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 StartedRust0153- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
795
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
434
395
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++
1.01 K
1.01 K
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
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989