Python FastAPI - 技术栈

介绍

FastAPI 是 Python 里写 API 接口最快、最简单、最强的现代 Web 框架，写后端接口的 "超级工具包"https://fastapi.tiangolo.com/

写接口速度极快

自动生成文档访问 /docs 自动出漂亮的接口页面

自带数据校验

性能接近 Go / Node

代码超级简洁

FastAPI = Starlette（高性能 Web） + Pydantic（数据校验）

写一个最简单的接口

python 复制代码

# main.py
from fastapi import FastAPI

# 1. 创建 app
app = FastAPI()

# 2. 写接口（路径：/ ，GET请求）
@app.get("/")
def home():
    return {"message": "你好，FastAPI！"}

# 3. 再写一个接口
@app.get("/user")
def get_user():
    return {"name": "张三", "age": 20}

运行，Uvicorn 是 "高性能服务器"，负责把接口暴露给别人访问，

Python 代码 → 交给 Python 解释器运行

FastAPI 应用 → 交给 Uvicorn 服务器运行

自动生成的接口文档地址

自动文档 ：http://127.0.0.1:8000/docs

python 复制代码

#uvicorn：启动服务器
#main：去找 main.py 文件
#app：去找文件里的 app = FastAPI()
--reload：代码改了自动重启
uvicorn main:app --reload

最常用的写法是加上Pydantic一起用

python 复制代码

from pydantic import BaseModel

# 定义数据格式（你学过的 BaseModel）
class User(BaseModel):
    name: str
    age: int
    email: str

# 接收 JSON
@app.post("/add_user")
def add_user(user: User):
    # 直接用 user.name, user.age, user.email
    return {
        "msg": "添加成功",
        "name": user.name,
        "age": user.age
    }

FastAPI的生命周期

历史用法是，直接加入@app.on_event("startup")装饰器吗，现有的用法被整合到一起使用，

@asynccontextmanager，同时也支持websocket @app.websocket

python 复制代码

from dotenv import load_dotenv
from fastapi import FastAPI
from langchain.agents import create_agent
from langchain_core.messages import HumanMessage
from langchain_mcp_adapters.client import MultiServerMCPClient
from pydantic import BaseModel
import uvicorn
from contextlib import asynccontextmanager  # 新增

load_dotenv()


agent = None
client = None


@asynccontextmanager
async def lifespan(app: FastAPI):
    global agent, client
    # ====================== 【服务启动时执行】 ======================
    print("🚀 服务启动，初始化 AI 智能体...")

    client = MultiServerMCPClient(
        {
            "math": {
                "transport": "stdio",
                "command": "python",
                "args": [r"D:\project\pyproject\agent\tools\Math.py"],
            },
        }
    )
    tools = await client.get_tools()
    agent = create_agent(model="deepseek-chat", tools=tools)

    # 服务运行中
    yield

    # ====================== 【服务关闭时执行】 ======================
    print("服务关闭，清理资源...")
    if client is not None:
        await client.close()  # 优雅关闭客户端


app = FastAPI(
    title="LangChain Agent API",
    lifespan=lifespan
)


# ====================== 请求模型 ======================
class ChatRequest(BaseModel):
    question: str


# ====================== Java 调用接口 ======================
@app.post("/agent/chat")
async def chat(request: ChatRequest):
    response = await agent.ainvoke({
        "messages": [
            HumanMessage(content=request.question)
        ]
    })
    answer = response["messages"][-1].content
    return {
        "code": 200,
        "message": "success",
        "data": answer
    }


# ====================== 启动服务 ======================
if __name__ == '__main__':
    uvicorn.run(app, host="0.0.0.0", port=19000)