-- coding: utf-8 --
"""
FastMCP 快速入门示例。
首先，请切换到 examples/snippets/clients 目录，然后运行以下命令来启动服务器：
uv run server fastmcp_quickstart stdio
"""
从 mcp.server.fastmcp 模块中导入 FastMCP 类，这是构建 MCP 服务器的核心。
from mcp.server.fastmcp import FastMCP
创建一个 MCP 服务器实例，并将其命名为 "Demo"。
这个名字会向连接到此服务器的 AI 客户端展示。
mcp = FastMCP("Demo")
使用 @mcp.tool() 装饰器来定义一个“工具”。
工具是 AI 可以调用的具体函数，用于执行特定的操作。
@mcp.tool() def add(a: int, b: int) -> int: """ 这个工具的功能是计算两个整数的和。 文档字符串（docstring）会作为工具的描述，帮助 AI 理解其功能。 """ return a + b
使用 @mcp.resource() 装饰器来定义一个“资源”。
资源代表 AI 可以访问的数据或信息。这里的路径 "greeting://{name}" 是动态的，
{name} 部分可以被实际的名称替换，例如 "greeting://World"。
@mcp.resource("greeting://{name}") def get_greeting(name: str) -> str: """ 根据提供的名称，获取一句个性化的问候语。 """ # 使用 f-string 格式化字符串，返回包含名字的问候语。 return f"Hello, {name}!"
使用 @mcp.prompt() 装饰器来定义一个“提示词模板”。
这个功能可以根据输入动态生成更复杂的、用于指导大语言模型（LLM）的指令（Prompt）。
@mcp.prompt() def greet_user(name: str, style: str = "friendly") -> str: """ 根据给定的名字和风格，生成一句问候语的提示词。 """ # 定义一个字典，存储不同风格对应的提示词文本。 styles = { "friendly": "Please write a warm, friendly greeting", "formal": "Please write a formal, professional greeting", "casual": "Please write a casual, relaxed greeting", }
# 根据传入的 style 参数，从字典中获取对应的提示词。
# 如果 style 参数无效或未提供，则默认使用 "friendly" 风格。
# 最后，将选择的风格提示词与用户名组合，形成一个完整的指令。
return f"{styles.get(style, styles['friendly'])} for someone named {name}."
if name == "main":
mcp.run(transport="stdio")
