FastAPI Hello World Application
使用 GitHub MCP 服务器创建的测试仓库
xxradar
README
FastAPI Hello World 应用
一个使用 FastAPI 构建的简单 Hello World API,并支持 MCP SSE。
特性
- 返回 Hello World 消息的根端点
- 接受 name 参数的动态问候端点
- 集成 OpenAI GPT-4o 模型,实现高级 AI 驱动的聊天补全
- 自动生成 Swagger UI API 文档
前提条件
- Python 3.7+ (用于本地安装)
- pip (Python 包安装器)
- OpenAI API 密钥 (用于
/openai
端点) - Docker (可选,用于容器化安装)
安装说明
您可以在本地或使用 Docker 运行此应用程序。
本地安装
1. 克隆仓库
git clone https://github.com/xxradar/mcp-test-repo.git
cd mcp-test-repo
2. 创建虚拟环境 (可选但推荐)
# 在 macOS/Linux 上
python -m venv venv
source venv/bin/activate
# 在 Windows 上
python -m venv venv
venv\Scripts\activate
3. 安装依赖
pip install -r requirements.txt
4. 运行应用程序
uvicorn main:app --reload
应用程序将启动并在 http://127.0.0.1:8000 上可用。
或者,您可以直接使用 Python 运行应用程序:
python main.py
Docker 安装
1. 克隆仓库
git clone https://github.com/xxradar/mcp-test-repo.git
cd mcp-test-repo
2. 构建 Docker 镜像
docker build -t fastapi-hello-world .
3. 运行 Docker 容器
docker run -p 8000:8000 fastapi-hello-world
应用程序将在 http://localhost:8000 上可用。
API 端点
GET /
: 返回一个简单的 Hello World 消息GET /hello/{name}
: 返回一个带有提供名称的个性化问候语GET /openai
: 返回来自 OpenAI GPT-4o 模型的响应 (接受一个可选的prompt
查询参数)GET /docs
: Swagger UI 文档GET /redoc
: ReDoc 文档
OpenAI 集成
/openai
端点使用 OpenAI 的 GPT-4o 模型,需要将 OpenAI API 密钥设置为环境变量:
本地安装
# 将 OpenAI API 密钥设置为环境变量
export OPENAI_API_KEY=your_api_key_here
# 运行应用程序
uvicorn main:app --reload
Docker 安装
# 使用 OpenAI API 密钥运行 Docker 容器
docker run -p 8000:8000 -e OPENAI_API_KEY=your_api_key_here fastapi-hello-world
使用示例
使用 curl
# 获取 Hello World 消息
curl http://127.0.0.1:8000/
# 获取个性化问候语
curl http://127.0.0.1:8000/hello/John
# 获取带有默认提示的 OpenAI 聊天补全
curl http://127.0.0.1:8000/openai
# 获取带有自定义提示的 OpenAI 聊天补全
curl "http://127.0.0.1:8000/openai?prompt=Tell%20me%20a%20joke%20about%20programming"
使用 MCP
连接到 MCP Inspector
npx @modelcontextprotocol/inspector
使用 Web 浏览器
- 在浏览器中打开 http://127.0.0.1:8000/ 以获取 Hello World 消息
- 在浏览器中打开 http://127.0.0.1:8000/hello/John 以获取个性化问候语
- 在浏览器中打开 http://127.0.0.1:8000/openai 以获取来自 OpenAI 的带有默认提示的响应
- 在浏览器中打开 http://127.0.0.1:8000/openai?prompt=What%20is%20FastAPI? 以获取关于 FastAPI 的响应
- 在浏览器中打开 http://127.0.0.1:8000/docs 以获取 Swagger UI 文档
开发
要更改应用程序,请编辑 main.py
文件。 如果您使用 --reload
标志运行它,服务器将自动重新加载。
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。