FastAPI-MCP শুধু ভেঙে দিয়েছে AI ইন্টিগ্রেশন গেম! 🚀
অগোছালো কথা ভুলে যাও AI ইন্টিগ্রেশন! ফাস্টএপিআই-এমসিপি কিসের ছাদ ভেঙে ফেলেছে's পাইথন এপিআই সংযোগ করার সময় সম্ভব AI মডেল। এই শূন্য-সেটআপ টুলটি সাধারণ FastAPI এন্ডপয়েন্টগুলিকে রূপান্তরিত করে এমসিপি-সামঞ্জস্যপূর্ণ পাওয়ারহাউসগুলি যে AI এজেন্টরা তাৎক্ষণিকভাবে ব্যবহার করতে পারে - কোডের একটি লাইনও পুনর্লিখন না করে!
জটিলতার সাথে লড়াই কেন? AI যখনই সম্ভব সংযোগ স্থাপন করুন আপনার সম্পূর্ণ API প্রকাশ করুন পাইথনের মাত্র তিন লাইন দিয়ে? আপনার বিদ্যমান প্রমাণীকরণ, ডকুমেন্টেশন এবং স্কিমাগুলি অক্ষত থাকে যখন AI মডেল ক্লড এবং জিপিটির মতো লোকেরা আপনার পরিষেবাগুলিতে সরাসরি অ্যাক্সেস পান।
2026 AI ল্যান্ডস্কেপের জন্য সরঞ্জাম-ব্যবহারকারী মডেলের প্রয়োজন হয়, এবং FastAPI-MCP প্রদান করে ডেভেলপারদের ঠিক যা প্রয়োজন।
কেন ফাস্টএপিআই-এমসিপি জন্য একটি বড় চুক্তি AI উত্সাহীদের
FastAPI-MCP কেবল আরেকটি লাইব্রেরি নয়; এটি আপনার API গুলিকে কোনও ঝামেলা ছাড়াই AI-বান্ধব করে তোলার একটি প্রবেশদ্বার। কল্পনা করুন আপনার চ্যাটবট কেবল প্রশ্নের উত্তর দিচ্ছে না বরং আপনার অ্যাপ থেকে লাইভ ডেটা টেনে নিয়ে সমস্যাগুলি সমাধান করছে। এটাই MCP-এর জাদু, একটি অ্যানথ্রপিক কর্তৃক উন্মুক্ত মানদণ্ড, FastAPI এর গতি এবং সরলতার সাথে মিলিত।
এই কম্বোটি দেয় AI মডেলগুলি অনায়াসে বহিরাগত সরঞ্জামগুলিতে ট্যাপ করে, এবং FastAPI-MCP প্রক্রিয়াটি স্বয়ংক্রিয় করে, আপনার API স্কিমা এবং ডক্স সংরক্ষণ করে। পরিসংখ্যান দেখায় যে একীভূতকরণ AI API গুলি ব্যবহার করে কিছু কর্মপ্রবাহে অটোমেশন দক্ষতা ৬০% পর্যন্ত বৃদ্ধি করা যায় - বেশ চিত্তাকর্ষক, তাই না?
ফাস্টএপিআই-এমসিপি কীসের জন্য আলাদা?
- জিরো-কনফিগ সেটআপ: তোমার দিকে আঙুল দাও FastAPI অ্যাপ, এবং বুম-এটি একটি MCP সার্ভার প্রস্তুত AI মিথষ্ক্রিয়া.
- স্কিমা সংরক্ষণ: আপনার অনুরোধ এবং প্রতিক্রিয়া মডেলগুলিকে নির্বিঘ্নে অক্ষত রাখে AI বোঝার।
- নমনীয় মোতায়েন: আরও ভালো স্কেলিং এবং নিরাপত্তার জন্য এটি আপনার অ্যাপের মধ্যে অথবা একটি স্বতন্ত্র পরিষেবা হিসেবে চালান।
- অন্তর্নির্মিত প্রমাণীকরণ: নিরাপদ অ্যাক্সেসের জন্য আপনার বিদ্যমান FastAPI নিরাপত্তা সেটআপগুলিকে কাজে লাগায়।
এটি কেবল প্রযুক্তির জন্য নয় - এটি আপনার অ্যাপগুলিকে আরও স্মার্ট এবং কার্যকর করার জন্য তৈরি করার বিষয়ে AI সিস্টেম, আপনি মার্কেটিং, ডেভেলপার, অথবা তথ্য বিজ্ঞান.
