К содержимому
mcp.каталог
·8 мин чтения·

Первый MCP-инструмент на Python: сервер и проверка без модели

Небольшой сервер на самостоятельном пакете FastMCP считает слова; отдельно проверяются функция и MCP-вызов.

Сделаем инструмент, который считает слова в переданном тексте. Он не читает файлы, не обращается к внешним API и не требует ключа модели. Такой пример позволяет раздельно проверить вычисление и вызов через MCP до подключения рабочих данных.

Пакет и окружение

Используется самостоятельный пакет fastmcp с импортом from fastmcp import FastMCP. Не смешивайте его с API другого пакета mcp. В отдельном учебном окружении документация предлагает pip install fastmcp или uv add fastmcp; после установки выполните fastmcp version и сохраните фактическую версию. Не обновляйте рабочий сервер этим примером без отдельной проверки совместимости.

Сервер в одном файле

Создайте text_server.py:

Пример кода: python · PYTHON
from fastmcp import FastMCP

mcp = FastMCP("text-stats")


def calculate_stats(text: str) -> dict[str, int]:
    words = text.split()
    return {"words": len(words), "unique_words": len({w.casefold() for w in words})}


@mcp.tool
def text_stats(text: str) -> dict[str, int]:
    """Посчитать слова, разделённые пробельными символами."""
    return calculate_stats(text)


if __name__ == "__main__":
    mcp.run()

Пример кода: python · PYTHON
from fastmcp import FastMCP

mcp = FastMCP("text-stats")


def calculate_stats(text: str) -> dict[str, int]:
    words = text.split()
    return {"words": len(words), "unique_words": len({w.casefold() for w in words})}


@mcp.tool
def text_stats(text: str) -> dict[str, int]:
    """Посчитать слова, разделённые пробельными символами."""
    return calculate_stats(text)


if __name__ == "__main__":
    mcp.run()

Декоратор регистрирует инструмент; mcp.run() запускает локальный stdio-сервер. Такой процесс ожидает сообщения клиента, а не текст в обычном диалоге терминала. Это схема из официального quickstart, адаптированная к функции подсчёта; не HTTP endpoint.

Проверьте две разные вещи

Создайте рядом check_text_server.py. Первые assertions проверяют расчёт; Client(mcp) проверяет обнаружение и вызов инструмента в памяти без сетевого слушателя.

Пример кода: python · PYTHON
import asyncio
from fastmcp import Client
from text_server import calculate_stats, mcp

assert calculate_stats("") == {"words": 0, "unique_words": 0}
assert calculate_stats("Мир мир") == {"words": 2, "unique_words": 1}


async def main():
    async with Client(mcp) as client:
        tools = await client.list_tools()
        assert "text_stats" in {tool.name for tool in tools}
        result = await client.call_tool("text_stats", {"text": "Мир мир"})
        assert result.data == {"words": 2, "unique_words": 1}
        print("Проверены расчёт и MCP-вызов")


asyncio.run(main())

Пример кода: python · PYTHON
import asyncio
from fastmcp import Client
from text_server import calculate_stats, mcp

assert calculate_stats("") == {"words": 0, "unique_words": 0}
assert calculate_stats("Мир мир") == {"words": 2, "unique_words": 1}


async def main():
    async with Client(mcp) as client:
        tools = await client.list_tools()
        assert "text_stats" in {tool.name for tool in tools}
        result = await client.call_tool("text_stats", {"text": "Мир мир"})
        assert result.data == {"words": 2, "unique_words": 1}
        print("Проверены расчёт и MCP-вызов")


asyncio.run(main())

Запустите python check_text_server.py из каталога с обоими файлами и установленным FastMCP. Успех проверки в памяти не подтверждает установку в Cursor или работу stdio-процесса: это отдельные последующие проверки.

Границы примера

Слова определяются по пробельным разделителям без лингвистического анализа; пунктуация остаётся частью слова. Модель не используется. Для следующего шага подключайте свой файл через поддержанный клиентом локальный транспорт, сохраняя абсолютный путь и окружение. HTTP-деплой, авторизация и публичное размещение сюда не входят.

Редакционная основа сверена с документацией FastMCP 15 октября 2026 года. Локальный запуск проверочного MCP-вызова указываем только в отдельном протоколе после фактического smoke; читатель должен проверить его в собственном окружении.

Вопросы по теме

Как запустить отдельную проверку учебного сервера?

Сохраните text_server.py и check_text_server.py рядом. В учебном окружении с установленным FastMCP выполните python check_text_server.py; эта проверка не требует подключения модели.

Что уточнить перед применением описанного подхода?

Проверьте актуальную инструкцию выбранного продукта, необходимые права и способ подключения. Условия одного сервиса не распространяются автоматически на другие.

Какой результат ожидается для строки «Мир мир»?

В примере ожидаются два слова и одно уникальное слово: регистр приводится через casefold(). Для пустой строки оба числа равны нулю.

С чего начать внедрение сценария?

Ограничьте первую попытку одним запросом на чтение с понятным ожидаемым результатом. Передавайте только допустимые для выбранного сервиса данные и отдельно подтверждайте изменения.

Читает ли учебный инструмент файлы или внешние API?

Нет. Пример считает слова в переданной строке; чтение файлов, внешние API и ключ модели для него не нужны.

Какие две проверки показаны в примере Python?

Отдельные assertions проверяют расчёт, а Client(mcp) — обнаружение и вызов инструмента в памяти. Это не заменяет последующую проверку отдельного stdio-процесса в выбранном клиенте.

Почему важно различать пакеты fastmcp и mcp?

В статье используется самостоятельный fastmcp с импортом FastMCP из fastmcp. Не смешивайте этот пример с API другого пакета mcp; сохраните фактическую версию учебного окружения.