FastMCP Study

FastMCP での MCPサーバ の構築を試す｜npaka
FastMCP 入門 (2) - FastMCPサーバ｜npaka

setup

> pip install fastmcp

> which fastmcp
$HOME/.pyenv/shims/fastmcp

> fastmcp version

FastMCP version:                                                           2.2.7
MCP version:                                                               1.7.1
Python version:                                                           3.13.2
Platform:                                    macOS-15.4.1-arm64-arm-64bit-Mach-O
FastMCP root path: $HOME/.pyenv/versions/3.13.2/lib/python3.13/site-p…

Tool "letter_counter"

以下のような質問に答えるためのツール

"asfbsfasdaeabaaagsadfaa" の中に a は何個ありますか

• アノテーション @mcp.tool() をつけて関数を定義する。
• 関数の docstring をツールの説明として使用する (アノテーションの中で明示することもできる)
• 関数のパラメータと型注釈に基づいて入力スキーマを生成する。
• 型は Pydantic が使える。
• 処理中に例外が発生しても MCPクライアント (Claude Desktopなど)は適切に処理して、AIによる処理などに切り替える。

$HOME/Library/Application Support/Claude/claude_desktop_config.json に letter_counter.py を追加

{
  "mcpServers": {
    ...
    "letter-counter": {
      "command": "<PATH_TO_PYTHON>",
      "args": [
        "<PATH_TO_THIS_PROJECT>/FastMCPStudy/letter_counter/letter_counter.py"
      ]
    }
  }
}

Resource "data_server"

tool以外は Claude Desktopなどでは利用できない? クライアントを実装して検証する

1. greeting ... シンプルな挨拶文を提供
2. config ... アプリケーション設定を提供

Resource Template

Prompt

prompt_server.py は、いくつかのプロンプト関数を提供するMCPサーバーです。

1. ask_about_topic - トピックの説明を求めるユーザーメッセージを生成
2. generate_code_request - コード生成を要求するユーザーメッセージを生成
3. roleplay_scenario - ロールプレイングシナリオを設定するメッセージリストを生成
4. ask_for_feedback - フィードバックを求めるユーザーメッセージを生成

LLMを使用するMCPクライアント

llm_mcp_client.py は、LLMを使用してMCPサーバーの関数に自律的にアクセスするクライアントです。

依存関係のインストール

pip install -r requirements.txt

使用方法

OpenAI APIを使用する場合

1. OpenAI APIキーを環境変数に設定します（または直接コードに記述します）：

export OPENAI_API_KEY=your_api_key_here

2. クライアントを実行します：

python llm_mcp_client_openai.py

Anthropic APIを使用する場合

1. Anthropic APIキーを環境変数に設定します：

export ANTHROPIC_API_KEY=your_api_key_here

2. クライアントを実行します：

python llm_mcp_client_anthropic.py

注意: Anthropicクライアントでは、anthropicライブラリのバージョン0.18.0以上、0.50.0未満が必要です。

動作の仕組み

1. クライアントはMCPサーバーに接続し、利用可能なプロンプト関数のリストを取得します。
2. ユーザーの入力に基づいて、LLM（この例ではOpenAIのGPT-4）が最適なプロンプト関数とそのパラメータを選択します。
3. 選択されたプロンプト関数が実行され、結果が返されます。

カスタマイズ

• 異なるLLMを使用する場合は、LLMMCPClient クラスの select_prompt メソッドを修正します。
• システムメッセージを調整することで、プロンプト選択の精度を向上させることができます。
• 異なるMCPサーバーを使用する場合は、main 関数の server_script パスを変更します。