FastMCP: как создать свой MCP-сервер на Python для Claude, Codex и AI-агентов

MCP отделяет AI-модель от внешних возможностей. Модель не должна знать, как напрямую работать с PostgreSQL, Home Assistant, WordPress REST API или внутренним сервисом. Она видит описанные tools/resources и вызывает их через стандартный MCP-протокол.

Официальная документация рекомендует uv:

uv init
uv add fastmcp==4.0.5

Или обычный pip:

python -m venv .venv

# Windows PowerShell
.\.venv\Scripts\Activate.ps1

pip install fastmcp==4.0.5

fastmcp version

Current package требует Python 3.10+. Для отдельных возможностей есть extras: например tasks, apps, openai, anthropic, azure и другие integrations.

from typing import Literal
from fastmcp import FastMCP

mcp = FastMCP("Site Tools")


@mcp.tool
def check_page(
    url: str,
    mode: Literal["headers", "status"] = "status",
) -> dict:
    """Check a web page and return diagnostic information."""
    return {
        "url": url,
        "mode": mode,
        "status": "demo",
    }

Чем точнее type hints и docstring, тем меньше модели приходится угадывать назначение arguments.

from fastmcp import FastMCP

mcp = FastMCP("Review Server")


@mcp.prompt
def review_python(code: str) -> str:
    return f"""
    Проверь код на:
    1. ошибки;
    2. security;
    3. лишнюю сложность;
    4. проблемы типов.

    Код:
    {code}
    """

В современных agent systems prompts используются реже, чем tools, но полезны для стандартизированных review/analysis workflows.

import asyncio
from fastmcp import Client


async def main():
    async with Client("https://example.com/mcp") as client:
        tools = await client.list_tools()

        for tool in tools:
            print(tool.name)


asyncio.run(main())

Client берёт на себя transport negotiation, protocol lifecycle и auth. В FastMCP 4 появился ClientGroup для работы сразу с несколькими servers с namespacing и routing.

Это один из самых сильных сценариев: вместо ручного написания десятков wrappers FastMCP может построить MCP components по OpenAPI schema.

import pytest
from fastmcp import Client

from server import mcp


@pytest.mark.asyncio
async def test_add_tool():
    async with Client(mcp) as client:
        result = await client.call_tool(
            "add",
            {
                "a": 2,
                "b": 3,
            },
        )

        assert result.data == 5

Такой тест проверяет MCP schema/call path напрямую и не зависит от того, решила ли конкретная LLM вызвать tool правильно.

Критическая OpenAPI SSRF/path traversal была исправлена в 3.2.0

CVE-2026-32871 затрагивала FastMCP до 3.2.0. Уязвимый OpenAPI Provider недостаточно безопасно подставлял path parameters, что могло позволить уйти за ожидаемый API path и обратиться к другим backend endpoints. Fixed version — 3.2.0; current 4.0.5 значительно новее.

OAuth confused-deputy issue также закрыта в 3.2.0

CVE-2026-27124 касалась OAuth Proxy consent verification. Атакующий MCP client мог злоупотребить authorization flow, если upstream IdP пропускал повторный consent screen. Patched version — 3.2.0.

Windows install command injection

Старые FastMCP до 3.2.0 также имели command-injection issue в install commands для Claude Code/Gemini CLI на Windows, если server name содержал shell metacharacters. Это ещё одна причина не использовать старые 2.x/ранние 3.x tutorials как production baseline.

Вместо того чтобы давать агенту shell и надеяться, что он правильно вызовет curl/sql, можно описать маленький набор строго типизированных tools. Это проще тестировать, ограничивать и переносить между Claude, Codex и другими MCP hosts.

Особенно сильный сценарий — существующий Python/REST backend: FastMCP становится тонким controlled layer между AI и реальной системой, а permissions остаются в обычном application code.