debugpy项目:如何为Python调试器添加直接运行支持
在Python开发中,debugpy是微软开发的一款功能强大的调试器,广泛应用于VS Code等IDE中。传统上,我们需要通过python -m debugpy命令来启动它,但开发者社区提出了一个需求:能否像其他命令行工具一样直接通过debugpy命令来运行?
技术背景
Python包通常可以通过两种方式提供命令行接口:
- 通过
python -m package.module的方式运行模块 - 通过安装时生成的入口点脚本直接运行
第二种方式更加符合用户习惯,类似于我们使用pip、black等工具时的体验。debugpy项目原本只支持第一种方式,这在一定程度上影响了用户体验。
解决方案探索
项目维护者AdamYoblick经过调研,决定采用setuptools的entry_points机制来实现这一功能。entry_points是Python打包工具setuptools提供的一个强大功能,它允许包定义可执行命令,这些命令会在安装时自动创建对应的启动脚本。
具体实现上,需要在setup.py或setup.cfg中添加如下配置:
entry_points={
'console_scripts': [
'debugpy=debugpy:main',
],
}
这种配置会在安装时自动生成一个可执行脚本(Windows上是debugpy.exe,Linux/Mac上是debugpy),该脚本会调用debugpy模块的main函数。
测试验证
经过测试,在以下场景中该方案表现良好:
-
虚拟环境安装:当debugpy被安装到虚拟环境时,会在虚拟环境的bin/Scripts目录下生成debugpy可执行文件,可以直接运行。
-
全局安装:当debugpy被全局安装时,系统PATH中会自动包含debugpy命令。
-
自定义目录安装:当使用
pip install -t some_directory安装到自定义目录时,虽然不会自动生成可执行文件,但可以通过以下方式解决:- 将安装目录下的bin/Scripts目录添加到PATH
- 将安装目录添加到PYTHONPATH
技术细节
entry_points机制生成的脚本实际上是Python脚本的包装器,它会自动设置正确的Python解释器和模块路径。这种方式的优势在于:
- 跨平台兼容性:setuptools会根据不同操作系统生成适当的脚本格式
- 环境隔离:生成的脚本会自动使用安装时所用的Python解释器
- 维护简单:只需在打包配置中添加少量代码
实际意义
这一改进虽然看似简单,但对debugpy的使用体验有显著提升:
- 降低了新用户的学习曲线
- 使debugpy的命令行使用方式与其他Python工具保持一致
- 方便了自动化脚本和CI/CD流程的集成
- 提升了在复杂环境下的可用性
总结
通过引入entry_points机制,debugpy项目成功实现了从python -m debugpy到直接debugpy命令的转变。这一改进不仅提升了用户体验,也展示了Python打包系统的灵活性。对于其他Python工具开发者来说,这也是一个值得借鉴的实践案例。
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