Du hast bereits eine OpenAPI-Spezifikation. So wird daraus ein funktionierender MCP-Server in Python — und das sind die Teile, die dir ein Konverter nicht abnehmen kann.
Eine Spezifikation zu konvertieren bringt dir einen Server. Es bringt dir niemanden, der ihn nutzen will. MCP Showcase macht aus demselben Endpunkt ein Live-Playground mit lesbarer Doku für jedes Tool.
Der OpenAPI-Konverter macht aus jeder Operation eine MCP-Tool-Definition — in deinem Browser, ohne deine Spezifikation hochzuladen.
Nimm die generierten Tool-Definitionen und implementiere sie gegen deine API mit dem SDK für Python, in der Form, die oben gezeigt wird.
Eine konvertierte Spezifikation gibt dir ein Tool pro Operation, und das sind fast immer viel zu viele. Behalte die, die ein Agent braucht.
Die mechanische Hälfte ist wirklich mechanisch: Jede OpenAPI-Operation wird ein MCP-Tool, ihre Summary wird die Beschreibung, und ihre Pfad-, Query- und Body-Parameter werden zu einem einzigen flachen Input-Schema. Der OpenAPI-Konverter erledigt diesen Teil in deinem Browser, ohne deine Spezifikation hochzuladen.
Was bleibt, hat die Form von Python: diese Tools mit
modelcontextprotocol/python-sdk (FastMCP) (pip install mcp) gegen deine API zu
implementieren, in der Form, die oben gezeigt wird.
FastMCP leitet das Input-Schema eines Tools aus deinen Type-Hints ab und seine Beschreibung aus dem Docstring. Das ist der schnellste Weg zu einem funktionierenden Server und der Grund, warum die meisten MCP-Beispiele in Python sind — es heißt aber auch, dass das, was das Modell liest, dein Docstring ist. Ein vager Docstring ist ein Tool, das der Agent falsch auswählt, und keiner deiner Tests wird das bemerken.
$ref-Bodies auflösen. Dafür braucht es deine
components-Sektion, sie kommen also als generisches Objekt herüber.Tool-Definitionen gehen bei jeder Anfrage ans Modell, nicht einmal pro Sitzung. Achtzig Operationen heißt achtzig Beschreibungen und achtzig Schemas im Kontextfenster jeder Runde — dauerhaft bezahlt und messbar schlechter bei der Auswahl als eine kurze Liste. Der Token-Rechner zeigt, was eine bestimmte Liste kostet; der Schema-Linter zeigt, ob die Beschreibungen die Konvertierung in brauchbarem Zustand überstanden haben.
Ein konvertierter Server beweist, dass die Abbildung funktioniert hat. Einem potenziellen Kunden sagt er nichts — er kann kein Python lesen und wird keinen Client konfigurieren, um es herauszufinden. MCP Showcase macht aus demselben Endpunkt ein Live-Playground mit Doku pro Tool, das jeder im Browser ausprobieren kann.