次の方法で共有

チュートリアル: Python MCP サーバーを Azure Container Apps にデプロイする

このチュートリアルでは、FastAPI と MCP Python SDK を使用してタスク管理ツールを公開するモデル コンテキスト プロトコル ( MCP) サーバーを構築します。 サーバーを Azure Container Apps にデプロイし、VS Code の GitHub Copilot Chat からサーバーに接続します。

このチュートリアルでは、次の操作を行います。

  • MCP ツールを公開する FastAPI アプリを作成する
  • GitHub Copilot を使用して MCP サーバーをローカルでテストする
  • アプリをコンテナー化して Azure Container Apps にデプロイする
  • デプロイされた MCP サーバーに GitHub Copilot を接続する

[前提条件]

アプリの雛形を作成する

このセクションでは、FastAPI と MCP Python SDK を使用して新しい Python プロジェクトを作成します。

  1. プロジェクト ディレクトリを作成し、仮想環境を設定します。

    mkdir tasks-mcp-server && cd tasks-mcp-server
python -m venv .venv
source .venv/bin/activate

  2. requirements.txtを作成します。

    fastapi>=0.115.0
uvicorn>=0.30.0
mcp[cli]>=1.2.0

  3. 依存関係をインストールします。

    pip install -r requirements.txt

  4. インメモリ データ ストアの task_store.py を作成します。

    from dataclasses import dataclass, field
from datetime import datetime, timezone


@dataclass
class TaskItem:
    id: int
    title: str
    description: str
    is_complete: bool = False
    created_at: datetime = field(default_factory=lambda: datetime.now(timezone.utc))

    def to_dict(self) -> dict:
        return {
            "id": self.id,
            "title": self.title,
            "description": self.description,
            "is_complete": self.is_complete,
            "created_at": self.created_at.isoformat(),
        }


class TaskStore:
    def __init__(self):
        self._tasks: list[TaskItem] = [
            TaskItem(1, "Buy groceries", "Milk, eggs, bread"),
            TaskItem(2, "Write docs", "Draft the MCP tutorial", True),
        ]
        self._next_id = 3

    def get_all(self) -> list[dict]:
        return [t.to_dict() for t in self._tasks]

    def get_by_id(self, task_id: int) -> dict | None:
        task = next((t for t in self._tasks if t.id == task_id), None)
        return task.to_dict() if task else None

    def create(self, title: str, description: str) -> dict:
        task = TaskItem(self._next_id, title, description)
        self._next_id += 1
        self._tasks.append(task)
        return task.to_dict()

    def toggle_complete(self, task_id: int) -> dict | None:
        task = next((t for t in self._tasks if t.id == task_id), None)
        if task is None:
            return None
        task.is_complete = not task.is_complete
        return task.to_dict()

    def delete(self, task_id: int) -> bool:
        task = next((t for t in self._tasks if t.id == task_id), None)
        if task is None:
            return False
        self._tasks.remove(task)
        return True


# For demonstration only — not thread-safe.
store = TaskStore()

    TaskItemデータクラスは、シリアル化のためのto_dict()メソッドを使用してデータ モデルを定義します。 TaskStore クラスは、サンプル データが事前に設定されたメモリ内リストを管理し、CRUD メソッドを提供します。 シンプルにするために、シングルトン store モジュール レベルがアプリケーション全体で共有されます。

MCP ツールを定義する

このセクションでは、AI モデルが MCP サーバーを呼び出して FastAPI アプリケーションにマウントできる MCP ツールを定義します。

  1. mcp_server.pyを作成します。

    from mcp.server.fastmcp import FastMCP
from task_store import store

mcp = FastMCP("TasksMCP", stateless_http=True)


@mcp.tool()
async def list_tasks() -> list[dict]:
    """List all tasks with their ID, title, description, and completion status."""
    return store.get_all()


@mcp.tool()
async def get_task(task_id: int) -> dict | None:
    """Get a single task by its numeric ID.

    Args:
        task_id: The numeric ID of the task to retrieve.
    """
    return store.get_by_id(task_id)


@mcp.tool()
async def create_task(title: str, description: str) -> dict:
    """Create a new task with the given title and description. Returns the created task.

    Args:
        title: A short title for the task.
        description: A detailed description of what the task involves.
    """
    return store.create(title, description)


@mcp.tool()
async def toggle_task_complete(task_id: int) -> str:
    """Toggle a task's completion status between complete and incomplete.

