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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
799
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
780
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1