শুরু করা: সেট আপ করা ফাস্টএপিআই-এমসিপি
আসুন আমরা আমাদের কাজ শুরু করি। আপনার FastAPI অ্যাপটিকে MCP সার্ভারে রূপান্তর করার জন্য ধাপে ধাপে নির্দেশিকা এখানে দেওয়া হল যা AI এজেন্ট একজন পেশাদারের মতো ব্যবহার করতে পারেন।
ধাপ 1: প্রয়োজনীয় সরঞ্জামগুলি ইনস্টল করুন
প্রথমে নিশ্চিত করুন যে আপনার সিস্টেম প্রস্তুত আছে। আপনার Python 3.7+ এবং কয়েকটি প্যাকেজের প্রয়োজন হবে। দ্রুত ইনস্টলেশনের জন্য uv ব্যবহার করুন, অথবা ভালো পুরনো পাইপ ব্যবহার করুন:
সজোরে আঘাত
# Using uv (recommended for speed)
uv add fastapi-mcp fastapi uvicorn mcp-proxy
# Or with pip
pip install fastapi fastapi-mcp uvicorn mcp-proxyএই প্যাকেজগুলি ওয়েব ফ্রেমওয়ার্ক (FastAPI), সার্ভার রানার (Uvicorn), MCP ইন্টিগ্রেশন (fastapi-mcp), এবং ক্লায়েন্ট সংযোগের জন্য একটি প্রক্সি (mcp-proxy) কভার করে।
ধাপ 2: একটি সহজ FastAPI অ্যাপ তৈরি করুন
চলুন আবহাওয়ার তথ্য সংগ্রহের জন্য একটি মৌলিক অ্যাপ তৈরি করি (আমরা বিনামূল্যে ব্যবহার করছি) weather.gov API এই উদাহরণের জন্য)। main.py নামে একটি ফাইল তৈরি করুন এবং নিম্নলিখিতগুলি যোগ করুন:
পাইথন
from fastapi import FastAPI, HTTPException, Query
import httpx
# Define the FastAPI app
app = FastAPI(title="Weather Updates API")
# Predefined city coordinates (for simplicity)
CITY_COORDINATES = {
"Los Angeles": {"lat": 34.0522, "lon": -118.2437},
"San Francisco": {"lat": 37.7749, "lon": -122.4194},
"San Diego": {"lat": 32.7157, "lon": -117.1611},
"New York": {"lat": 40.7128, "lon": -74.0060},
"Chicago": {"lat": 41.8781, "lon": -87.6298},
}
@app.get("/weather", operation_id="get_weather_update")
async def get_weather(
stateCode: str = Query(..., description="State code (e.g., 'CA' for California)"),
city: str = Query(..., description="City name (e.g., 'Los Angeles')")
):
"""
Retrieve today's weather from the National Weather Service API based on city and state.
"""
if city not in CITY_COORDINATES:
raise HTTPException(
status_code=404,
detail=f"City '{city}' not found in predefined list. Please use another city."
