みなさん、こんにちは！最近、API開発の現場で「これマジですごい！」と思わず叫んでしまったツールを見つけたんですよ。それが「FastAPI-MCP」です！
FastAPI使ってる人なら絶対に知るべきツールです。だって、あなたのAPIをAIモデル（GPTやClaudeなど）に簡単に操作させることができるんですから！私みたいな初心者でも数分で設定できちゃいました。
まず、FastAPI-MCPの核となる機能を紹介します：
正直に言いますと、私も最初はAPIをMCPツールに手動で変換しようとして、こんな問題にぶつかりました：
でも、FastAPI-MCPはFastAPIと深く統合されているので、これらの問題を全部解決してくれるんです！普通のFastAPIアプリを書くのと同じくらい簡単にMCPツールが生成できて、しかも高性能とセキュリティも確保されています。
それでは、ローカル環境でFastAPI MCPを構築してテストする方法を一緒に見ていきましょう！
まずは基本中の基本、Pythonの環境を用意しましょう！
もしPythonをまだインストールしていなければ、Python公式サイトから最新版をダウンロードしてインストールしてください。
インストール後、コマンドラインで確認してみましょう：
python --version
# または
python3 --version
次に、FastAPI、Uvicorn、そしてFastAPI MCPをインストールします：
pip install fastapi uvicorn fastapi-mcp
トラブルを避けるため、まずは超シンプルなFastAPIアプリを作ってみましょう。main.pyというファイルを作成して、以下の内容を書き込みます：
from fastapi import FastAPI
from fastapi_mcp import FastApiMCP
app = FastAPI(title="シンプルAPI")
@app.get("/hello", operation_id="say_hello")
async def hello():
"""シンプルな挨拶エンドポイント"""
return {"message": "Hello World"}
# MCPサーバーを作成
mcp = FastApiMCP(app, name="シンプルMCPサービス")
mcp.mount()
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="127.0.0.1", port=8000)
このサンプルは本当にシンプルで、/helloエンドポイントだけを持ち、簡単な挨拶メッセージを返します。
さあ、アプリを実行してテストしてみましょう：
または：
uvicorn main:app --reload
サーバーはhttp://127.0.0.1:8000で起動します。
ブラウザを開いて、MCPエンドポイントにアクセスしてみましょう：http://127.0.0.1:8000/mcp
注意：通常のAPIとは異なり、MCPエンドポイントはServer-Sent Events (SSE)プロトコルを使用しているため、ブラウザでは次のような出力が表示されます：
event: endpoint
data: /mcp/messages/?session_id=02b22de319bb43e596ec91ed5d480411
これは、MCPサーバーが起動し、AIクライアントからのリクエストを受け付ける準備ができたことを示しています。
次に、MCPをサポートするAIクライアントをサーバーに接続する必要があります。Cursorを例に説明します：
Claude Desktop、Cursor、Windsurfなどの主要なMCPクライアントはSSE接続をサポートしており、以下の設定形式を使用します：
{
"mcpServers": {
"fastapi-mcp": {
"url": "http://localhost:8000/mcp"
}
}
}
各クライアントで、対応する設定セクションを見つけてこの設定を追加するだけです。例えば、Cursorでは、右上の設定アイコンをクリックし、「MCP -> Add new global MCP server」に移動して、開いたmcp.jsonファイルに上記のJSON設定を入力します。
FastAPI MCPサービスが起動していれば、Cursorで自動的に有効になります！
認証が必要な場合や、MCPクライアントがSSEをサポートしていない場合は、mcp-remoteをブリッジとして使用できます：
{
"mcpServers": {
"fastapi-mcp": {
"command": "npx",
"args": [
"mcp-remote",
"http://localhost:8000/mcp",
"8080" // オプションのポート番号
]
}
}
}
CursorなどのAI IDEでFastAPI MCPに接続したら、対話を開始できます。例えば、Cursorのエージェントモードで「/hello APIを呼び出して」と質問すると、AIはインターフェースの出力結果を返します！
基本的な使い方をマスターしたら、FastAPI MCPをより柔軟に使うためのいくつかの上級テクニックを見ていきましょう。
実際のアプリケーションでは、すべてのAPIエンドポイントをAIモデルに公開したくない場合があります。FastAPI MCPは、どのエンドポイントを公開するかを制御するための複数の方法を提供しています：
# 特定の操作IDのみを公開
mcp = FastApiMCP(
app,
include_operations=["say_hello", "get_user_info"]
)
# 特定の操作IDを除外
mcp = FastApiMCP(
app,
exclude_operations=["delete_user", "update_settings"]