    Args:
        task_id: The numeric ID of the task to toggle.
    """
    task = store.toggle_complete(task_id)
    if task:
        status = "complete" if task["is_complete"] else "incomplete"
        return f"Task {task['id']} is now {status}."
    return f"Task with ID {task_id} not found."


@mcp.tool()
async def delete_task(task_id: int) -> str:
    """Delete a task by its numeric ID.

    Args:
        task_id: The numeric ID of the task to delete.
    """
    if store.delete(task_id):
        return f"Task {task_id} deleted."
    return f"Task with ID {task_id} not found."

    重要なポイント:

    • FastMCP("TasksMCP", stateless_http=True) は、Python SDK のステートレス HTTP パターンを使用して MCP サーバーを作成します。 ストリーミング可能な HTTP エンドポイントは、既定で /mcp サブパスに設定されます。
    • 各 @mcp.tool() 関数は、呼び出し可能なツールになります。 関数 docstring とパラメーター注釈は、AI モデルが各ツールの使用方法を理解するのに役立ちます。

  2. app.pyを作成します。 このファイルは、MCP サーバーをマウントする FastAPI アプリケーションを定義します。

    from contextlib import AsyncExitStack, asynccontextmanager

from fastapi import FastAPI
from fastapi.responses import JSONResponse

from mcp_server import mcp


@asynccontextmanager
async def lifespan(app: FastAPI):
    async with AsyncExitStack() as stack:
        await stack.enter_async_context(mcp.session_manager.run())
        yield


app = FastAPI(lifespan=lifespan)
app.mount("/", mcp.streamable_http_app())


@app.get("/health")
async def health():
    return JSONResponse({"status": "healthy"})

    MCP サーバー アプリはルート (/) にマウントされます。 SDK のストリーミング可能な HTTP エンドポイントは既定で /mcpされるため、完全なエンドポイント パスは /mcp。

    Container Apps の正常性プローブには、個別の /health エンドポイントが使用されます。 MCP エンドポイントは、JSON-RPC POST 要求を想定しており、正常性チェックとしては適していません。

MCP サーバーをローカルでテストする

Azure にデプロイする前に、MCP サーバーがローカルで実行され、GitHub Copilot から接続されて動作することを確認します。

  1. アプリケーションを起動します。

    uvicorn app:app --reload --port 8080

  2. VS Code を開き、 Copilot チャット を開き、[ エージェント モード] を選択します。

  3. [ ツール ] ボタンを選択し、[ その他のツールの追加] を選択します。..>MCP サーバーを追加します。

  4. HTTP (HTTP または Server-Sent イベント) を選択します。

  5. サーバーの URL を入力します。 http://localhost:8080/mcp

  6. サーバー ID を入力します。 tasks-mcp

  7. [ ワークスペースの設定] を選択します。

  8. 新しい Copilot チャット プロンプトで、「すべてのタスクを表示する」と入力します。

  9. MCPツールの確認をCopilotが求めた場合は、[続行]を選択します。

メモリ内ストアから返されたタスク リストが表示されます。

ヒント

「PR を確認するタスクを作成する」、「タスク 1 を完了としてマークする」、「タスク 2 を削除する」などの他のプロンプトを試してください。

アプリケーションのコンテナー格納

Azure にデプロイする前にローカルでテストできるように、アプリケーションを Docker コンテナーとしてパッケージ化します。

  1. Dockerfile を作成します。

    FROM python:3.12-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

EXPOSE 8080
CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "8080"]

    Dockerfile は Python 3.12 のスリムな基本イメージを使用し、 requirements.txtから依存関係をインストールしてから、アプリケーション コードをコピーします。 Uvicorn は、ポート 8080 で FastAPI アプリを提供します。

  2. コンテナーがビルドされ、ローカルで実行されていることを確認します。

    docker build -t tasks-mcp-server .
docker run -p 8080:8080 tasks-mcp-server

    ヘルスエンドポイントが応答することを確認してください。 curl http://localhost:8080/health

Azure Container Apps へのデプロイ

アプリケーションをコンテナー化したら、Azure CLI を使用して Azure Container Apps にデプロイします。 az containerapp up コマンドはクラウドにコンテナー イメージをビルドするため、この手順ではマシン上に Docker は必要ありません。

