FastMCP项目中如何正确暴露FastAPI的Swagger文档
2025-05-30 07:09:56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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
开源电子设计自动化利器:KiCad EDA全方位使用指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PANTONE潘通AI色板库:设计师必备的色彩管理利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
267
2.54 K
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
434
Ascend Extension for PyTorch
Python
98
126
暂无简介
Dart
556
124
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
54
11
用于管理和运行HarmonyOS Issue解决方案Demo集锦。
ArkTS
13
23
🎉 (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
1.02 K
604
仓颉编译器源码及 cjdb 调试工具。
C++
117
93
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
9
1