)
# 特定のタグを持つエンドポイントのみを公開
mcp = FastApiMCP(
app,
include_tags=["public", "read_only"]
)
# 特定のタグを持つエンドポイントを除外
mcp = FastApiMCP(
app,
exclude_tags=["admin", "sensitive"]
)
この柔軟性により、AIモデルが利用できる機能を正確に制御でき、セキュリティが向上します。
本番環境では、MCPエンドポイントを保護して、認証されたクライアントのみがアクセスできるようにしたい場合があります：
from fastapi import FastAPI, Depends, Security, HTTPException
from fastapi.security import APIKeyHeader
app = FastAPI()
api_key_header = APIKeyHeader(name="X-API-Key")
# API鍵を検証する関数を定義
async def verify_api_key(api_key: str = Security(api_key_header)):
if api_key != "your-secret-key": # 実際のアプリケーションでは環境変数や安全なストレージを使用すべき
raise HTTPException(status_code=403, detail="Invalid API key")
return api_key
# 認証依存関係を追加してMCPサーバーを作成
mcp = FastApiMCP(app, mcp_dependencies=[Depends(verify_api_key)])
mcp.mount()
これで、MCPサービスへのすべてのリクエストには、ヘッダーに有効なAPI鍵が含まれている必要があります。
AIモデルに返すレスポンスに追加情報を含めたり、フォーマット変換を行いたい場合があります：
from fastapi import FastAPI, Response, Request
from fastapi_mcp import FastApiMCP
from typing import Callable, Dict, Any
from datetime import datetime
app = FastAPI()
# カスタムレスポンスプロセッサを定義
async def response_processor(
request: Request,
response: Response,
response_data: Dict[str, Any]
) -> Dict[str, Any]:
# メタデータの追加やレスポンスの修正
response_data["processed_by"] = "custom_processor"
response_data["timestamp"] = datetime.now().isoformat()
return response_data
# レスポンスプロセッサを追加してMCPサーバーを作成
mcp = FastApiMCP(
app,
response_processor=response_processor
)
mcp.mount()
一部のシナリオでは、MCPサーバーをメインAPIサービスとは別にデプロイしたい場合があります：
# api_app.py - メインAPIアプリケーション
from fastapi import FastAPI
api_app = FastAPI()
@api_app.get("/data")
def get_data():
return {"data": "some value"}
# mcp_app.py - 独立したMCPサーバーアプリケーション
from fastapi import FastAPI
from fastapi_mcp import FastApiMCP
from api_app import api_app # メインAPIアプリケーションをインポート
mcp_app = FastAPI()
mcp = FastApiMCP(api_app)
mcp.mount(mcp_app) # api_appではなくmcp_appにマウント
# 2つのアプリケーションを別々に実行できます：
# uvicorn api_app:api_app --port 8001
# uvicorn mcp_app:mcp_app --port 8000
この方法により、MCPサービスを独立してスケーリングしたり、異なるAPIアプリケーションに統一されたMCPアクセスポイントを提供したりできます。
FastAPI MCPを使用する際には、プロトコルのセキュリティに関する考慮事項があります：
FastAPI MCPの使用は本当に簡単です！Python環境さえあれば、数分でAPIをAIが呼び出せるツールに変えることができます。全体のプロセスは次のようにまとめられます：
FastAPI-MCPは、FastAPI APIをMCPツールに迅速に変換したい開発者に最適な、効率的で使いやすく、機能豊富なツールです。わずか数行のコードで統合が完了し、認証、ドキュメント保持、柔軟なデプロイをサポートしており、FastAPIエコシステムでMCPに接続するための理想的な選択肢です。
FastAPI-MCPを使えば、AIとAPIの連携が驚くほど簡単になります。みなさんも是非試してみてください！質問やコメントがあれば、ぜひ共有してくださいね。一緒にAI時代の開発を楽しみましょう！
[1] https://github.com/tadata-org/fastapi_mcp
[2] https://modelcontextprotocol.io/introduction
Be the first to comment
