FastMCP服务器参数:启动配置的完整参考
2026-02-04 04:09:20作者:何将鹤
还在为FastMCP服务器启动参数而烦恼?每次部署都要翻文档查参数?本文将为你提供FastMCP服务器启动配置的完整参考,涵盖所有参数、配置方法和最佳实践,让你一次掌握所有启动选项!
🎯 读完本文你将获得
- ✅ FastMCP服务器启动参数的完整清单
- ✅ 三种传输协议的详细配置指南
- ✅ fastmcp.json配置文件的完整用法
- ✅ 环境变量和依赖管理的专业配置
- ✅ 生产环境部署的最佳实践
- ✅ CLI命令与配置文件的无缝切换
📋 核心启动参数总览
FastMCP服务器支持两种启动方式:直接调用run()方法和使用fastmcp.json配置文件。以下是所有可用参数的完整参考:
传输协议参数
| 参数 | 类型 | 默认值 | 描述 | 适用传输 |
|---|---|---|---|---|
transport |
str |
"stdio" |
传输协议类型 | 所有 |
host |
str |
"127.0.0.1" |
绑定主机地址 | HTTP/SSE |
port |
int |
3000 |
绑定端口号 | HTTP/SSE |
path |
str |
"/mcp/" |
MCP端点路径 | HTTP |
show_banner |
bool |
true |
显示启动横幅 | 所有 |
日志与调试参数
| 参数 | 类型 | 默认值 | 描述 |
|---|---|---|---|
log_level |
str |
"INFO" |
日志级别:DEBUG/INFO/WARNING/ERROR/CRITICAL |
debug |
bool |
false |
调试模式(已弃用) |
🚀 三种传输协议的详细配置
1. STDIO传输(默认)
STDIO(Standard Input/Output)是默认传输协议,适用于本地开发和桌面应用集成。
from fastmcp import FastMCP
mcp = FastMCP("MyServer")
@mcp.tool
def hello(name: str) -> str:
return f"Hello, {name}!"
if __name__ == "__main__":
# 默认STDIO传输
mcp.run()
# 显式指定STDIO
mcp.run(transport="stdio")
适用场景:
- Claude Desktop集成
- 命令行工具开发
- 本地测试和调试
- 单用户应用程序
2. HTTP传输(推荐)
HTTP传输将服务器转换为网络服务,支持多客户端并发访问。
if __name__ == "__main__":
# 基础HTTP配置
mcp.run(
transport="http",
host="127.0.0.1", # 本地访问
port=8000, # 端口号
path="/api/mcp/", # 自定义路径
log_level="DEBUG" # 调试日志
)
# 生产环境配置
mcp.run(
transport="http",
host="0.0.0.0", # 所有网络接口
port=3000,
log_level="INFO"
)
网络配置选项:
host="127.0.0.1"- 仅本地访问(开发)host="0.0.0.0"- 所有网络接口(生产)port- 端口号(3000-65535)path- URL路径端点
3. SSE传输(传统)
SSE(Server-Sent Events)是传统的HTTP传输协议,仅建议用于向后兼容。
if __name__ == "__main__":
mcp.run(
transport="sse",
host="127.0.0.1",
port=8000
)
⚠️ 注意:SSE传输已不推荐使用,请优先选择HTTP传输。
📁 fastmcp.json配置文件详解
FastMCP 2.12.0+ 引入了声明式配置文件,这是推荐的配置方式。
配置文件结构
{
"$schema": "https://gofastmcp.com/public/schemas/fastmcp.json/v1.json",
"source": {
"path": "server.py",
"entrypoint": "mcp"
},
"environment": {
"python": "3.11",
"dependencies": ["pandas", "requests"]
},
"deployment": {
"transport": "http",
"host": "0.0.0.0",
"port": 3000,
"log_level": "INFO"
}
}
Source配置(必需)
"source": {
"type": "filesystem",
"path": "src/server.py",
"entrypoint": "mcp"
}
| 字段 | 类型 | 必需 | 描述 |
|---|---|---|---|
type |
string |
否 | 源类型(目前仅支持filesystem) |
path |
string |
是 | Python文件路径 |
entrypoint |
string |
否 | 服务器实例名称(默认搜索mcp/server/app) |
Environment配置
"environment": {
"python": ">=3.10,<3.12",
"dependencies": ["pandas>=2.0", "requests", "httpx"],
"requirements": "requirements.txt",
"editable": ["."],
"project": "."
