为什么要用FastAPI

如今人工智能发展得如火如荼，Python凭借其在整个AI生态中的主导地位显得深不可测。相比之下，Java则显得有些鞭短莫及呀。而借助FastAPI，我们可以轻松利用这些AI生态来提供高效的AI服务。

FastAPI介绍

对于初学者来讲，对于FastAPI 的介绍/特点/场景混个眼熟就好。只需要知道是个WEB框架就行。核心思想就是先用起来，再来回味。

简单介绍

FastAPI 是一个基于 Python 类型注解构建的现代化高性能 Web 框架，专门用于开发 RESTful API 和微服务。

它建立在 Starlette 和 Pydantic 之上，具备自动数据校验、自动生成 OpenAPI/Swagger 接口文档、异步编程支持以及极高的开发效率。

由于充分利用 Python 的类型提示机制，开发者只需定义请求和响应模型即可获得参数校验、序列化和文档生成等能力。

在保持代码简洁的同时提供接近 Node.js 和 Go 等框架的性能表现，因此被广泛应用于 AI 服务、微服务架构、数据平台以及机器学习模型接口开发场景。

特点

特点	说明
高性能	基于 Starlette + Pydantic，性能接近 Node.js / Go，是 Python 中最快的 Web 框架之一
快速开发	使用 Python 类型注解即可完成参数校验、序列化、文档生成，开发效率提升显著
减少错误	类型系统 + 自动校验机制，可在开发阶段捕获大量参数与数据错误
自动文档	自动生成 Swagger UI 和 ReDoc，无需手写 API 文档
类型安全	基于标准 Python type hints，IDE 自动补全和静态检查能力强
异步支持	原生支持 async/await，适合高并发 IO 场景
依赖注入	内置轻量依赖注入系统，方便模块解耦
生态现代化	与 Pydantic / Uvicorn / Starlette 深度集成

适用场景

场景	说明
REST API 后端	最核心使用场景，用于构建标准 Web API
微服务架构	轻量、启动快，适合拆分服务
AI / LLM 服务	常用于封装模型推理 API（非常主流）
数据服务层	JSON API、数据处理接口
实时通信	支持 WebSocket，可做实时推送服务
前后端分离项目	作为纯后端 API 服务非常合适
高并发 IO 服务	async 模型适合数据库 / HTTP 调用密集型系统

安装FastAPI

在Python中，我们安装一个依赖通常都是pip install xxx。而pip install默认从 PyPI（Python Package Index，官方源）下载。我们在上面找到fastapi的某一个版本下载下来：https://pypi.org/simple/fastapi/。

此处下载的是 fastapi-0.136.3.tar.gz

接下来打开压缩包中的pyproject.toml

环境和依赖

这里粘贴pyproject.toml的部分内容。

requires-python = ">=3.10"

dependencies = [
    "starlette>=0.46.0",
    "pydantic>=2.9.0",
    "typing-extensions>=4.8.0",
    "typing-inspection>=0.4.2",
    "annotated-doc>=0.0.2",
]
version = "0.136.3"

[project.optional-dependencies]
standard = [
    "fastapi-cli[standard] >=0.0.8",
    "fastar >= 0.9.0",
    "httpx >=0.23.0,<1.0.0",
    "jinja2 >=3.1.5",
    "python-multipart >=0.0.18",
    "email-validator >=2.0.0",
    "uvicorn[standard] >=0.12.0",
    "pydantic-settings >=2.0.0",
    "pydantic-extra-types >=2.0.0",
]
standard-no-fastapi-cloud-cli = [
    "fastapi-cli[standard-no-fastapi-cloud-cli] >=0.0.8",
    "httpx >=0.23.0,<1.0.0",
    "jinja2 >=3.1.5",
    "python-multipart >=0.0.18",
    "email-validator >=2.0.0",
    "uvicorn[standard] >=0.12.0",
    "pydantic-settings >=2.0.0",
    "pydantic-extra-types >=2.0.0",
]
all = [
    "fastapi-cli[standard] >=0.0.8",
    "httpx >=0.23.0,<1.0.0",
    "jinja2 >=3.1.5",
    "python-multipart >=0.0.18",
    "itsdangerous >=1.1.0",
    "pyyaml >=5.3.1",
    "email-validator >=2.0.0",
    "uvicorn[standard] >=0.12.0",
    "pydantic-settings >=2.0.0",
    "pydantic-extra-types >=2.0.0",
]

从pyproject.toml的内容我们可以得知：

• 当前版本： version = “0.136.3”
• 确定了需要python环境：requires-python = “>=3.10”
• 可选依赖：[project.optional-dependencies]

