Ariadne Codegen 使用指南
1. 项目介绍
Ariadne Codegen 是一个用于生成完全类型化的 Python GraphQL 客户端的代码生成器。它通过读取 GraphQL 模式、查询和变更,生成一个包含异步方法的 Python 包,使得与任何 GraphQL API 的交互变得更加简单和类型安全。
主要特性
- 从 GraphQL 模式生成 Pydantic 模型。
- 为 GraphQL 结果生成 Pydantic 模型。
- 生成包含每个 GraphQL 操作的异步方法的客户端包。
- 支持插件系统,允许进一步定制和微调生成的 Python 代码。
2. 项目快速启动
安装
首先,使用 pip 安装 Ariadne Codegen:
pip install ariadne-codegen
配置
在项目的 pyproject.toml 文件中添加以下配置:
[tool.ariadne-codegen]
schema_path = "schema.graphql"
queries_path = "queries.graphql"
生成客户端
运行以下命令生成 GraphQL 客户端:
ariadne-codegen
使用生成的客户端
生成的客户端包默认名为 graphql_client,可以通过以下方式导入和使用:
from graphql_client import Client
async def fetch_data():
client = Client(url="https://example.com/graphql")
result = await client.query("GetHello")
print(result.hello)
3. 应用案例和最佳实践
案例:生成 Saleor 客户端
假设你正在开发一个与 Saleor 集成的 Python 服务,可以使用 Ariadne Codegen 生成 Saleor 客户端。
-
定义查询:在
queries.graphql文件中定义查询。query GetProduct($id: ID!) { product(id: $id) { id name price } } -
生成客户端:运行
ariadne-codegen生成客户端。 -
使用客户端:在 Python 代码中使用生成的客户端。
from graphql_client import Client async def get_product(product_id): client = Client(url="https://saleor.cloud/graphql/") result = await client.get_product(id=product_id) return result.product
最佳实践
- 保持查询简洁:避免在单个查询中请求过多的字段,以提高性能。
- 使用插件:根据需要使用插件来定制生成的代码。
- 版本控制:将生成的客户端代码纳入版本控制,以便跟踪变更。
4. 典型生态项目
1. Pydantic
Pydantic 是 Ariadne Codegen 生成代码的基础,用于定义和验证数据模型。Pydantic 提供了强大的类型提示和数据验证功能,使得生成的客户端代码更加健壮。
2. Httpx
Httpx 是 Ariadne Codegen 默认使用的 HTTP 客户端库,支持异步请求。Httpx 提供了现代化的 API,使得与 GraphQL API 的交互更加简单和高效。
3. Websockets
对于需要处理 GraphQL 订阅的场景,Ariadne Codegen 生成的客户端默认使用 Websockets 进行实时通信。
4. OpenTelemetry
Ariadne Codegen 支持 OpenTelemetry,可以通过配置启用性能跟踪,帮助你监控和优化 GraphQL 客户端的性能。
通过这些生态项目的支持,Ariadne Codegen 能够提供一个功能强大且易于扩展的 GraphQL 客户端生成解决方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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