)
coordinates = CITY_COORDINATES[city]
lat, lon = coordinates["lat"], coordinates["lon"]
base_url = f"https://api.weather.gov/points/{lat},{lon}"
try:
async with httpx.AsyncClient() as client:
gridpoint_response = await client.get(base_url)
gridpoint_response.raise_for_status()
gridpoint_data = gridpoint_response.json()
forecast_url = gridpoint_data["properties"]["forecast"]
forecast_response = await client.get(forecast_url)
forecast_response.raise_for_status()
forecast_data = forecast_response.json()
today_weather = forecast_data["properties"]["periods"][0]
return {
"city": city,
"state": stateCode,
"date": today_weather["startTime"],
"temperature": today_weather["temperature"],
"temperatureUnit": today_weather["temperatureUnit"],
"forecast": today_weather["detailedForecast"],
}
except httpx.HTTPStatusError as e:
raise HTTPException(
status_code=e.response.status_code,
detail=f"NWS API error: {e.response.text}"
)
except Exception as e:
raise HTTPException(
status_code=500,
detail=f"Internal server error: {str(e)}"
)operation_id=”get_weather_update” লক্ষ্য করুন - এটি টুলের নামটি স্পষ্ট করে তোলে AI এজেন্ট। এটি ছাড়া, FastAPI একটি কম বন্ধুত্বপূর্ণ আইডি তৈরি করে।
ধাপ 3: MCP সার্ভারে রূপান্তর করুন
এবার, FastAPI-MCP দিয়ে এই অ্যাপটিকে AI-প্রস্তুত করা যাক। main.py তে এই লাইনগুলি যোগ করুন:
পাইথন
from fastapi_mcp import FastApiMCP
# Create and mount the MCP server
mcp = FastApiMCP(
app,
name="Weather Updates API",
description="API for retrieving today's weather from weather.gov",
base_url="http://localhost:8000"
)
mcp.mount()
# Run the app
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)ব্যস! আপনার MCP সার্ভার http://localhost:8000/mcp এ লাইভ আছে। AI এজেন্টরা এখন আপনার আবহাওয়ার শেষ বিন্দু আবিষ্কার করতে এবং একটি হাতিয়ার হিসেবে ব্যবহার করতে পারবে।
ধাপ 4: একটি সংযুক্ত করুন AI মক্কেল
এটি পরীক্ষা করার জন্য, একটি ক্লায়েন্ট কনফিগার করুন যেমন কার্সার আইডিই অথবা ক্লাউড ডেস্কটপ। আপনার MCP সার্ভারের দিকে নির্দেশ করতে কনফিগার ফাইলটি সম্পাদনা করুন (অবস্থান টুল অনুসারে পরিবর্তিত হয়, প্রায়শই ব্যবহারকারীর অ্যাপ ডেটাতে):
JSON
"mcpServers": {
"WeatherAPI": {
"command": "mcp-proxy",
"args": ["http://127.0.0.1:8000/mcp"]
}
}ক্লায়েন্টটি পুনরায় চালু করুন, এবং আপনি প্রস্তুত। "সান দিয়েগোতে আবহাওয়া কেমন?" এর মতো কিছু জিজ্ঞাসা করুন এবং দেখুন AI ডেটা আনতে আপনার API ব্যবহার করুন।
উন্নত কৌশল: আপনার ফাস্টএপিআই-এমসিপি সেটআপ
লেভেল আপ করতে চান? FastAPI-MCP নির্দিষ্ট প্রয়োজন অনুসারে আপনার সেটআপ পরিবর্তন করার জন্য প্রচুর বিকল্প অফার করে।
এর জন্য এন্ডপয়েন্ট ফিল্টার করা হচ্ছে AI প্রবেশ
সব শেষবিন্দু এমন হওয়া উচিত নয় AI কোন সরঞ্জামগুলি উন্মুক্ত তা নিয়ন্ত্রণ করুন:
পাইথন
mcp = FastApiMCP(
app,
name="Weather Updates API",
base_url="http://localhost:8000",
include_operations=["get_weather_update"], # Only expose this endpoint
include_tags=["public"] # Or filter by tags
)
mcp.mount()এটি সংবেদনশীল বা অভ্যন্তরীণ শেষবিন্দুগুলিকে এর বাইরে রাখে AI পৌঁছানোর।
পৃথক সার্ভার স্থাপনা
বড় প্রকল্পের জন্য, আরও ভালো স্কেলিং এর জন্য মূল API থেকে আলাদা করে আপনার MCP সার্ভার চালান:
পাইথন
from fastapi import FastAPI
from fastapi_mcp import FastApiMCP
# Main API app
api_app = FastAPI()