这里我看了一眼FastAPI官网：https://fastapi.tiangolo.com/#requirements。

它选择是的标准可选依赖：

pip install "fastapi[standard]"

为了学习方便我这里安装的是全量可选依赖，并且指定了版本号

pip install "fastapi[all]==0.136.3"

这个命令会安装：

1. FastAPI 核心依赖（dependencies）
2. all 这个 optional-dependencies 里的依赖
3. 这些依赖自身的传递依赖（transitive dependencies）

FastAPI 核心依赖

依赖	作用
starlette	ASGI Web框架底座
pydantic	数据校验、序列化
typing-extensions	Python类型扩展
typing-inspection	类型分析
annotated-doc	Annotated文档支持

fastapi[all] 额外安装

依赖	作用
fastapi-cli[standard]	FastAPI官方CLI
httpx	HTTP客户端
jinja2	模板引擎
python-multipart	文件上传
itsdangerous	Session/签名
pyyaml	YAML配置
email-validator	Email字段校验
uvicorn[standard]	ASGI服务器
pydantic-settings	pydantic配置管理
pydantic-extra-types	pydantic扩展类型库

创建项目和虚拟环境

为了避免与系统全局的Python包产生冲突，我们一般都会给单独的python项目创建虚拟环境

1. 检查python版本

版本符合>=3.10

2. 创建虚拟环境

创建一个fastapi-demo文件夹，创建虚拟环境并激活虚拟环境

# 创建虚拟环境
python -m venv .venv

# macOS/Linux上激活虚拟环境
source venv/bin/activate

# Windows上激活虚拟环境
.venv\Scripts\activate

激活 Python 虚拟环境后，命令行会显示以 .venv开头的提示符，说明当前已处于该环境中。

我们直接执行 pip install “fastapi[all]==0.136.3”

镜像下载

如果访问官方源太慢，我们可以使用国内镜像网站来进行加速安装：

pip install "fastapi[all]==0.136.3" -i https://pypi.tuna.tsinghua.edu.cn/simple

镜像	地址
清华大学	https://pypi.tuna.tsinghua.edu.cn/simple
阿里云	https://mirrors.aliyun.com/pypi/simple/
腾讯云	https://mirrors.cloud.tencent.com/pypi/simple/
华为云	https://repo.huaweicloud.com/repository/pypi/simple/

运行 FastAPI

用开发工具软件打开fastapi-demo项目，并编写main.py。这里使用的PyCharm。

main.py

from fastapi import FastAPI
import uvicorn

# 创建fastapi实例
app = FastAPI()

# 定义一个接口
@app.get("/")
async def root():
    return {"message": "Hello World"}

启动项目

在PyCharm中打开命令行，好处就是会自动帮我们激活虚拟环境。

通过uvicorn启动

uvicorn main:app

• –host 0.0.0.0： 可选参数， 表示监听所有可用的网络接口，允许外部设备访问这个服务
• –port 8000： 可选参数 ,表示启动端口是8000
• –reload: 可选参数 ,开发模式，代码修改后自动重载服务器

通过fastapi cli启动

fastapi dev

• fastapi dev: 开发模式，代码修改后自动重载服务器
• fastapi run: 生产模式
• –host 0.0.0.0： 可选参数， 表示监听所有可用的网络接口，允许外部设备访问这个服务
• –port 8000： 可选参数 ,表示启动端口是8000

通过Python代码启动

在main.py中加上一个main方法。直接启动main方法

from fastapi import FastAPI
import uvicorn

# 创建fastapi实例
app = FastAPI()

# 定义一个接口
@app.get("/")
async def root():
    return {"message": "Hello World"}

# 定义启动方法
if __name__ == "__main__":
    uvicorn.run(
        "main:app",
        host="127.0.0.1",
        port=9998,
        reload=True
    )

测试接口和API文档

测试接口

选择任意一种方式启动项目之后，我们直接访问控制台打印的地址

能返回Hello Word表示已经成功。

{"message":"Hello World"}

API 文档

FastAPI 能根据代码中的类型注解，自动生成交互式 API 文档，默认自带 Swagger UI 和 ReDoc 两种界面。开发者可直接在文档里测试 API，无需借助其他工具。

默认提供的三种 API 文档入口：

地址	界面类型	说明
http://IP:端口/docs	Swagger UI	Swagger UI，支持在线调试
http://IP:端口/redoc	ReDoc	ReDoc，适合阅读 API 定义
http://IP:端口/openapi.json	OpenAPI JSON	OpenAPI 原始规范，供程序调用

如果觉得有帮助😃，欢迎点赞、收藏、加关注！我们一起成长🔥。下期再见～