🤖 实验室：使用FastAPI和MCP构建一个AI就绪的产品目录
🧭 概述
这个实验室将引导你完成以下过程： 创建产品目录API 使用 FastAPI，然后将其转化为一个 可由AI访问的服务 使用 模型上下文协议（MCP） （与……一起）带着；用；凭借；具有 FastMCP。
你将构建一个RESTful后端 第一部分，以及在 第二部分，你将把它连接到一个MCP服务器——从而启用 人工智能代理 （像Claude一样）可以直接调用您的API。
______________________________________________________________________
🎯 目标
- 构建并测试一个基于FastAPI的产品目录API。
- 通过FastMCP将API作为AI可调用的工具暴露出来。
- 学习如何使用MCP标准集成AI就绪端点。
______________________________________________________________________
🧩 前提条件
- Python 3.10+（或“Python 3.10及以上版本”） 已安装
- 基本了解 python， REST API（Representational State Transfer Application Programming Interface，表述性状态传递应用程序编程接口），和 JSON（JavaScript对象表示法）
- 熟悉终端命令和虚拟环境
- 已安装的包：
fastapi[all]，fastmcp，以及uvicorn（通过pip或者uv) - 可选： Claude Desktop（克劳德桌面版） （用于AI工具测试）
- 代码编辑器（例如。， VS Code)
- 项目目录（例如。，
product-catalog-lab）
⏱️（时钟图标，可表示时间、倒计时等，具体含义需结合上下文） 预计持续时间： 90分钟
______________________________________________________________________
🧱 第一部分 – 构建FastAPI产品目录API
🎯 目标
使用（指定的工具或方法）创建一个FastAPI应用程序，包含列出所有产品和通过ID检索产品的端点 Pydantic 模型 用于验证和模拟内存数据库。
🧰 步骤 1.1：设置您的环境
mkdir product-catalog-lab
cd product-catalog-lab
python -m venv venv
# Activate
venv\Scripts\activate # Windows
# or
source venv/bin/activate # macOS/Linux
pip install fastapi[all] uvicorn