"FastAPI" 标签

基于 Model Context Protocol (MCP) 的后端服务器，提供对 AI 代理目录的发现、检索、健康与统计等信息的标准化访问接口，支持多工具方法以便 LLM 客户端查询与集成。

基于 Model Context Protocol 的地理空间数据后端服务器，提供资源管理、工具注册与调用，以及按 MCP 规范渲染的提示模板与路由能力，支持 STDIO/HTTP 等传输，面向向量数据、地图服务与地理统计数据的 LLM 应用上下文服务。

基于 Model Context Protocol (MCP) 的后端实现，向大模型客户端提供资源管理、工具注册/执行与可定制的提示模板等能力，并通过 JSON-RPC 与客户端通信，支持多种传输通道（stdio、WebSocket、SSE 等）以提供安全、可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的服务器实现，向 AI 助手提供宠物资源、工具注册/执行等能力，采用 JSON-RPC 形式进行通信。内置 FastAPI 应用，通过 FastMCP 暴露工具接口，允许 AI 客户端查询宠物状态、注册/喂养宠物、获取历史等，并通过 /mcp/mcp 路径提供 MCP 服务端入口。

基于模型上下文协议（MCP）的服务器端实现，向 MCP 客户端提供资源、工具与提示模板等上下文能力，并通过 JSON-RPC 2.0 在 SSE/POST/WebSocket 等传输通道进行通信与协作。

基于 FastAPI 的 MCP 服务器实现，提供按标准化方式向 LLM 客户端暴露资源、工具和提示模板的能力，并通过 JSON-RPC 风格的 API 与客户端通信，支持多种传输方式（HTTP/SSE），实现会话管理与能力声明等 MCP 服务器核心功能。

基于模型上下文协议（Model Context Protocol，MCP）的后端服务器实现，将 Infinity-API 的 FastAPI 应用通过 MCP 桥接暴露为可被 LLM 客户端通过 JSON-RPC 调用的上下文服务，支持资源、工具、提示等的统一管理与访问，并在同一应用中同时提供 REST API 与 MCP 服务。

基于 Model Context Protocol (MCP) 的 JSON-RPC 服务端实现，暴露 plan、log、ask 等工具，并通过 /mcp 接口向客户端提供能力和上下文服务，用于与 LLM 的交互与协作。

基于 Model Context Protocol (MCP) 的后端服务实现，提供资源（任务）的托管与数据访问、工具注册与执行、以及面向 LLM 的提示/上下文渲染能力，并通过 MCP 方式与客户端进行 JSON-RPC 风格的交互，支持流式响应和多种传输场景（如 SSE）。

基于 Model Context Protocol 的可扩展后端，提供资源、工具与提示模板的 MCP 服务，通过 JSON-RPC 与 LLM 客户端交互，支持插件化视觉分析能力和多种传输方式。整个体系以 FastAPI/uv 工具链实现服务器端能力管理与会话管理。

一个基于LangChain和FastAPI的生产级应用模板，提供MCP协议兼容的动态工具集成、RAG、Agent工作流及其他AI能力。

基于 FastAPI 和 fastapi-mcp 库实现的仓库订单管理 MCP 服务器示例，通过 MCP 协议提供订单管理能力。

基于FastAPI实现的MCP服务器，为LLM应用提供上下文信息、工具调用（如RAG、工位预订）和Prompt服务。

Maoto Agent框架的MCP服务器扩展，为LLM应用提供工具注册、发现和执行能力。

基于FastMCP和FastAPI构建的示例MCP服务器，提供天气和数学计算工具，支持SSE和Stdio传输协议，并通过Docker部署。

使用FastAPI和Server-Sent Events (SSE) 构建的远程MCP服务器示例，允许客户端通过HTTP访问服务器端工具。

Python A2A MCP Server 是一个基于 FastAPI 的 Python 库，用于构建 Model Context Protocol (MCP) 服务器，为 AI 智能体提供工具和资源访问能力。

Papaya 是一个 MCP 服务器，为 Python Web 应用提供实时可观测性，通过 MCP 客户端可获取应用运行日志，辅助监控和问题诊断。

一个简单的FastAPI服务器，演示了基于模型上下文协议(MCP)的功能，通过SSE流式传输，为LLM交互提供示例工具。

基于 FastAPI 和 FastAPI-MCP 的 MCP 服务器开发框架，旨在帮助开发者快速构建高质量的 AI 工具。

基于 FastAPI 框架的 Agent2Agent (A2A) 协议服务器模板，用于快速构建可与 LLM 客户端交互的智能体服务后端。

一个基于FastAPI构建的MCP服务器，通过HTTP接口提供本地文件系统的读取能力，并集成了Gemini API进行文本处理。

Confluence Gateway 利用AI能力增强 Confluence 搜索和知识检索，未来计划提供 MCP 服务器功能。

基于FastAPI构建的OWL多智能体系统后端，提供RESTful API和WebSocket接口，用于上下文服务。

基于Nginx和FastAPI的高性能MCP服务器，支持WebSocket/SSE协议，集成OpenAPI，用于构建实时LLM应用。

基于FastAPI框架实现的MCP服务器，旨在为AI助手提供统一的工具和数据源访问接口。

fastapi-mcp是一个零配置工具，可将FastAPI应用快速转换为MCP服务器，方便LLM调用API接口。

一个使用 FastAPI 框架实现的简单 MCP 服务器示例，提供基于 Prompt 模板的上下文服务。

一个使用 FastAPI 框架搭建的简单 MCP 服务器示例，提供基于预设 Prompt 模板的上下文服务。

Awesome MCP FastAPI 是一个基于 FastAPI 框架构建的 MCP 服务器实现，专注于提供增强的工具注册和管理功能，并自动生成 OpenAPI 文档，方便 LLM 应用集成和使用。