入门FastAPI和uvicorn以及和LangChain、LangGraph的简单结合

🚀 FastAPI：高性能 Python Web 框架

随着 AI 技术的爆发，越来越多的团队开始在后端引入 Python，用来承载如 LangChain、LangGraph、向量检索、Embedding、LLM 调用 等 AI 能力。但对于前端工程师或非 Python 后端开发来说，如何快速搭建一个高性能、易扩展的 Python API 服务，是进入 AI 开发的第一步。

FastAPI，就是这样一个足以媲美 Java Spring Boot 的现代 Python Web 框架。

本文我会从一个前端工程师的角度出发，用最直观的方式介绍：

为什么 FastAPI 是 AI 后端的最佳选择
如何用 FastAPI 5 分钟搭建一个可用 API
如何处理参数、校验、错误返回
如何构建一个可扩展的项目结构
如何整合 AI（LangChain）能力
如何在生产环境部署

🎯 为什么是 FastAPI？

相比 Flask、Django，FastAPI 有几个特别关键的优势：

🟩 1. 自带自动生成 API 文档（Swagger + ReDoc）

开发体验类似 Spring Boot，通过 /docs 自动生成文档和请求调试界面。

🟦 2. 原生 async/await，性能极高

FastAPI 底层基于 Starlette + Pydantic，是目前 Python 速度最高的框架之一，非常适合高并发 AI 服务。

🟧 3. 内置强类型支持（非常像 TypeScript）

你写类型 → 自动生成文档 → 自动校验参数

这对前端工程师非常友好。

🟨 4. 与 AI 生态适配最佳

LangChain、LangGraph、OpenAI、LlamaIndex 官方示例几乎都用 FastAPI。

🟥 5. 学习曲线非常平滑

仅需 Python 基础即可快速搭建后端服务。

⚡ 5 分钟上手：第一个 FastAPI 程序

安装依赖：

bash 复制代码

pip install fastapi uvicorn

创建 app.py：

python 复制代码

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def hello():
    return {"message": "Hello FastAPI"}

运行：

bash 复制代码

uvicorn app:app --reload

访问：

复制代码

http://localhost:8000/

自动 API 文档（惊喜）：

复制代码

http://localhost:8000/docs

你会看到一个可交互的 Swagger UI，并且可以直接调试 API。

🧩 路由与参数：FastAPI 的优雅之处

1. 路径参数（Path Parameter）

python 复制代码

@app.get("/weather/{city}")
def get_weather(city: str):
    return {"city": city, "weather": "sunny"}

访问：

复制代码

/weather/Shanghai

2. 查询参数（Query Parameter）

python 复制代码

@app.get("/sum")
def sum_numbers(a: int, b: int):
    return {"result": a + b}

访问：

复制代码

/sum?a=3&b=5

3. Body 参数（使用 Pydantic 校验）

python 复制代码

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

@app.post("/user")
def create_user(user: User):
    return {"msg": "ok", "data": user}

Swagger 会自动显示请求的 JSON 模型，非常强大。

🧱 企业级项目目录结构推荐

如果你来自 Java（Spring Boot），你会喜欢以下结构：

复制代码

app/
│── api/           # 路由层（Controller）
│── services/      # 业务逻辑层（Service）
│── models/        # ORM（数据库 Model）
│── schemas/       # 请求/响应 DTO（Pydantic）
│── core/          # 配置、中间件、日志
main.py            # 程序入口

典型入口文件：

python 复制代码

from fastapi import FastAPI
from app.api import user_router, chat_router

app = FastAPI()

app.include_router(user_router)
app.include_router(chat_router)

🤖 FastAPI + LangChain：让你的 API 拥有 LLM 智能

安装依赖：

bash 复制代码

pip install langchain-openai

示例：一个简单的 AI Chat API

python 复制代码

from fastapi import FastAPI
from langchain_openai import ChatOpenAI

app = FastAPI()
llm = ChatOpenAI(model="gpt-4.1-mini")

@app.get("/chat")
def chat(msg: str):
    res = llm.invoke(msg)
    return {"reply": res.content}

