FastMCP：数分で MCP サーバーを構築する（2026年）

FastMCP: 数分で MCP サーバーを構築する (2026)

Model Context Protocol (MCP) は、AI アシスタントを外部ツールやデータに接続するための新しい標準規格です。しかし、MCP サーバーをゼロから構築するのは手間がかかる作業です。トランスポート、シリアライズ、プロトコルの詳細の管理に時間を費やすべきではありません。

FastMCP はこれを解決します。これは高レベルな Python フレームワークであり、Flask や FastAPI アプリを構築するように、デコレータを使って完全に機能する MCP サーバーを構築できます。このガイドでは、数分でゼロから動作する MCP サーバーを作成する方法を説明します。

FastMCP とは？

FastMCP は、MCP SDK を開発者フレンドリーな API でラップしたオープンソースの Python ライブラリです。プロトコルメッセージやトランスポート層を手動で処理する代わりに、デコレータを使用してシンプルな Python 関数を記述します。

機能	Raw MCP SDK	FastMCP
サーバーのセットアップ	約30行のボイラープレート	2行
ツールの定義	手動のスキーマ + ハンドラ	`@mcp.tool()` デコレータ
リソースの定義	手動の URI + ハンドラ	`@mcp.resource()` デコレータ
型の処理	手動の JSON Schema	型ヒントから自動生成
テスト	手動のトランスポートモック	内蔵テストクライアント
コード行数 (シンプルなサーバー)	80-100行	15-20行

インストール

pip install fastmcp

FastMCP には Python 3.10 以上が必要です。

初めての MCP サーバーの構築

以下は、15行のコードで記述された完全な MCP サーバーです。

# server.py
from fastmcp import FastMCP

mcp = FastMCP("my-tools")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers together."""
    return a + b

@mcp.tool()
def get_weather(city: str) -> str:
    """Get the current weather for a city."""
    # 本番環境では、実際の天気 API を呼び出します
    return f"The weather in {city} is 72F and sunny."

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

これだけです。FastMCP は以下の処理を自動的に行います：

型ヒントから JSON スキーマを生成。
MCP プロトコル（ツール一覧、ツール呼び出し、エラーハンドリング）の処理。
Claude Code、Claude Desktop、およびその他の MCP クライアントとの互換性のための stdio トランスポートのセットアップ。

サーバーの実行

python server.py

Claude Code への接続

.mcp.json または Claude Code の設定に追加します：

{
  "mcpServers": {
    "my-tools": {
      "command": "python",
      "args": ["/path/to/server.py"]
    }
  }
}

または Claude Code CLI を使用します：

claude mcp add my-tools python /path/to/server.py

コアコンセプト

ツール (Tools)

ツールは、AI が呼び出すことができる関数です。アクションを実行し、結果を返します。

from fastmcp import FastMCP
import httpx

mcp = FastMCP("dev-tools")

@mcp.tool()
def search_npm(query: str, limit: int = 5) -> str:
    """Search npm registry for packages."""
    response = httpx.get(
        f"https://registry.npmjs.org/-/v1/search",
        params={"text": query, "size": limit}
    )
    results = response.json()["objects"]
    lines = []
    for pkg in results:
        p = pkg["package"]
        lines.append(f"- {p['name']} (v{p['version']}): {p.get('description', 'No description')}")
    return "\n".join(lines)

@mcp.tool()
def run_sql(query: str, database: str = "main.db") -> str:
    """Execute a read-only SQL query against a SQLite database."""
    import sqlite3
    conn = sqlite3.connect(database)
    conn.execute("PRAGMA query_only = ON")
    cursor = conn.execute(query)
    columns = [desc[0] for desc in cursor.description] if cursor.description else []
    rows = cursor.fetchall()
    conn.close()

    if not rows:
        return "No results."

    header = " | ".join(columns)
    separator = " | ".join(["---"] * len(columns))
    data = "\n".join([" | ".join(str(cell) for cell in row) for row in rows])
    return f"{header}\n{separator}\n{data}"

