如何使用 Python 和 FastAPI 构建带认证的 MCP 服务器(含代码)

曾经只存在于科幻想象中的场景——AI与任何应用程序无缝对接，如今正逐步成为现实。就像API长期作为开发者与软件进行交互的接口一样，模型上下文协议（Model Context Protocol，MCP）正逐渐成为AI智能体以结构化、感知上下文的方式与应用程序交互的首选标准。诸如Anthropic（该协议的创立者）、OpenAI、谷歌等众多AI供应商都在广泛采用这一协议。

对于应用程序开发者和维护者而言，用户通过AI智能体而非直接与应用交互的时代已经悄然来临，支持这一转变的关键就在于搭建MCP服务器。本文将详细介绍如何使用Python和FastAPI构建一个带有认证功能的MCP服务器，确保应用程序与AI智能体交互的安全性和高效性。

一、搭建前的准备工作

在开始搭建MCP服务器之前，需要先安装必要的依赖库。其中，uvicorn是一个轻量级的ASGI（Asynchronous Server Gateway Interface）服务器，用于运行FastAPI应用；fastapi是构建API的现代、快速且高效的框架；fastapi-mcp则是专门用于在FastAPI应用中集成MCP功能的轻量级开源库。使用以下命令进行安装：

pip install uvicorn fastapi fastapi-mcp

二、创建FastAPI应用

如果尚未创建FastAPI应用，那么这是首要步骤。FastAPI之所以适合用于搭建与AI智能体交互的应用，主要有以下几个优势：

1. 易于集成

   能够轻松与外部工具、服务或工作流程进行连接，满足多样化的业务需求。

2. 便于自动化

   支持用户自动化任务，减少人工操作可能带来的错误，提高工作效率。

3. 设计灵活

   在不改变核心逻辑的前提下，能够支持诸如MCP或移动应用等新的交互模型，具备良好的扩展性。

4. 面向未来

   逻辑与接口的清晰分离，使其能轻松适应新的协议或突发的需求变化。

下面是一个创建简单FastAPI服务器的示例代码，该服务器仅有一个端点：

from fastapi import FastAPIapp = FastAPI()@app.get("/")async def root():    return {"message": "MCP is super cool"}

使用uvicorn main:app --reload命令运行该应用，就可以通过http://127.0.0.1:8000访问它。不过，在正式使