Vous avez déjà une spécification OpenAPI. Voici comment elle devient un serveur MCP fonctionnel en Python, et quelles parties un convertisseur ne peut pas faire à votre place.
Convertir une spécification vous donne un serveur. Cela ne vous donne personne qui veuille l'utiliser. MCP Showcase transforme le même endpoint en playground en direct, avec une documentation lisible pour chaque outil.
Le convertisseur OpenAPI transforme chaque opération en définition d'outil MCP, dans votre navigateur, sans envoyer votre spécification.
Reprenez les définitions d'outils générées et implémentez-les face à votre API avec le SDK pour Python, sous la forme montrée ci-dessus.
Une spécification convertie vous donne un outil par opération, ce qui est presque toujours beaucoup trop. Gardez ceux dont un agent a besoin.
La moitié mécanique l'est vraiment : chaque opération OpenAPI devient un outil MCP, sa summary devient la description, et ses paramètres de chemin, de requête et de corps s'aplatissent en un seul schéma d'entrée. Le convertisseur OpenAPI fait cette partie dans votre navigateur, sans envoyer votre spécification.
Ce qui reste a la forme de Python : implémenter ces outils face à votre API
avec modelcontextprotocol/python-sdk (FastMCP) (pip install mcp), sous la
forme montrée ci-dessus.
FastMCP déduit le schéma d'entrée d'un outil de vos annotations de type et sa description de la docstring. C'est le chemin le plus rapide vers un serveur fonctionnel et la raison pour laquelle la plupart des exemples MCP sont en Python, mais cela signifie aussi que ce que lit le modèle, c'est votre docstring. Une docstring vague donne un outil que l'agent choisit mal, et rien dans vos tests ne le détectera.
$ref. Les résoudre demande votre section
components : ils arrivent donc sous forme d'objet générique.Les définitions d'outils sont envoyées au modèle à chaque requête, pas une fois par session. Quatre-vingts opérations, ce sont quatre-vingts descriptions et quatre-vingts schémas dans la fenêtre de contexte de chaque tour — payés en continu, et mesurablement moins bons à la sélection qu'une liste courte. Le calculateur de tokens montre ce que coûte une liste donnée ; l'analyseur de schémas montre si les descriptions ont survécu à la conversion dans un état exploitable.
Un serveur converti prouve que la correspondance a fonctionné. Cela ne dit rien à un client potentiel : il ne sait pas lire Python et ne configurera pas un client pour le découvrir. MCP Showcase transforme le même endpoint en playground en direct avec une documentation par outil, que n'importe qui peut essayer dans un navigateur.