MCP（Model Context Protocol）为 AI 系统与外部工具、数据源的交互提供了标准化接口，但其复杂的协议细节和服务器管理常让开发者望而却步。
现在也越来越多应用开始使用 #MCP 协议，比如 Claude、Cursor、百度智能云、阿里云、纳米搜索等，都依赖 MCP 构建更自然、更复杂的智能体交互体验。
今天我要给大家分享一个真正能让你“轻松上手，快速开发”的宝藏开源框架：FastMCP。
它的存在，就像是给开发者开了一道绿灯：既能帮你省下大量处理底层细节的时间，又能让你专注在功能创新和业务逻辑上！
#FastMCP，这款最近开源的超级轻量 Python 框架，直接把 MCP 开发体验提升了一个维度！
只需简单几行代码，就能快速定义工具、资源、提示，搭建完整的 MCP Server & Client。
项目简介
FastMCP 是一个专门为开发 MCP 服务器和客户端设计的开源 Python 框架。
它致力于：简化 MCP 工具开发、加速服务器搭建、兼容各种 LLM 客户端，如 Claude Desktop。
通过装饰器和直观 API 简化服务器与客户端开发，支持工具（Tools）、资源（Resources）和提示（Prompts）的定义。
让 Python 开发者用几行代码即可构建 MCP 服务器或客户端。
主要特性
简洁优雅的装饰器语法：使用简单 Python 装饰器定义 MCP 工具/资源/提示
工具链支持：快速组合多个工具，支持单工具、多工具、组合式智能体
API 集成：内置 OpenAPI/FastAPI 支持，一键将现有 API 转为 MCP 服务
图像处理原生支持：内置了图像处理模块，轻松搞定图像上传、压缩、转码等操作
LLM 客户端功能：支持连接任意 MCP 服务器，自动检测传输协议
快速上手
FastMCP 推荐使用 uv 安装，因为它是通过CLI部署服务器所必需的。安装环境支持 Python 3.8+ 以上。
uv pip install fastmcp提示：在macOS上，可能需要使用 Homebrew 安装 uv（brew install uv），以便使其对Claude桌面应用程序可用。
对于开发者来说，可以参考以下命令安装：
# 克隆仓库git clone https://github.com/jlowin/fastmcp.gitcd fastmcp# 安装开发依赖uv sync创建一个简单的MCP服务器（公开一个计算器工具和一些数据）
# server.pyfrom fastmcp import FastMCP# Create an MCP servermcp = FastMCP("Demo")# Add an addition tool@mcp.tool()def add(a: int, b: int) -> int: """Add two numbers""" return a + b# Add a dynamic greeting resource@mcp.resource("greeting://{name}")def get_greeting(name: str) -> str: """Get a personalized greeting""" return f"Hello, {name}!"然后可以在Claude Desktop中安装此服务器
{ "mcpServers": [ { "name": "server", "url": "http://localhost:8000/mcp" } ]}并通过运行以下命令立即与其交互：
fastmcp install server.py使用fastmcp.Image辅助类轻松处理图像输出。
from mcp.server.fastmcp import FastMCP, Imagefrom io import BytesIOtry: from PIL import Image as PILImageexcept ImportError: raise ImportError("Please install the `pillow` library to run this example.")mcp = FastMCP("My App")@mcp.tool()def create_thumbnail(image_path: str) -> Image: """Create a thumbnail from an image""" img = PILImage.open(image_path) img.thumbnail((100, 100)) buffer = BytesIO() img.save(buffer, format="PNG") return Image(data=buffer.getvalue(), format="png")它将工具中的Image助手类返回，以向客户端发送图像。Image助手类负责处理MCP协议所需的base64编码格式的转换。它可以使用图像文件的路径，也可以使用字节对象。
MCP Client 类允许你从 Python 代码与任何 MCP 服务器（不仅仅是 FastMCP）进行交互：
from fastmcp import Clientasync with Client("path/to/server") as client: # Call a tool result = await client.call_tool("weather", {"location": "San Francisco"}) print(result) # Read a resource res = await client.read_resource("db://users/123/profile") print(res)与 FastAPI 交互：
from fastapi import FastAPIfrom fastmcp import FastMCP# Your existing FastAPI applicationfastapi_app = FastAPI(title="My Existing API")@fastapi_app.get("/status")def get_status(): return {"status": "running"}@fastapi_app.post("/items")def create_item(name: str, price: float): return {"id": 1, "name": name, "price": price}# Generate an MCP server directly from the FastAPI appmcp_server = FastMCP.from_fastapi(fastapi_app)if __name__ == "__main__": mcp_server.run()FastMCP 还有更多关于工具、资源、LLM、服务端、客户端等高级用法和参数说明，可以参考项目文档进行操作。
支持的开发场景
私人助手搭建：快速搭建本地 MCP Server，整合各类小工具
Agent 工具集成：给你的智能体加上浏览器、搜索、计算、图像识别等新技能
文档/知识问答：接 OpenAPI 现有服务，快速让 LLM 调用外部知识库
多模态应用开发：结合图像输入输出，做图文问答、OCR、图像生成
写在最后
FastMCP 提供了一个高级的、Pythonic 的接口，用于构建，并与主流线上的MCP服务器交互。
可能以往，你自己搭 MCP 服务器，就像是一场体力活：到处找例子，研究协议规范，配环境，写成千上万行Demo代码，搞得精疲力尽。
而现在，有了 FastMCP，你可以把更多精力花在创造真正有价值的功能和体验上。
少了繁琐细节、有了更快的原型验证及更优开发体验。
所以，无论你是想打造下一个爆款应用，还是仅仅想搭个好用的智能体工具，FastMCP 都是你绝对值得收藏和上手的那把“开发利器”。
GitHub 项目地址：github.com/jlowin/fast…
