FastMCP项目中如何正确暴露FastAPI的Swagger文档
2025-05-30 02:07:37作者:卓艾滢Kingsley
在FastMCP项目中,开发者经常遇到一个常见问题:当使用FastMCP.from_fastapi方法将FastAPI应用转换为MCP服务器后,原本FastAPI自带的Swagger文档接口/docs无法正常访问。本文将深入分析这一问题的原因,并提供几种可行的解决方案。
问题本质分析
FastMCP的from_fastapi方法实际上创建的是一个MCP服务器,它虽然能够暴露FastAPI应用的路由,但本质上已经不再是FastAPI应用。这种转换导致了原生FastAPI特性的丢失,包括Swagger文档接口。
解决方案一:反向挂载MCP服务器
正确的架构设计应该是将MCP服务器作为子路由挂载到主FastAPI应用中,而不是反过来。以下是实现这一架构的代码示例:
# 创建SSE传输层
sse_transport = SseServerTransport("/mcp/messages/")
@asynccontextmanager
async def lifespan(app: FastAPI):
# 初始化MCP服务器
app.state.mcp = FastMCP.from_fastapi(app=app)
# 存储SSE传输层
app.state.sse = sse_transport
# 创建主FastAPI应用
app = FastAPI(
openapi_url="/openapi.json",
lifespan=lifespan,
redirect_slashes=False
)
# 挂载MCP消息处理路由
app.router.routes.append(Mount("/mcp/messages", app=sse_transport.handle_post_message))
这种架构保持了FastAPI应用的主体地位,MCP服务器作为其子组件运行,从而保留了所有FastAPI原生功能。
解决方案二:文档增强技巧
对于需要特别说明的MCP端点,可以通过添加文档路由来增强Swagger文档的完整性:
@app.get("/mcp/messages", tags=["MCP"], include_in_schema=True)
def messages_docs():
"""
SSE通信的消息端点
此端点用于向SSE客户端发送消息。
注意:此路由仅用于文档目的。
实际实现由SSE传输层处理。
"""
pass
这种方法既保持了接口文档的完整性,又不会影响实际的功能实现。
解决方案三:SSE端点实现
对于需要建立SSE连接的端点,可以这样实现:
@app.get("/mcp/sse", tags=["MCP"])
async def handle_sse(request: Request):
"""
SSE端点,连接到MCP服务器
此端点建立与客户端的服务器发送事件(SSE)连接,
并将通信转发到模型上下文协议服务器。
"""
mcp = request.app.state.mcp
async with sse_transport.connect_sse(request.scope, request.receive, request._send) as (
read_stream,
write_stream,
):
await mcp._mcp_server.run(
read_stream,
write_stream,
mcp._mcp_server.create_initialization_options(),
)
最佳实践建议
- 架构设计:始终将MCP服务器作为FastAPI应用的子组件,而不是相反
- 文档完整性:为所有特殊端点添加文档路由,保持API文档的完整性
- 生命周期管理:合理利用FastAPI的生命周期管理机制初始化MCP相关组件
- 路由组织:使用清晰的路由前缀(如
/mcp)组织MCP相关端点
通过以上方法,开发者可以在使用FastMCP的同时,仍然享受FastAPI提供的完整功能,包括Swagger文档接口。这种架构既保持了功能的完整性,又遵循了良好的设计原则。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
Ascend Extension for PyTorch
Python
503
608
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++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
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
390
285
AscendNPU-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++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (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
1.54 K
893
昇腾LLM分布式训练框架
Python
142
168