  1. 環境変数を設定します。

    RESOURCE_GROUP="mcp-tutorial-rg"
LOCATION="eastus"
ENVIRONMENT_NAME="mcp-env"
APP_NAME="tasks-mcp-server-py"

  2. リソース グループと Container Apps 環境を作成します。

    az group create --name $RESOURCE_GROUP --location $LOCATION

az containerapp env create \
    --name $ENVIRONMENT_NAME \
    --resource-group $RESOURCE_GROUP \
    --location $LOCATION

  3. コンテナー アプリをデプロイします。

    az containerapp up \
    --name $APP_NAME \
    --resource-group $RESOURCE_GROUP \
    --environment $ENVIRONMENT_NAME \
    --source . \
    --ingress external \
    --target-port 8080

  4. CORS を構成します。

    az containerapp ingress cors enable \
    --name $APP_NAME \
    --resource-group $RESOURCE_GROUP \
    --allowed-origins "*" \
    --allowed-methods "GET,POST,DELETE,OPTIONS" \
    --allowed-headers "*"

    注

    運用環境では、ワイルドカードの配信元を特定の信頼できるオリジンに置き換えます。 Container Apps での MCP サーバーのセキュリティ保護に関する情報を参照してください。

  5. デプロイを検証します。

    APP_URL=$(az containerapp show \
    --name $APP_NAME \
    --resource-group $RESOURCE_GROUP \
    --query "properties.configuration.ingress.fqdn" -o tsv)

curl https://$APP_URL/health

デプロイされたサーバーに GitHub Copilot を接続する

MCP サーバーが Azure で実行されたので、デプロイされたエンドポイントに GitHub Copilot を接続するように VS Code を構成します。

  1. .vscode/mcp.jsonを作成または更新します。

    {
    "servers": {
        "tasks-mcp-server": {
            "type": "http",
            "url": "https://<your-app-fqdn>/mcp"
        }
    }
}

    <your-app-fqdn>をデプロイ出力の FQDN に置き換えます。

  2. VS Code で、エージェント モードで Copilot チャットを開きます。

  3. tasks-mcp-serverが [ツール] リストに表示されていることを確認します。 必要に応じて [開始] を選択します 。

  4. "ステージング環境をデプロイするタスクを作成する" などのプロンプトでテストします。

対話型使用のスケーリングを構成する

既定では、Azure Container Apps は 0 個のレプリカにスケーリングできます。 Copilot などの対話型クライアントにサービスを提供する MCP サーバーの場合、コールド スタートは顕著な遅延を引き起こします。 少なくとも 1 つのインスタンスを実行し続けるために、レプリカの最小数を設定します。

az containerapp update \
    --name $APP_NAME \
    --resource-group $RESOURCE_GROUP \
    --min-replicas 1

セキュリティに関する考慮事項

このチュートリアルでは、簡単にするために認証されていない MCP サーバーを使用します。 運用環境で MCP サーバーを実行する前に、次の推奨事項を確認してください。 大規模言語モデル (LLM) を利用するエージェントが MCP サーバーを呼び出す場合は、 迅速なインジェクション 攻撃に注意してください。

  • 認証と承認: Microsoft Entra ID を使用して MCP サーバーをセキュリティで保護します。 Container Apps での MCP サーバーのセキュリティ保護に関する情報を参照してください。
  • 入力検証: 常にツール パラメーターを検証します。 Pydantic を使用して、ツール入力にデータ検証を適用します。
  • HTTPS: Azure Container Apps では、自動 TLS 証明書を使用して既定で HTTPS が適用されます。
  • 最小権限: ユース ケースで必要なツールのみを公開します。 確認なしで破壊的な操作を実行するツールは避けてください。
  • CORS: 許可された配信元を運用環境の信頼されたドメインに制限します。
  • ログ記録と監視: MCP ツールの呼び出しを監査用にログに記録します。 Azure Monitor と Log Analytics を使用します。

リソースをクリーンアップする

このアプリケーションを引き続き使用する予定がない場合は、リソース グループを削除して、このチュートリアルで作成したすべてのリソースを削除します。

az group delete --resource-group $RESOURCE_GROUP --yes --no-wait

次のステップ

Container Apps での MCP サーバーのセキュリティ保護

関連するコンテンツ

  • Last updated on