}
Python版本约束:
"3.11"- 精确版本">=3.10"- 最小版本">=3.10,<3.13"- 版本范围
依赖管理:
dependencies- 直接包列表requirements- requirements.txt文件路径editable- 可编辑模式安装的包project- uv项目目录
Deployment配置
"deployment": {
"transport": "http",
"host": "0.0.0.0",
"port": 3000,
"path": "/mcp/",
"log_level": "INFO",
"env": {
"API_KEY": "${ENV_API_KEY}",
"DATABASE_URL": "postgres://${DB_USER}@${DB_HOST}/mydb"
},
"cwd": "/app",
"args": ["--config", "server-config.json"]
}
环境变量插值:
"env": {
"API_URL": "https://api.${ENVIRONMENT}.example.com",
"DB_HOST": "${DB_HOST}"
}
运行时替换:${ENVIRONMENT} → 实际环境变量值
🔧 CLI命令与配置文件的配合使用
基本用法
# 自动检测当前目录的fastmcp.json
fastmcp run
# 指定配置文件
fastmcp run production.fastmcp.json
# CLI参数覆盖配置文件
fastmcp run fastmcp.json --port 8080 --log-level DEBUG
环境管理选项
# 跳过环境设置(已有合适环境时)
fastmcp run fastmcp.json --skip-env
# 预构建环境
fastmcp project prepare fastmcp.json --output-dir ./env
fastmcp run fastmcp.json --project ./env
# 传递参数给服务器
fastmcp run server.py -- --config config.json --debug
🏗️ 多环境配置策略
开发环境配置
// dev.fastmcp.json
{
"$schema": "https://gofastmcp.com/public/schemas/fastmcp.json/v1.json",
"source": {
"path": "src/server.py",
"entrypoint": "mcp"
},
"environment": {
"python": "3.11",
"dependencies": ["fastmcp[dev]"],
"editable": ["."]
},
"deployment": {
"transport": "http",
"host": "127.0.0.1",
"port": 8000,
"log_level": "DEBUG",
"env": {
"DEBUG": "true",
"ENV": "development"
}
}
}
生产环境配置
// prod.fastmcp.json
{
"$schema": "https://gofastmcp.com/public/schemas/fastmcp.json/v1.json",
"source": {
"path": "app/main.py",
"entrypoint": "mcp_server"
},
"environment": {
"python": "3.11",
"requirements": "requirements/production.txt"
},
"deployment": {
"transport": "http",
"host": "0.0.0.0",
"port": 3000,
"log_level": "WARNING",
"env": {
"ENV": "production",
"DATABASE_URL": "postgresql://user:pass@db.example.com/prod"
}
}
}
📊 配置参数对比表
| 配置方式 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 直接run()调用 | 简单直接,无需额外文件 | 配置分散,不易维护 | 快速测试、简单项目 |
| fastmcp.json | 集中管理,版本控制友好 | 需要学习配置语法 | 生产环境、团队项目 |
| CLI参数覆盖 | 灵活临时调整 | 命令复杂,易出错 | 调试、临时配置变更 |
🚨 常见问题与解决方案
1. 端口冲突问题
# 检查端口占用
lsof -i :8000
# 使用不同端口
mcp.run(transport="http", port=8080)
2. 权限问题
# 非特权端口(>1024)
mcp.run(port=3000) # 推荐
# 或者使用sudo(不推荐)
sudo fastmcp run --port 80
3. 环境变量配置
# 配置文件中的环境变量插值
"env": {
"API_KEY": "${API_KEY}", # 从系统环境变量获取
"DB_URL": "postgres://${DB_USER}:${DB_PASS}@${DB_HOST}/db"
}
🎯 最佳实践总结
- 使用fastmcp.json - 生产环境首选配置方式
- 环境分离 - 为开发、测试、生产创建不同配置文件
- 端口选择 - 开发用8000+,生产用3000+
- 日志分级 - 开发用DEBUG,生产用INFO或WARNING
- 网络绑定 - 开发用127.0.0.1,生产用0.0.0.0
- 依赖管理 - 使用requirements.txt确保一致性
💡 进阶技巧
自定义HTTP路由
from fastmcp import FastMCP
from starlette.requests import Request
from starlette.responses import JSONResponse
mcp = FastMCP("MyServer")
@mcp.custom_route("/health", methods=["GET"])
async def health_check(request: Request) -> JSONResponse:
return JSONResponse({"status": "ok", "version": "1.0.0"})
@mcp.tool
def process_data(data: str) -> str:
return f"Processed: {data}"
if __name__ == "__main__":
mcp.run(transport="http", port=8000)
ASGI应用部署
# app.py
from fastmcp import FastMCP
def create_app():
mcp = FastMCP("MyServer")
@mcp.tool
def process(data: str) -> str:
return f"Processed: {data}"
return mcp.http_app()
app = create_app()
# 使用uvicorn运行
# uvicorn app:app --host 0.0.0.0 --port 8000
📈 性能优化建议
- 连接池配置 - HTTP传输时调整连接池大小
- 日志优化 - 生产环境使用INFO级别减少I/O
- 依赖精简 - 只安装必要的依赖包
- 预热启动 - 使用uv预构建环境减少启动时间
通过本文的完整参考,你应该已经掌握了FastMCP服务器启动配置的所有细节。无论是简单的本地开发还是复杂的企业级部署,都能找到合适的配置方案。记住:配置文件优于命令行参数,环境分离优于单一配置,明确需求优于盲目默认!
🚀 现在就去优化你的FastMCP服务器配置吧!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0446
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0761
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0310
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
799
1.13 K
暂无描述
Markdown
825
5.48 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
780
1.57 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
964
2.27 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.2 K
1.24 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
640
275
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
830
6.17 K
昇腾LLM分布式训练框架
Python
194
272