引言

在现代分布式系统和AI应用中，模型上下文协议（MCP）扮演着重要角色，它负责协调客户端与服务器之间的通信，尤其是在需要频繁交互的场景中。本文将介绍如何使用FastMCP库快速实现客户端与服务器之间的通信，并通过实战案例展示其核心用法。

项目概述

本项目使用FastMCP库实现了一个简单的客户端-服务器通信示例，包含基本的工具注册与调用功能。通过本示例，你将了解FastMCP的核心概念、使用方法以及常见问题的解决方案。

项目结构

├── .venv/         # Python虚拟环境
├── client.py      # 客户端代码
├── server.py      # 服务器代码
└── README.md      # 项目说明文档

实现步骤

步骤1: 创建虚拟环境并安装依赖

首先，我们需要创建一个独立的Python虚拟环境并安装必要的依赖：

1. 创建Python虚拟环境：

   python -m venv .venv
   

2. 激活虚拟环境：

   # Linux/Mac系统
   source .venv/bin/activate# Windows系统
   .venv\Scripts\activate
   

3. 安装FastMCP库：

   pip install fastmcp
   

步骤2: 编写服务器代码

创建server.py文件，实现一个简单的MCP服务器，该服务器将提供一个hello工具供客户端调用：

# 导入FastMCP类，用于创建MCP服务器
from fastmcp import FastMCP# 创建FastMCP服务器实例，命名为"Demo"
mcp = FastMCP("Demo")# 使用装饰器注册一个名为"hello"的工具函数
@mcp.tool
def hello(name: str) -> str:"""向指定名称的用户发送问候参数:name: 字符串，要问候的用户名称返回:字符串，包含问候语的响应"""return f"Hello, {name}!"# 当脚本作为主程序运行时
if __name__ == "__main__":# 启动MCP服务器# 默认使用STDIO传输方式，通过标准输入输出与客户端通信mcp.run()

代码解析：

• 我们通过FastMCP类创建了一个服务器实例，并命名为"Demo"
• 使用@mcp.tool装饰器注册了一个名为hello的工具函数
• 该工具函数接收一个name参数，并返回相应的问候语
• 服务器默认使用STDIO（标准输入输出）作为传输方式
• 最后通过mcp.run()启动服务器

步骤3: 编写客户端代码

创建client.py文件，实现一个连接到服务器的客户端：

# 导入asyncio模块，用于支持异步操作
import asyncio
# 导入Client类，用于创建MCP客户端
from fastmcp import Client# 创建Client实例，连接到名为"server.py"的服务器脚本
# 客户端会自动推断使用STDIO传输方式与服务器通信
client = Client("server.py")# 定义异步函数call_tool，用于调用服务器上的工具
async def call_tool(name: str):"""异步调用服务器上的hello工具参数:name: 字符串，要传递给hello工具的名称参数返回:无返回值，但会打印服务器的响应结果"""# 使用异步上下文管理器连接到服务器async with client:# 调用服务器上的hello工具，传递name参数result = await client.call_tool("hello", {"name": name})# 打印服务器返回的结果print(result)# 运行异步函数call_tool，传入默认名称"Ford"
asyncio.run(call_tool("Ford"))

代码解析：

• 我们创建了一个Client实例，指定要连接的服务器脚本
• 定义了异步函数call_tool用于调用服务器上的工具
• 使用异步上下文管理器async with client来管理与服务器的连接
• 通过await client.call_tool()方法调用服务器上的hello工具
• 最后使用asyncio.run()运行异步函数，启动客户端

步骤4: 解决通信问题

在实现过程中，我们遇到了几个典型问题并成功解决：

1. 传输方式识别问题

   • 问题：最初客户端无法自动识别"stdio"传输方式
   • 解决：通过查看源码了解到FastMCP使用PythonStdioTransport类处理标准输入输出通信，客户端会根据服务器类型自动选择合适的传输方式

2. 连接管理问题

   • 问题：不清楚如何正确管理客户端与服务器的连接状态
   • 解决：FastMCP Client采用异步上下文管理器模式进行连接管理，替代了显式的connect()和disconnect()方法，使用async with client即可自动管理连接的建立和关闭

3. 工具调用参数问题

   • 问题：工具调用时参数传递不正确
   • 解决：call_tool方法需要使用name参数指定工具名称，第二个参数为工具所需的参数字典

4. 工具名称匹配问题

   • 问题：客户端调用工具时提示找不到工具
   • 解决：确保客户端调用的工具名称与服务器注册的工具名称完全匹配，包括大小写

步骤5: 运行和测试

完成代码编写后，我们可以按照以下步骤运行和测试：

1. 首先启动服务器，在终端中执行：

   python server.py
   

2. 打开另一个终端，激活相同的虚拟环境，运行客户端：

   python client.py
   

3. 客户端将输出服务器的响应结果：

   CallToolResult(content=[TextContent(type='text', text='Hello, Ford!', annotations=None, meta=None)], structured_content={'result': 'Hello, Ford!'}, data='Hello, Ford!', is_error=False)
   

步骤6: trae中集成MCP

1. 在trae ide中点击手动添加MCP
   
2. 把这段json输入进去

{"mcpServers": {"local-mcp-server": {"command": "bash","args": ["-c","source /mcp-test/.venv/bin/activate && python /mcp-test/server.py"],"cwd": "/mcp-test"}}
}

3. 看到这个小绿对钩就是成功了

4. 在对话中输入“张三”，可以看到正常调用我们自定义的MCP服务

技术要点总结

1. FastMCP库核心概念

   • FastMCP提供了简单易用的API，简化了MCP客户端-服务器通信的实现
   • 服务器通过装饰器注册工具，客户端通过名称调用这些工具

2. STDIO传输方式

   • 默认使用标准输入输出进行进程间通信
   • 无需网络配置，适合本地进程间的简单通信场景

3. 异步编程模型

   • 客户端基于asyncio实现异步操作
   • 使用异步上下文管理器管理连接生命周期
   • 通过await关键字处理异步工具调用

4. 工具注册与调用

   • 服务器使用@mcp.tool装饰器注册工具函数
   • 客户端使用call_tool方法调用服务器上的工具
   • 工具参数以字典形式传递，支持复杂数据结构

扩展与优化建议

1. 对于生产环境，可以考虑：

   • 使用更可靠的传输方式（如TCP）
   • 添加身份验证和数据加密
   • 实现错误重试机制
   • 添加日志记录和监控

2. 功能扩展：

   • 注册多个工具函数，实现更复杂的业务逻辑
   • 添加工具调用的超时处理
   • 支持更复杂的参数类型和返回值
   • 实现批量工具调用功能

结论

通过本文的示例，我们展示了如何使用FastMCP库快速实现客户端与服务器之间的通信。FastMCP提供了简洁的API和灵活的扩展能力，使开发者能够专注于业务逻辑的实现，而无需过多关注底层通信细节。无论是在AI模型交互、分布式系统协调还是普通的进程间通信场景，FastMCP都是一个值得尝试的优秀选择。

希望本文能帮助你快速入门FastMCP的使用，如果有任何问题或建议，欢迎在评论区留言讨论！