# Define endpoints on api_app...
# Separate MCP app
mcp_app = FastAPI()
mcp = FastApiMCP(api_app, base_url="http://api-host:8001")
mcp.mount(mcp_app)
# Run separately
# uvicorn api_app --host api-host --port 8001
# uvicorn mcp_app --host mcp-host --port 8000এই সেটআপ আপনাকে স্বাধীনভাবে সম্পদ এবং নিরাপত্তা পরিচালনা করতে দেয়।
পরিবর্তনের পরে আপডেট করা হচ্ছে
নতুন এন্ডপয়েন্ট যোগ করেছেন? MCP সার্ভার রিফ্রেশ করুন:
পাইথন
@app.get("/new/weather/feature", operation_id="new_weather_feature")
async def new_feature():
return {"message": "New weather feature!"}
mcp.setup_server() # Refresh to include the new endpointএটি নিশ্চিত করে AI এজেন্টরা সর্বশেষ সরঞ্জামগুলি দেখে।
বাস্তব-বিশ্বের অ্যাপ্লিকেশন: যেখানে ফাস্টএপিআই-এমসিপি জ্বলিতেছে
FastAPI-MCP কেবল একটি দুর্দান্ত খেলনা নয় - এটি বিভিন্ন শিল্পে প্রচুর সম্ভাবনাময়। এটি কীভাবে তরঙ্গ তৈরি করছে তা এখানে:
একটি অসাধারণ সুবিধা? গবেষণায় দেখা গেছে যে AI-ইন্টিগ্রেটেড API ব্যবহারকারী ব্যবসাগুলি একটি পর্যন্ত দেখতে পায় কার্যক্ষম গতিতে ৩০% বৃদ্ধি। এটা এমন এক প্রতিযোগিতামূলক সুবিধা যা আপনি উপেক্ষা করতে পারবেন না!
মনে রাখার জন্য চ্যালেঞ্জ এবং টিপস
সবকিছু মসৃণভাবে চলছে না। সংযোগ স্থাপন AI API গুলিতে নিরাপত্তা ঝুঁকি বা এন্ডপয়েন্ট ওভারলোডের মতো সমস্যা দেখা দিতে পারে। কীভাবে সতর্ক থাকবেন তা এখানে দেওয়া হল:
- আপনার শেষ বিন্দুগুলি সুরক্ষিত করুন: MCP অ্যাক্সেস সীমিত করতে FastAPI এর অন্তর্নির্মিত প্রমাণীকরণ ব্যবহার করুন। অ্যাডমিন টুলগুলিকে প্রকাশ করবেন না AI চেক ছাড়া।
- ব্যবহার মনিটর: AI এজেন্টরা অনুরোধ স্প্যাম করতে পারে। ক্র্যাশ এড়াতে হারের সীমা নির্ধারণ করুন।
- পুঙ্খানুপুঙ্খভাবে পরীক্ষা করুন: লাইভে যাওয়ার আগে, সিমুলেট করুন AI উত্তরগুলি সঠিক এবং দ্রুত নিশ্চিত করার জন্য প্রশ্নের উত্তর।
সর্বশেষ ভাবনা: FastAPI MCP সম্পর্কে সবকিছু বদলে দিয়েছি!
FastAPI MCP কেবল প্রচারণা নয় - এটি যে কোনও নির্মাণকারীর জন্য আসল চুক্তি এআই চালিত সরঞ্জাম, RAG সিস্টেম, অথবা পরবর্তী প্রজন্মের চ্যাটবট। শূন্য কনফিগারেশন, স্বয়ংক্রিয় আবিষ্কার এবং নির্বিঘ্নে AI ইন্টিগ্রেশন, আপনি পারেন আপনার API গুলিকে LLM এবং এজেন্টদের জন্য পাওয়ারহাউস টুলে পরিণত করুন কয়েক মিনিটের মধ্যেই। আর কোনও আঠালো কোড নেই, আর কোনও কাস্টম র্যাপার নেই - কেবল পরিষ্কার, স্কেলেবল, এআই-প্রস্তুত এন্ডপয়েন্ট।
আপনি যদি গুরুতর হন AI অটোমেশন, এজেন্টিক ওয়ার্কফ্লো, অথবা আপনার API গুলি সর্বশেষ LLM গুলির সাথে সুন্দরভাবে খেলতে চান, FastAPI MCP আপনার টুলকিটের শীর্ষে থাকা উচিত। এটি একবার ঘুরে দেখুন, এবং আপনার AI স্ট্যাক গো টার্বো।
আরও ব্যবহারিক অভিজ্ঞতা চাই AI গাইড, কোড, এবং পেশাদার টিপস?
যাও tuned থাকুন আইমোজো সর্বশেষ জন্য AI সরঞ্জাম, এজেন্টিক ওয়ার্কফ্লো এবং এলএলএম হ্যাক।
বোনাস: আমাদের ২০০ ডলার পান "AI সাইন আপ করলে "মাস্টারি টুলকিট" বিনামূল্যে!
