Python MCP Server Examples

MCP数据服务

提供方 cyanmage

数据服务 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个Python实现的MCP服务器,用于扩展AI助手功能,包括计算器、RDS、S3和PostgreSQL服务。

一句话选型结论

按资料字段整理

Python MCP Server Examples 属于数据服务类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类数据服务 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 4 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

数据服务
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量4暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI扩展Python本地部署Python开发AWS服务数据库管理文件存储

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 4 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 4 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Python MCP Server Examples当前 4 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
字段来自项目仓库与公开索引,中文说明由本站标注
提供方cyanmage上游标注的维护方 cyanmage
分类数据服务本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.0 KB
来自项目仓库与上游目录的原文,未做删改

MCP样品

用于扩展AI助手功能的模型上下文协议(MCP)服务器的Python实现。

概述

该项目提供了可以与Amazon Q或其他MCP兼容的AI助手一起使用的示例MCP服务器。服务器实现各种功能:

  • 计算器服务器:执行基本算术运算
  • RDS服务器:与Amazon RDS实例交互
  • S3服务器:管理Amazon S3存储桶和对象
  • PostgreSQL服务器:连接到PostgreSQL数据库并执行查询

这些服务器演示了如何使用FastMCP框架在Python中构建MCP服务器,该框架为实现模型上下文协议提供了一个高级的Python接口。

先决条件

  • Python 3.12+
  • FastMCP库
  • uv(FastMCP的推荐Python包管理器)
  • 为RDS和S3操作配置的AWS凭据(针对相应的服务器)
  • 与MCP兼容的AI助手(如Amazon Q)

安装

克隆存储库并安装依赖项:```bash
git clone
cd sample-building-mcp-servers-with-python


我们建议使用 紫外线 安装依赖项,因为它比pip更快、更可靠:```bash
# Install uv if you don't have it
curl -sSf https://install.python-poetry.org | python3 -

# Install dependencies with uv
uv pip install -r requirements.txt

或者,您可以使用pip:```bash
pip install -r requirements.txt


## 用法

独立运行每台服务器:```bash
# Run the calculator server
python src/calculator_server.py

# Run the RDS server
python src/rds_server.py

# Run the S3 server
python src/s3_server.py

# Run the PostgreSQL server (requires a connection string)
python src/postgresql_server.py "postgresql://username:password@hostname:port/database"

与Amazon Q CLI集成

要将这些MCP服务器与Amazon Q CLI或其他MCP兼容客户端集成,请在您的 .amazon-q.json 文件:```json
{
"mcpServers": {
"calculator": {
"command": "python /path/to/sample-building-mcp-servers-with-python/src/calculator_server.py",
"args": []
},
"s3": {
"command": "python /path/to/sample-building-mcp-servers-with-python/src/s3_server.py",
"args": []
},
"rds": {
"command": "python /path/to/sample-building-mcp-servers-with-python/src/rds_server.py",
"args": []
},
"postgres": {
"command": "python /path/to/sample-building-mcp-servers-with-python/src/postgresql_server.py",
"args": ["postgresql://username:password@hostname:port/database"]
}
}
}


替换 `/path/to/sample-building-mcp-servers-with-python/` 了解项目的实际路径。配置后,Amazon Q将能够使用这些服务器来扩展其功能。

## 服务器描述

### 计算器服务器

提供基本的算术运算,如加法、减法、乘法和除法。

### RDS服务器

列出并管理指定区域中的Amazon RDS实例。

### S3服务器

管理S3存储桶和对象,包括按区域列出存储桶。

### PostgreSQL服务器

连接到PostgreSQL数据库并执行只读查询、列出表并提供模式信息。

## 理解代码

每台服务器都遵循类似的模式:

1. 创建FastMCP实例
1. 使用定义工具 `@mcp.tool()` 装饰器
1. 使用以下命令运行服务器 `mcp.run()`

例如,计算器服务器看起来像这样:```python
from fastmcp import FastMCP
from typing import Annotated
from pydantic import Field

mcp = FastMCP("Calculator Server")

@mcp.tool()
def sum(
a: Annotated[int, Field(description="The first number")],
b: Annotated[int, Field(description="The second number")]
) -> int:
"""Calculate the sum of two numbers"""
return a + b

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

依赖项

  • FastMCP:模型上下文协议的Python实现
  • boto3:AWS Python SDK(适用于S3和RDS服务器)
  • asyncpg:PostgreSQL客户端库(用于PostgreSQL服务器)
  • pydantic:数据验证和设置管理

了解更多信息

要了解有关模型上下文协议和FastMCP的更多信息:

  • 模型上下文协议
  • FastMCP文档
  • 亚马逊Q文档
  • 紫外线文件 -FastMCP的推荐Python包管理器

致谢

这个项目的灵感来自 使用rust构建mcp服务器的示例,它提供了使用Rust的MCP服务器的类似实现。我们感谢作者的工作和灵感。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Python MCP Server Examples 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Python MCP Server Examples 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Python MCP Server Examples 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Python MCP Server Examples 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Python MCP Server Examples 能提供哪些能力?

资料显示约 4 个工具;能力标签包括 AI扩展、数据分析、Python。具体工具清单以官方文档为准。

Python MCP Server Examples 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Python MCP Server Examples 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。