FastUI 作为 FastAPI 子应用的实现方案
2025-05-26 14:33:54作者:毕习沙Eudora
在 FastAPI 项目中集成 FastUI 作为子应用是一个常见的需求,特别是在需要为现有 API 添加管理界面时。本文将详细介绍如何正确地将 FastUI 挂载为 FastAPI 的子应用。
核心实现思路
FastUI 作为子应用有两种主要实现方式:
-
独立 FastAPI 应用挂载方式
创建一个独立的 FastAPI 应用实例,然后通过主应用的mount方法挂载。这种方式适合需要完全隔离的子应用场景。 -
路由挂载方式
使用 FastAPI 的 APIRouter 创建 UI 相关路由,然后通过include_router方法挂载到主应用。这种方式更加轻量,适合大多数场景。
实现细节
独立应用挂载方式
from fastapi import FastAPI
from fastui import FastUI, AnyComponent, prebuilt_html
from fastapi.responses import HTMLResponse
# 创建子应用
fastui_app = FastAPI()
@fastui_app.get("/api/", response_model=FastUI, response_model_exclude_none=True)
def ui_endpoint() -> list[AnyComponent]:
return [
c.Page(
components=[
c.Heading(text='FastUI 子应用', level=2)
]
)
]
@fastui_app.get('/{path:path}')
async def html_landing() -> HTMLResponse:
return HTMLResponse(prebuilt_html(title='FastUI 子应用'))
# 主应用
main_app = FastAPI()
main_app.mount("/ui", fastui_app)
路由挂载方式(推荐)
from fastapi import APIRouter, FastAPI
from fastui import FastUI, AnyComponent, prebuilt_html
from fastapi.responses import HTMLResponse
# 创建UI路由
ui_router = APIRouter()
@ui_router.get("/api/", response_model=FastUI)
async def ui_endpoint():
return [
c.Page(
components=[
c.Heading(text='FastUI 路由', level=2)
]
)
]
@ui_router.get('/{path:path}')
async def html_landing():
return HTMLResponse(prebuilt_html(title='FastUI 路由'))
# 主应用
app = FastAPI()
app.include_router(ui_router, prefix='/ui')
关键注意事项
-
路由匹配顺序
FastUI 需要两个关键路由:一个处理 API 请求(通常为/api/),一个处理页面请求(通配路由/{path:path})。确保这两个路由定义正确。 -
响应模型
API 路由必须指定response_model=FastUI,这样才能正确序列化返回的组件。 -
HTML 响应
通配路由需要使用prebuilt_html生成基础 HTML 结构,这是 FastUI 前端渲染的基础。 -
前缀处理
使用路由方式时,prefix参数会自动为所有路由添加前缀,比手动拼接路径更可靠。
最佳实践建议
-
对于大多数项目,推荐使用路由挂载方式,它更简单且性能更好。
-
如果子应用需要完全独立的中间件、异常处理等,才考虑使用独立应用挂载方式。
-
将 UI 相关路由组织在单独的文件中,保持项目结构清晰。
-
考虑为生产环境添加适当的缓存头,提升静态资源加载性能。
通过以上方案,开发者可以灵活地将 FastUI 集成到现有 FastAPI 项目中,无论是作为独立子应用还是作为路由组,都能获得良好的开发体验。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.77 K
Ascend Extension for PyTorch
Python
347
413
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
889
607
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
337
184
暂无简介
Dart
778
192
deepin linux kernel
C
27
11
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896