Pydantic AI 與 Model Context Protocol (MCP)

在過去，如果要讓 AI 代理人存取外部的資料庫或使用特定的 SaaS 服務 API，我們通常需要為每一個服務手寫專屬的 Python 程式碼 (Function Tools)。當服務一多，這就變成了一項龐大且難以維護的工程。

為了解決這個問題，業界誕生了一個全新的標準：Model Context Protocol (MCP)。Pydantic AI 原生且深度地支援了這項協定。

什麼是 MCP？

Model Context Protocol (MCP) 是一個開放的標準協定，旨在標準化 AI 模型與外部資料來源、工具之間的連線方式。

你可以把 MCP 想像成是 AI 界的 USB 介面：只要外部系統提供了一個符合 MCP 規範的伺服器 (MCP Server)，任何支援 MCP 的客戶端 (MCP Client) 或 AI 代理人都可以像插上 USB 一樣，無縫地使用該系統提供的資料庫查詢功能、檔案讀取功能或 API 操作，而完全不需要手寫介接的程式碼。

Pydantic AI 作為 MCP Client

Pydantic AI 內建了強大的 MCP 客戶端功能。這意味著你的 Pydantic AI 代理人可以直接連上網路上現成的 MCP Servers（例如 GitHub 提供的 MCP、本地檔案系統的 MCP 等），自動學會伺服器上註冊的所有工具。

import asyncio
from pydantic_ai import Agent
# 匯入 MCP Client 相關模組
from pydantic_ai.mcp import MCPClient

# 建立一個基礎 Agent
agent = Agent('openai:gpt-4o')

async def main():
    # 假設本機正在運行一個提供天氣與交通查詢的 MCP Server
    # 我們建立一個 MCP Client 連上這個伺服器
    async with MCPClient("http://localhost:8000/mcp") as mcp_client:
        
        # 動態地將這個 MCP Server 提供的手冊與工具「掛載」到我們的 Agent 上
        # Agent 就會瞬間學會如何查詢天氣與交通！
        agent.load_mcp(mcp_client)
        
        # 現在可以直接詢問 Agent 相關問題
        result = await agent.run('請問台北今天會下雨嗎？如果搭捷運會塞車嗎？')
        print(result.data)

asyncio.run(main())

透過這種方式，AI 開發者可以專注於代理人的邏輯與系統提示，將底層系統整合的粗活交給標準化的 MCP Servers 來處理。

建立 MCP Server (FastMCP)

不僅能作為客戶端，如果你今天開發了一個很棒的工具系統，想要分享給其他人或其他 AI 框架使用，Pydantic AI 也提供了極度便捷的方法讓你開發自己的 MCP Server。

Pydantic AI 引入了類似 FastAPI 設計理念的 FastMCP。讓你可以用極少的程式碼，將普通的 Python 函數轉變成符合 MCP 標準的網路端點。

# 一個簡單的 FastMCP Server 範例
from pydantic_ai.mcp import FastMCP

# 建立一個 FastMCP 實例
mcp = FastMCP("MyMathTools")

# 就像使用 @app.get 一樣，透過裝飾器將函數暴露成 MCP 工具
@mcp.tool
def calculate_compound_interest(principal: float, rate: float, years: int) -> float:
    """計算複利的結果"""
    return principal * (1 + rate) ** years

# 啟動 MCP Server
if __name__ == "__main__":
    mcp.run()

啟動之後，這支程式就變成了一個標準的 MCP Server。不管對方使用的是 Pydantic AI、LangChain、或是直接在 Claude Desktop 應用程式中，都可以連上這個 Server 並呼叫 calculate_compound_interest 函數。

Pydantic AI 透過支援 MCP 客戶端與 FastMCP 伺服器，真正打破了 AI 框架與外部系統之間的壁壘，走向了標準化、模組化整合的未來。