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
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 StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
Notepad--极速优化指南:中文开发者的轻量编辑器解决方案Axure RP本地化配置指南:提升设计效率的中文界面切换方案3个技巧让你10分钟消化3小时视频,B站学习效率翻倍指南让虚拟角色开口说话:ComfyUI语音驱动动画全攻略7个效率倍增技巧:用开源工具实现系统优化与性能提升开源船舶设计新纪元:从技术原理到跨界创新的实践指南Zynq UltraScale+ RFSoC零基础入门:软件定义无线电Python开发实战指南VRCX虚拟社交管理系统:技术驱动的VRChat社交体验优化方案企业级Office插件开发:从概念验证到生产部署的完整实践指南语音转换与AI声音克隆:开源工具实现高质量声音复刻全指南
项目优选
收起
deepin linux kernel
C
28
16
Claude 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 Started
Rust
568
98
暂无描述
Dockerfile
709
4.51 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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
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
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
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
2