リソース (Resources)

リソースは、AI が読み取ることができるデータを公開します。これらは URI によって識別されます。

@mcp.resource("config://app")
def get_app_config() -> str:
    """Return the application configuration."""
    import json
    with open("config.json") as f:
        return json.dumps(json.load(f), indent=2)

@mcp.resource("file://{path}")
def read_file(path: str) -> str:
    """Read a file from the project directory."""
    with open(path) as f:
        return f.read()

@mcp.resource("db://schema")
def get_database_schema() -> str:
    """Return the database schema."""
    import sqlite3
    conn = sqlite3.connect("main.db")
    cursor = conn.execute(
        "SELECT sql FROM sqlite_master WHERE type='table'"
    )
    schemas = [row[0] for row in cursor.fetchall()]
    conn.close()
    return "\n\n".join(schemas)

プロンプト (Prompts)

プロンプトは、AI が使用できる再利用可能なプロンプトテンプレートです。

@mcp.prompt()
def code_review(code: str, language: str = "python") -> str:
    """Generate a code review prompt."""
    return f"""Review the following {language} code for:
1. Security vulnerabilities
2. Performance issues
3. Code style and best practices
4. Potential bugs

Code:
```{language}
{code}

Provide specific, actionable feedback with code examples for fixes."""

@mcp.prompt() def explain_error(error_message: str, stack_trace: str = "") -> str: """Generate an error explanation prompt.""" prompt = f"Explain this error and suggest fixes:\n\nError: {error_message}" if stack_trace: prompt += f"\n\nStack trace:\n{stack_trace}" return prompt


## 実践的な例: GitHub MCP サーバー

より完成度の高い例として、GitHub リポジトリのツールを提供する MCP サーバーを以下に示します。

```python
# github_mcp.py
from fastmcp import FastMCP
import httpx
import os

mcp = FastMCP("github-tools")

GITHUB_TOKEN = os.environ.get("GITHUB_TOKEN", "")
HEADERS = {"Authorization": f"Bearer {GITHUB_TOKEN}"} if GITHUB_TOKEN else {}

@mcp.tool()
def search_repos(query: str, limit: int = 5) -> str:
    """Search GitHub repositories."""
    response = httpx.get(
        "https://api.github.com/search/repositories",
        params={"q": query, "per_page": limit},
        headers=HEADERS
    )
    repos = response.json().get("items", [])
    lines = []
    for repo in repos:
        lines.append(
            f"- [{repo['full_name']}]({repo['html_url']}) "
            f"({repo['stargazers_count']} stars): {repo['description'] or 'No description'}"
        )
    return "\n".join(lines) or "No repositories found."

@mcp.tool()
def get_repo_readme(owner: str, repo: str) -> str:
    """Get the README content of a GitHub repository."""
    response = httpx.get(
        f"https://api.github.com/repos/{owner}/{repo}/readme",
        headers={**HEADERS, "Accept": "application/vnd.github.raw+json"}
    )
    if response.status_code == 200:
        return response.text
    return f"Error: Could not fetch README ({response.status_code})"

@mcp.tool()
def list_issues(owner: str, repo: str, state: str = "open", limit: int = 10) -> str:
    """List issues for a GitHub repository."""
    response = httpx.get(
        f"https://api.github.com/repos/{owner}/{repo}/issues",
        params={"state": state, "per_page": limit},
        headers=HEADERS
    )
    issues = response.json()
    lines = []
    for issue in issues:
        labels = ", ".join([l["name"] for l in issue.get("labels", [])])
        lines.append(f"- #{issue['number']}: {issue['title']} [{labels}]")
    return "\n".join(lines) or "No issues found."

