FastAPI 路由 MCP 桥

要解决什么问题

当你的 FastAPI 应用已经有几十个甚至上百个路由时，让 AI Agent 调用这些 API 通常意味着重新编写适配器代码、手动构造请求 Schema，或者在 Agent 框架中逐一注册每个端点。这不仅重复劳动，还容易丢失原有的请求验证逻辑和响应模型定义。更麻烦的是，一旦路由增加了鉴权要求，你还得为每个 Agent 工具单独实现认证检查。

核心能力与工作方式

这个技能通过挂载 FastAPI-MCP 到现有的 FastAPI 应用，将路由自动转换为标准化的 MCP 工具。它保留了原有的 Pydantic 请求/响应模型，这意味着 Agent 能获得精确的 Schema 信息，包括字段类型、校验规则和示例数据。鉴权逻辑也完全复用——如果你的路由已经挂了 Depends(get_current_user) 之类的依赖，MCP 工具会自动继承这些验证。

具体来说，它会扫描你的 API 路由，提取路径、方法、参数类型和返回值模型，然后生成符合 MCP 规范的工具定义。Agent 调用时，请求会直接转发到你现有的端点，响应经过 Schema 验证后再返回给 Agent。整个过程不需要修改你的业务代码，只需在应用启动时添加挂载逻辑。

适用边界与注意点

• 需要 Python 3.10+ 和 MCP 兼容的客户端（如 Claude Desktop 或其他支持 MCP 的 Agent）
• 如果路由数量过多（几百个以上），Agent 可能会在工具选择上遇到上下文限制，建议按需过滤或分组暴露
• 暴露敏感路由（如管理接口或用户数据删除操作）前需要确认鉴权是否足够严格，避免 Agent 在推理过程中误调用危险操作
• 依赖 fastapi-mcp 包的上游实现，遇到兼容性问题需要查看该项目的 issue 跟踪

典型使用场景

适合已经拥有成熟 FastAPI 后端的团队，希望让内部 Agent 或外部 LLM 应用复用现有 API 能力，而不想维护两套接口定义。对于从零开始的新项目，直接设计 MCP 工具可能更直接；但对于已有系统，这种挂载方式能以最小改动接入 Agent 生态。