FastEndpoints项目中使用OpenAPI和Scalar实现API端点分组
2025-06-08 09:07:09作者:齐添朝
在FastEndpoints框架中,合理组织API端点是提升API文档可读性和维护性的重要环节。本文将详细介绍如何通过OpenAPI规范和Scalar文档工具实现API端点的有效分组。
核心概念
FastEndpoints提供了简洁的方式来定义API端点分组,主要通过Tags()方法实现。每个端点可以被打上一个或多个标签,这些标签最终会转换为OpenAPI规范中的tags属性,并在API文档工具中呈现为分组。
正确配置方式
1. 基础配置
首先需要在Program.cs中进行正确的Swagger和Scalar配置:
var builder = WebApplication.CreateBuilder();
builder.Services.AddFastEndpoints()
.SwaggerDocument(o =>
{
o.DocumentName = "v1";
o.Title = "My API";
o.Description = "API documentation";
});
var app = builder.Build();
app.UseFastEndpoints(c =>
{
c.Endpoints.RoutePrefix = "api";
c.Serializer.Options.PropertyNamingPolicy = JsonNamingPolicy.CamelCase;
c.Serializer.Options.Converters.Add(new JsonStringEnumConverter());
});
if (app.Environment.IsDevelopment())
{
app.UseSwaggerGen();
app.MapScalarApiReference();
}
app.Run();
2. 端点分组实现
在端点类中,使用Tags()方法指定分组:
public class AssetsEndpoint : Endpoint<MyResponse>
{
public override void Configure()
{
Get("/models");
Tags("Assets", "3D Models"); // 可以指定多个标签
Description("Operations about 3D models");
}
public override async Task HandleAsync(CancellationToken ct)
{
await SendOkAsync(ct);
}
}
高级配置选项
1. 全局标签定义
可以在Swagger配置中预定义所有可能的标签:
builder.Services.AddFastEndpoints()
.SwaggerDocument(o =>
{
o.DocumentName = "v1";
o.Title = "My API";
o.TagDescriptions = new Dictionary<string, string>
{
["Assets"] = "Operations about 3D models",
["Users"] = "User management operations"
};
});
2. Scalar特定配置
可以针对Scalar文档工具进行特定配置:
app.MapScalarApiReference(o =>
{
o.DocumentTitle = "My API Documentation";
o.DefaultOpenAllTags = false; // 默认不展开所有分组
o.ScalarVersion = "1.0.0";
});
常见问题解决
-
标签不显示问题:确保使用的是FastEndpoints内置的
SwaggerDocument()方法,而非第三方库的类似方法。 -
分组不生效:检查端点类中是否正确调用了
Tags()方法,并且标签名称与全局定义一致。 -
文档工具兼容性:FastEndpoints生成的OpenAPI规范与主流文档工具兼容,包括Swagger UI、Scalar、Redoc等。
最佳实践建议
- 保持标签名称简洁且具有描述性
- 为每个标签添加详细的描述信息
- 避免创建过多的标签分组
- 考虑API消费者的视角来设计分组逻辑
- 在开发环境启用文档,生产环境禁用
通过以上配置和实践,开发者可以轻松实现API端点的逻辑分组,提升API文档的可读性和易用性,为API消费者提供更好的使用体验。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
568
3.84 K
🔥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
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (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
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
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
349
202
Ascend Extension for PyTorch
Python
379
452
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1