@mcp.tool()
def get_file_contents(owner: str, repo: str, path: str, ref: str = "main") -> str:
    """Get the contents of a file from a GitHub repository."""
    response = httpx.get(
        f"https://api.github.com/repos/{owner}/{repo}/contents/{path}",
        params={"ref": ref},
        headers={**HEADERS, "Accept": "application/vnd.github.raw+json"}
    )
    if response.status_code == 200:
        return response.text
    return f"Error: Could not fetch file ({response.status_code})"

@mcp.resource("github://repos/{owner}/{repo}/info")
def get_repo_info(owner: str, repo: str) -> str:
    """Get basic information about a GitHub repository."""
    response = httpx.get(
        f"https://api.github.com/repos/{owner}/{repo}",
        headers=HEADERS
    )
    repo_data = response.json()
    return (
        f"Name: {repo_data['full_name']}\n"
        f"Stars: {repo_data['stargazers_count']}\n"
        f"Language: {repo_data['language']}\n"
        f"Description: {repo_data['description']}\n"
        f"URL: {repo_data['html_url']}"
    )

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

これを登録します：

{
  "mcpServers": {
    "github": {
      "command": "python",
      "args": ["/path/to/github_mcp.py"],
      "env": {
        "GITHUB_TOKEN": "ghp_your_token"
      }
    }
  }
}

MCP サーバーのテスト

FastMCP にはテストクライアントが内蔵されています：

# test_server.py
import asyncio
from fastmcp import Client

async def test():
    async with Client("python server.py") as client:
        # 利用可能なツールを一覧表示
        tools = await client.list_tools()
        print(f"Available tools: {[t.name for t in tools]}")

        # ツールを呼び出す
        result = await client.call_tool("add", {"a": 5, "b": 3})
        print(f"5 + 3 = {result}")

        # リソースを一覧表示
        resources = await client.list_resources()
        print(f"Available resources: {[r.uri for r in resources]}")

asyncio.run(test())

FastMCP vs. Raw MCP SDK

同じツールを両方の方法で定義した比較です：

Raw MCP SDK

from mcp.server import Server
from mcp.types import Tool, TextContent
import json

server = Server("my-server")

@server.list_tools()
async def list_tools():
    return [
        Tool(
            name="add",
            description="Add two numbers",
            inputSchema={
                "type": "object",
                "properties": {
                    "a": {"type": "integer", "description": "First number"},
                    "b": {"type": "integer", "description": "Second number"}
                },
                "required": ["a", "b"]
            }
        )
    ]

@server.call_tool()
async def call_tool(name, arguments):
    if name == "add":
        result = arguments["a"] + arguments["b"]
        return [TextContent(type="text", text=str(result))]

FastMCP

from fastmcp import FastMCP

mcp = FastMCP("my-server")

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers."""
    return a + b

FastMCP バージョンは4行であるのに対し、Raw SDK は25行以上かかります。多くのツールを持つサーバーでは、この差は劇的に大きくなります。

MCP サーバーを構築するためのヒント

小さく始める。 1つか2つのツールを構築してテストし、それから拡張します。
型ヒントを使用する。 FastMCP は型ヒントから JSON スキーマを自動生成します。
適切な docstring を記述する。 AI はツールの説明を読み、いつそれを使用するかを判断します。
エラーを適切に処理する。 例外を発生させるのではなく、エラーメッセージを文字列として返します。
ツールの焦点を絞る。 1つのツールは1つのことをうまく行うべきです。AI にそれらを組み合わせさせましょう。
環境変数を使用する。 API キーや設定は MCP 設定内の env を通じて渡します。

まとめ

FastMCP は MCP サーバー構築からボイラープレートを排除し、実際の機能に集中できるようにします。API のラップ、データベースへの接続、カスタム開発ツールの構築など、あらゆるアイデアを数分で動作する MCP サーバーに変えることができます。

MCP ツールで画像、ビデオ、オーディオ、アバターなどのメディアを生成する必要がある場合は、Hypereal AI を無料でお試しください。35クレジット提供、クレジットカード不要です。その REST API は、AI を活用したメディア生成のために、あらゆる MCP サーバーに簡単に統合できます。