访问：

复制代码

/chat?msg=你好

1 分钟做一个 AI 服务，就是这么简单。

🤖 FastAPI + LangGraph：工作流级别的 AI Agent 服务

LangGraph 可做多步骤 AI Agent，你可以这样包装一个图：

python 复制代码

from fastapi import FastAPI
from langgraph.graph import StateGraph

app = FastAPI()

def say_hello(state):
    return {"text": "Hello from LangGraph"}

graph = StateGraph().add_node("hello", say_hello).compile()

@app.get("/graph")
def run_graph():
    out = graph.invoke({"input": ""})
    return out

这就已经是一个最小可运行的 AI agent workflow 接口了。

📦 CORS：前端跨域必备

python 复制代码

from fastapi.middleware.cors import CORSMiddleware

app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_methods=["*"],
    allow_headers=["*"],
)

🚀 部署 FastAPI（生产环境）

最标准生产方案：

复制代码

Gunicorn + Uvicorn workers

启动方式：

bash 复制代码

pip install gunicorn uvicorn
gunicorn -k uvicorn.workers.UvicornWorker app:app -w 4 -b 0.0.0.0:8000

Dockerfile 示例：

dockerfile 复制代码

FROM python:3.10

WORKDIR /app
COPY . .
RUN pip install -r requirements.txt

CMD ["gunicorn", "-k", "uvicorn.workers.UvicornWorker", "app:app"]

部署到 K8s、阿里云、腾讯云都很简单。

🚀 什么是 Uvicorn？

uvicorn 是 一个高性能的 Python ASGI 服务器 ，它负责真正运行 FastAPI 项目 。

一句话：

FastAPI 是框架，Uvicorn 是用来运行 FastAPI 的"发动机"。

下面我给你一个前端工程师能一秒理解的解释。

它是一个 ASGI server（Asynchronous Server Gateway Interface）
用于运行异步 Web 框架，比如 FastAPI / Starlette
速度非常快（基于 uvloop + httptools）

你可以把它理解为：

Java	Python
Tomcat / Jetty / Undertow	Uvicorn

👉 你写 FastAPI，但真正处理网络请求的是 Uvicorn。

🟦 为什么 FastAPI 必须安装 Uvicorn？

FastAPI 本身是框架，不是 服务器。

你不能直接运行一个 framework，你需要一个 web server 去：

打开端口
接收 HTTP 请求
分发请求
管理异步事件循环
返回 HTTP 响应

FastAPI 官方推荐的运行方式就是：

bash 复制代码

uvicorn app:app --reload
uvicorn app:app --host 0.0.0.0 --port 8000

其中：

app:app = 文件名:实例名
uvicorn 负责启动整个服务

没有 Uvicorn，你无法通过 HTTP 访问 FastAPI。

🟩 为什么不用 Flask 那样的 "app.run()"？

Flask 是 WSGI 框架（同步）。

FastAPI 是 ASGI 框架（异步），支持：

async/await 并发
WebSocket
高性能 IO
Streaming
背压
LLM 长链接/流式输出

这些必须依赖 ASGI server，所以需要：

✔ Uvicorn

✔ 或 Hypercorn

✔ 或 Daphne

其中 Uvicorn 最轻量 + 速度最快。

🟧 前端视角理解（最直观）

你可以把它类比：

Node.js	Python
`node server.js`	`uvicorn app:app`

FastAPI 类似 Express，但它没有内置一个"启动 API 的命令"。

你需要用 Uvicorn 来启动它。

理念与：

Express（Node）
Flask（Python）
Koa（Node）

一致。

框架不内置 server，server 由专业项目处理。

🟫 总结

FastAPI = 框架，而不是服务器
Uvicorn = 运行 FastAPI 的 ASGI 服务器

安装 FastAPI 时必须要一个 ASGI server，否则它无法提供 HTTP 服务。

最常用的组合：

复制代码

FastAPI + Uvicorn（开发）
FastAPI + Uvicorn + Gunicorn（生产）