スポンサーリンク

FastMCP で実装した MCP サーバーを AWS Lambda で稼働させる方法

最近はエンジニアにとどまらず多くの人が AI ツールを使い、MCP（Model Context Protocol）サーバーと接続して仕事などをしている人が多いと思います。

MCP サーバーが登場した頃はローカルマシンで稼働させるのが基本でした。

であるが故にマシンスペック次第では重たくなったり、技術的な面でエンジニアではない人がMCPサーバーを使うことが難しいものもありました。

MCP サーバーを使うためにマシンに uvx が入っていることが前提になっていることもしばしばありました。

ただ最近では Remote MCP サーバーも登場し、多くの AI ツールがそれに対応し始めたので、今回 AWS Lambda で MCP サーバーを構築することに挑戦しました。

この記事では FastMCP ライブラリを利用し、AWS Lambda上でスケーラブルかつ低コストな MCP サーバーを構築する方法を紹介します。

目次
  1. FastMCP で実装したMCPサーバーを Lambda にデプロイする
  2. おわりに

FastMCP で実装したMCPサーバーを Lambda にデプロイする

クライアントからのリクエストは、ストリーミングが有効化された Function URL を通じて Lambda に送られ、コンテナ内で FastAPI ベースのアプリケーションがリクエストを処理します。

主な使用技術スタック

多くの開発者にとっては特別準備するものはないとは思いますが、 AWS SAM CLI は開発マシンにインストールしておくと便利です。

ディレクトリ構成

最終的なディレクトリ構成は下記のようになる想定です。

my-lambda-mcp/
├── Dockerfile
├── pyproject.toml
├── README.md
├── src/
│   └── app.py
└── template.yaml

ステップ1: プロジェクトのセットアップ

まず、プロジェクト用のディレクトリを作成し、必要なライブラリを定義します。

uv init --lib my-lambda-mcp

プロジェクトを作成した、ディレクトリ移動して必要なライブラリの追加をします。

cd my-lambda-mcp

最低限必要なライブラリは下記です。

  • fastmcp
  • uvicorn

uv add を使って追加していきます。

uv add fastmcp uvicorn

セットアップは以上です。

ステップ2: アプリケーションの作成 (app.py)

次に、アプリケーションの心臓部となるコードを作成します。プロジェクトルートに app.py という名前でファイルを作成します。

FastMCP をステートレスモードで初期化することが、Lambda で正しく動作させるための最重要ポイントです。

from fastmcp import FastMCP

mcp = FastMCP("Demo 🚀")

@mcp.tool
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

# ⚠️⚠️ ここで stateless_http=True にすることが重要 ⚠️⚠️
app = mcp.http_app(
    stateless_http=True,
)

ステップ3: コンテナの定義 (Dockerfile)

aws-lambda-adapter を組み込み、Uvicorn を起動するための Dockerfile をプロジェクトルートに作成します。

FROM ghcr.io/astral-sh/uv:python3.13-bookworm

# aws-lambda-adapterをコンテナにコピー
COPY --from=public.ecr.aws/awsguru/aws-lambda-adapter:0.9.1 /lambda-adapter /opt/extensions/lambda-adapter

WORKDIR /app
COPY pyproject.toml README.md /app/
RUN uv sync

COPY src/ ./src/

ENV UV_CACHE_DIR=/tmp/uv-cache
ENV UV_NO_SYNC=1  # uv のビルド速度を上げる 

ENV AWS_LAMBDA_ADAPTER_BUFFER_OFF=1
ENV AWS_LAMBDA_ADAPTER_CALLBACK_PATH="/callback"
ENV AWS_LAMBDA_ADAPTER_HTTP_PROXY_BUFFERING="off"

ENV PYTHONPATH=/app
ENV PATH="/app/.venv/bin:$PATH"


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

補足 – uv関連の環境変数

環境変数の設定の目的に一応触れておきます。興味ない人は飛ばしてください。

uv関連の環境変数

UV_CACHE_DIR=/tmp/uv-cache

uv のキャッシュディレクトリを /tmp/uv-cache に指定しています。

  • Docker コンテナ内でuvがパッケージをキャッシュする際の保存場所を明示的に設定
  • /tmp を使うことで、コンテナの一時的な領域にキャッシュを配置
  • ビルド時のパフォーマンス向上とディスク使用量の最適化を図る

UV_NO_SYNC=1

uv の自動同期機能を無効化します。

  • 通常uvは依存関係の変更を検出して自動的に同期を行う
  • Docker ビルド時や Lambda 実行時には不要な処理となるため無効化
  • 起動時間の短縮とパフォーマンスの向上を実現
AWS Lambda Adapter関連の環境変数

AWS_LAMBDA_ADAPTER_BUFFER_OFF=1

AWS Lambda Web Adapter のバッファリング機能を無効化します。

  • レスポンスのバッファリングを行わず、ストリーミングでレスポンスを返す
  • リアルタイム性を重視したアプリケーションに適用
  • メモリ使用量の削減効果も期待できる

