FastEndpoints项目中集成Swagger Basic认证的解决方案
背景介绍
FastEndpoints是一个高性能的.NET Web API框架,它提供了简洁的API开发体验。在实际开发中,我们经常需要为API接口添加认证机制,而Basic认证是最基础也最常用的一种认证方式。本文将详细介绍如何在FastEndpoints项目中配置Swagger UI,使其支持Basic认证。
问题分析
当开发者尝试在FastEndpoints项目中集成Swagger Basic认证时,可能会遇到"OpenAPI/Swagger文档'v1'多次注册"的错误。这是因为FastEndpoints已经内置了Swagger支持,而开发者又手动添加了OpenApiDocument配置,导致文档被重复注册。
解决方案
1. 配置Swagger安全定义
首先需要在项目中添加Swagger的安全定义配置。以下是完整的配置代码示例:
builder.Services.AddSwaggerGen(c =>
{
c.AddSecurityDefinition("basic", new OpenApiSecurityScheme
{
Name = "Authorization",
Type = SecuritySchemeType.Http,
Scheme = "basic",
In = ParameterLocation.Header,
Description = "Basic Authorization header using the Bearer scheme."
});
c.AddSecurityRequirement(new OpenApiSecurityRequirement
{
{
new OpenApiSecurityScheme
{
Reference = new OpenApiReference
{
Type = ReferenceType.SecurityScheme,
Id = "basic"
}
},
Array.Empty<string>()
}
});
});
这段代码做了两件事:
- 定义了一个名为"basic"的安全方案,类型为HTTP Basic认证
- 添加了一个全局的安全要求,确保所有API都需要Basic认证
2. 配置FastEndpoints
FastEndpoints有自己的配置方式,需要确保与Swagger配置兼容:
builder.Services.AddFastEndpoints(o =>
{
o.SourceGeneratorDiscoveredTypes = DiscoveredTypes.All;
});
3. 启用Swagger UI
最后启用Swagger中间件:
app.UseFastEndpoints(c =>
{
c.Endpoints.RoutePrefix = "api";
c.Versioning.Prefix = "v";
c.Versioning.DefaultVersion = 1;
});
if (app.Environment.IsDevelopment())
{
app.UseSwagger();
app.UseSwaggerUI();
}
实现原理
-
安全定义:
AddSecurityDefinition方法告诉Swagger UI如何显示认证输入框,这里配置为Basic认证方式。 -
安全要求:
AddSecurityRequirement方法将安全方案应用到所有API端点,确保它们都需要认证。 -
FastEndpoints集成:FastEndpoints会自动扫描项目中的端点并生成OpenAPI文档,我们只需要确保Swagger配置与其兼容即可。
注意事项
-
不要重复调用
AddOpenApiDocument或AddSwaggerDocument,因为FastEndpoints已经处理了文档生成。 -
在生产环境中,应该谨慎启用Swagger UI,或者添加额外的访问控制。
-
Basic认证虽然简单,但不适合高安全性要求的场景,建议考虑更安全的认证方式如JWT。
进阶配置
如果需要更细粒度的控制,可以为特定端点配置不同的认证要求:
public class MyEndpoint : Endpoint<MyRequest, MyResponse>
{
public override void Configure()
{
Post("/my-endpoint");
Description(b => b
.ProducesProblem(401)
.WithTags("Special")
.RequireAuthorization());
}
}
通过这种方式,可以灵活地为不同端点设置不同的安全要求。
总结
在FastEndpoints项目中集成Swagger Basic认证并不复杂,关键在于理解框架已经提供的功能和避免重复配置。本文提供的解决方案既保持了FastEndpoints的高效特性,又增加了Basic认证支持,为API开发和测试提供了便利。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00