FastMCP框架中Context对象注入机制解析
2025-05-30 19:58:29作者:沈韬淼Beryl
背景介绍
FastMCP是一个基于Python的异步Web框架,它提供了资源管理和工具调用的功能。在2.2.5版本之前,框架中存在一个关于Context对象注入的重要限制:Context对象可以自动注入到被@mcp.tool装饰的函数中,但无法注入到被@mcp.resource装饰的资源函数中。
问题本质
在FastMCP框架中,Context对象包含了请求上下文和生命周期上下文等重要信息。开发者通常需要通过这个对象来:
- 访问请求特定的信息
- 获取应用生命周期中维护的状态
- 实现请求级别的依赖注入
在2.2.5版本之前,资源函数无法像工具函数那样通过类型提示自动获取Context对象,这导致开发者无法在资源处理逻辑中访问这些重要信息。
解决方案实现
FastMCP 2.2.5版本通过引入新的注入机制解决了这个问题。现在,资源函数可以通过以下方式声明Context参数:
@mcp.resource("data://test/{item_id}")
def resource_handler(item_id: str, ctx: Context) -> dict:
# 现在可以正常访问ctx对象
lifespan_ctx = ctx.request_context.lifespan_context
return {"status": "success"}
框架会自动识别ctx: Context类型提示,并在调用时注入正确的Context实例。
技术实现细节
这个改进涉及框架核心的几个关键修改:
- 参数解析器增强:改进了资源函数的参数解析逻辑,使其能够识别Context类型提示
- 依赖注入系统:统一了工具函数和资源函数的依赖注入机制
- 类型检查兼容:确保修改不会破坏现有的类型检查和行为
最佳实践
在使用这个新特性时,建议开发者:
- 始终明确声明Context参数的类型提示
- 不要在资源函数中修改Context对象的状态
- 对于资源模板,确保路径参数和Context参数的顺序正确
- 考虑使用Pydantic模型来验证从Context中获取的数据
性能考量
虽然自动注入带来了便利性,但开发者应该注意:
- Context对象的创建和注入会有轻微性能开销
- 对于高频调用的资源端点,考虑缓存从Context中获取的数据
- 避免在资源函数中进行复杂的上下文处理
总结
FastMCP 2.2.5版本对Context注入机制的改进,使得资源函数和工具函数在依赖注入方面达到了行为一致性,大大提高了框架的可用性和开发体验。这一改进使得开发者能够以统一的方式访问请求和生命周期上下文,同时保持了框架的简洁性和性能。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C038
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0118
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
434
3.29 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++
694
366
Ascend Extension for PyTorch
Python
240
272
暂无简介
Dart
693
162
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
React Native鸿蒙化仓库
JavaScript
269
328
🔥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
65
19
🎉 (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
1.22 K
673
仓颉编译器源码及 cjdb 调试工具。
C++
138
869