression: 待计算的数学表达式 Returns: 指导 LLM 分步计算的提示词 """ logger.debug(f"Generating calculation prompt for: {expression}") prompt = f"""请分步计算以下数学表达式：表达式：{expression}计算步骤：1. 将表达式拆分为单个运算2. 使用对应计算器工具完成每一步3. 遵循运算优先级：括号 → 乘除 → 加减4. 展示所有中间步骤5. 给出最终结果可用工具：add、subtract、multiply、divide""".strip() return prompt最后添加服务启动代码：
if __name__ == "__main__": logger.info("Starting Calculator MCP Server...") try: # 使用 stdio 传输（Claude Desktop 默认） mcp.run(transport="stdio") except KeyboardInterrupt: logger.info("Server interrupted by user") sys.exit(0) except Exception as e: logger.error(f"Fatal error: {e}", exc_info=True) sys.exit(1)@mcp.prompt用于创建指令模板，引导 LLM 完成复杂任务。 本文包含的错误处理最佳实践：
- • 精准捕获异常（TypeError、ZeroDivisionError）
- • 对用户友好的错误信息
- • 详细日志便于调试
- • 优雅的异常传播
步骤 3：编写 MCP 客户端
创建calculator_client.py，演示如何与上面的计算器服务端交互：
import asyncioimport loggingimport sysfrom typing importAnyfrom fastmcp import Client, FastMCPlogging.basicConfig( level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s', stream=sys.stderr)logger = logging.getLogger(__name__)asyncdefmain(): from calculator_server import mcp as server logger.info("Initializing Calculator Client...") try: asyncwith Client(server) as client: logger.info("✓ 已连接到计算器服务端") # 1. 发现服务端能力 print("\n" + "="*60) print("1. 发现服务端能力") print("="*60) tools = await client.list_tools() print(f"\n可用工具（{len(tools)}）：") for t in tools: print(f" • {t.name}: {t.description}") resources = await client.list_resources() print(f"\n可用资源（{len(resources)}）：") for r in resources: print(f" • {r.uri}: {r.name or r.uri}") prompts = await client.list_prompts() print(f"\n可用提示词（{len(prompts)}）：") for p in prompts: print(f" • {p.name}: {p.description}") # 2. 调用工具 print("\n" + "="*60) print("2. 调用工具") print("="*60) print("\n测试 1：15 + 27") res = await client.call_tool("add", {"a": 15, "b": 27}) val = extract_tool_result(res) print(f" 结果：15 + 27 = {val}") print("\n测试 2：100 / 5") res = await client.call_tool("divide", {"a": 100, "b": 5}) val = extract_tool_result(res) print(f" 结果：100 / 5 = {val}") print("\n测试 3：除零错误（异常处理）") try: res = await client.call_tool("divide", {"a": 10, "b": 0}) print(f" 意外成功：{res}") except Exception as e: print(f" ✓ 正确捕获错误：{str(e)}") # 3. 读取资源 print("\n" + "="*60) print("3. 读取资源") print("="*60) print("\n获取计算器配置...") settings = await client.read_resource("config://calculator/settings") print(f" 配置信息：{settings[0].text}") print("\n获取计算器指南...") guide = await client.read_resource("docs://calculator/guide") print(f" 指南预览：{guide[0].text[:200]}...") # 4. 链式调用 print("\n" + "="*60) print("4. 多步运算链式调用") print("="*60) print("\n计算：(10 + 5) * 3 - 7") print(" 步骤 1：10 + 5") step1 = extract_tool_result(await client.call_tool("add", {"a": 10, "b": 5})) print(f" 结果：{step1}") print(" 步骤 2：15 * 3") step2 = extract_tool_result(await client.call_tool("multiply", {"a": step1, "b": 3})) print(f" 结果：{step2}") print(" 步骤 3：45 - 7") final = extract_tool_result(await client.call_tool("subtract", {"a": step2, "b": 7})) print(f" 最终结果：{final}") # 5. 使用提示词模板 print("\n" + "="*60) print("5. 使用提示词模板") print("="*60) expr = "25 * 4 + 10 / 2" print(f"\n表达式：{expr}") prompt_res = await client.get_prompt( "calculate_expression", {"expression": expr} ) print(f" 提示词模板：\n{prompt_res.messages[0].content.text}") logger.info("✓ 客户端运行完成") except Exception as e: logger.error(f"客户端错误：{e}", exc_info=True) sys.exit(1)添加结果提取工具函数：
def extract_tool_result(response: Any) -> Any: """从工具响应中解析真实结果""" try: ifhasattr(response, 'content') and response.content: content = response.content[0] ifhasattr(content, 'text') and content.text isnotNone: import json txt = content.text try: parsed = json.loads(txt) ifisinstance(parsed, dict) and'result'in parsed: return parsed['result'] return parsed except json.JSONDecodeError: try: returnfloat(txt) if'.'in txt elseint(txt) except: return txt ifhasattr(content, 'json'): import json try: j = content.json() ifcallable(content.json) else content.json parsed = json.loads(j) ifisinstance(j, str) else j ifisinstance(parsed, dict): res = parsed.get('result') or parsed.get('text') or parsed ifisinstance(res, str): try: returnfloat(res) if'.'in res elseint(res) except: return res return res return parsed except: pass return response except Exception as e: logger.warning(f"无法解析结果：{e}") return responseif __name__ == "__main__": logger.info("Calculator Client Starting...") asyncio.run(main())客户端使用async with Client(server)安全管理连接，自动处理建立与清理。
核心方法说明：
- •
await client.list_tools()：获取所有工具元信息 - •
await client.list_resources()：发现可用资源 - •
await client.list_prompts()：发现可用提示词模板 - •
await client.call_tool()：调用工具，传入工具名与参数字典 - •
extract_tool_result()：解开 MCP 响应包装，拿到真实值
链式调用演示了如何将一个工具的输出作为下一个工具的输入，实现复杂计算。 错误处理会捕获工具异常（如除零）并优雅记录，不会崩溃。
步骤 4：运行服务端与客户端
打开两个终端：
终端 1 启动服务端：
python calculator_server.py终端 2 运行客户端：
python calculator_client.py你将看到完整的运行日志与输出。
FastMCP 高级模式
计算器示例只用到基础逻辑，FastMCP 可支撑复杂生产场景。扩展时可使用：
- •异步操作：对数据库、API 等 I/O 密集型工具使用
async def - •动态资源：资源支持参数（如
resource://users/{user_id}），动态获取指定数据 - •复杂类型校验：使用 Pydantic 或复杂类型注解，确保 LLM 传入格式严格匹配
- •自定义传输：除 stdio 外，还支持 SSE 等用于 Web 集成与自定义 UI
写在最后
FastMCP 在复杂的 MCP 协议与 Python 开发者期望的简洁装饰器开发体验之间架起了桥梁。它去掉了 JSON-RPC 2.0 与手动传输管理的样板代码，让你专注真正重要的事情：构建让 LLM 更强大的工具。
无论你是开发简单工具，还是复杂的数据编排层，FastMCP 都提供最“Pythonic”的路径，帮你快速搭建生产级 Agentic 生态系统。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