AWS_LAMBDA_ADAPTER_CALLBACK_PATH="/callback"

Lambda Web Adapter がコールバック用に使用するパスを /callback に設定します。

  • Lambda の実行完了を通知するためのエンドポイントを指定
  • アダプター内部での処理フローを制御する重要な設定

AWS_LAMBDA_ADAPTER_HTTP_PROXY_BUFFERING="off"

HTTP プロキシのバッファリング機能を無効化します。

  • リアルタイムでのデータ転送を優先する設定
  • 大きなレスポンスや長時間の処理において効果的
  • Lambda 関数のタイムアウト制限を考慮した最適化
Python関連の環境変数

PYTHONPATH=/app

Pythonのモジュール検索パスに /app を追加します。

  • アプリケーションのルートディレクトリからモジュールをインポート可能にする
  • 相対インポートの問題を解決
  • コンテナ内での Python アプリケーションの実行を安定化

PATH="/app/.venv/bin:$PATH"

システムの PATH 環境変数に仮想環境の bin ディレクトリを追加します。

  • uv で作成した仮想環境内の Python やパッケージのコマンドを直接実行可能にする
  • 仮想環境を明示的にアクティベートせずに Python スクリプトを実行
  • コンテナ起動時の利便性を向上

ステップ4: サーバーレスインフラの定義 (template.yaml)

AWS SAM を使い、Lambda 関数や Function URL をコードで定義します。プロジェクトルートに template.yaml を作成してください。

AWSTemplateFormatVersion:'2010-09-09'
Transform:AWS::Serverless-2016-10-31
Description:A serverless MCP server using FastMCP on AWS Lambda.

Globals:
 Function:
   Timeout:120
   MemorySize:256

Resources:
 MyLambdaMcpFunction:# 任意の名前でOK
   Type:AWS::Serverless::Function
   Properties:
     FunctionName:MyLambdaMcpFunction# 任意の名前でOK
     PackageType:Image
     FunctionUrlConfig:
       AuthType:NONE# 本番運用するときは必ず認証を有効にしてください
       InvokeMode:RESPONSE_STREAM# ストリーミング応答を有効化（重要）
       Cors:
         AllowOrigins:
           -'*'
         AllowHeaders:
           -Content-Type
           -Authorization
         AllowMethods:
           -POST
   Metadata:
     DockerTag:my-lambda-mcp-v1# 任意の名前でOK
     Dockerfile:Dockerfile
     DockerContext:.

Outputs:
 MyLambdaMcpFunctionUrl:
   Description:"The URL for the MCP Server Lambda function"
   Value:!GetAttMyLambdaMcpFunctionUrl.FunctionUrl

これは最小限の設定です。

⚠️ 認証認可に関してもガバガバなので、本番運用する時は必ず然るべき設定に変更してください。

ステップ5: デプロイ

準備が整いました。以下のコマンドで AWS にデプロイします。

まずはビルドをします。

sam build --use-container

ビルドができたらデプロイをします。

sam deploy \
  --capabilities CAPABILITY_IAM \
  --stack-name my-mcp-server \
  --image-repository ${{ secrets.AWS_ACCOUNT_ID }}.dkr.ecr.ap-northeast-1.amazonaws.com/my-app \
  --no-confirm-changeset

Docker レジストリーの設定などは各個人の環境に合わせて設定してください。

また AWS CLI の設定次第では profile の指定が必要だったりしますが、ここの詳細は割愛します。

ステップ6: 動作確認

デプロイが完了すると、Outputs に Lambda Function URL が表示されます。その URL を使って MCP サーバーの設定をします。

おそらくこのような感じで表示されると思います。

CloudFormation outputs from deployed stack
----------------------------------------------------------------
Outputs                                                         
----------------------------------------------------------------
Key                 MyLambdaMcpFunctionUrl                          
Description         The URL for the MCP Server Lambda function
Value               https://xxxxxxxxxxxxxxxxxxxxxxxx
----------------------------------------------------------------

Value が関数 URL になります。今回は Cursor を例に紹介します。

Cursor の場合、mcp.json に下記を追加するだけです。

{
  "mcpServers": {
    "my-lambda-mcp": { # 任意の名前でOKです。
      "url": "https://xxxxxxxxxxxxxxxxxxxxxxxx/mcp/" # ⚠️ /mcp/ が必要です
    }
  }
}

⚠️ 注意点としては URL の最後に /mcp/ が必要なことです。末尾のスラッシュも必要なので注意です。

おわりに

これで、サーバー管理不要で、利用した分だけ課金されるスケーラブルな MCP サーバーが完成しました。この構成をベースに、ツール登録ロジックを充実させたり、認証を強化したりと、自由にカスタマイズしてみてください。

ステートレスモードで起動することが肝だと思います。

みなさまの役に立ちますと幸いです。

AI AgentAWSDockerMCPPython
スポンサーリンク
シェアする
ibukishをフォローする
スポンサーリンク
ibukish
ibukish Lab+
スポンサーリンク
タイトルとURLをコピーしました