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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
506
612
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
393
292
暂无简介
Dart
909
219
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
868
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108