Toga框架中集成ASGI服务器的实现方案
2025-06-10 06:11:13作者:邓越浪Henry
背景介绍
Toga是一个Python原生GUI工具包,它允许开发者使用Python构建跨平台的桌面应用程序。在实际开发中,我们经常需要将Web服务集成到桌面应用中,特别是使用FastAPI等现代ASGI框架构建的后端服务。
问题分析
在Toga应用中直接运行ASGI服务器(如Uvicorn)会遇到一个关键问题:Toga本身已经启动了一个asyncio事件循环,而传统的同步方式启动Uvicorn会尝试创建新的事件循环,导致冲突。
解决方案
传统同步方式的局限性
常见的Uvicorn启动方式是使用uvicorn.run()方法,这在独立运行的FastAPI应用中工作良好。但在Toga应用中,这种方法会导致事件循环冲突,因为:
- Toga已经初始化了自己的asyncio事件循环
uvicorn.run()尝试创建新的事件循环- 两个事件循环无法共存
异步集成方案
正确的做法是使用Uvicorn的异步API,与Toga共享同一个事件循环。以下是关键实现步骤:
- 创建异步服务器配置:使用
uvicorn.Config配置服务器参数 - 异步启动服务器:通过
uvicorn.Server的serve()方法异步启动 - 协调端口分配:使用
Future对象确保端口确定后再设置WebView的URL
代码实现
class ASGIAPIPositronExample(toga.App):
def __init__(self, app: FastAPI, name: str, host: str = "127.0.0.1", port: int = 0, **kwargs):
super().__init__(formal_name=name, **kwargs)
self.web_app = app
self.host = host
self.port = port
self.server_exists = Event()
async def web_server(self):
if self.port == 0:
self.port = get_free_port()
print(f"选择临时端口: {self.port}")
self.server_exists.set_result(self.port)
print(f"在 {self.host}:{self.port} 启动Uvicorn...")
config = uvicorn.Config(self.web_app, host=self.host, port=self.port)
self.server = uvicorn.Server(config)
await self.server.serve()
async def set_url(self):
port = await self.server_exists
url = f"http://{self.host}:{port}/"
print(f"Toga正在加载WebView: {url}")
self.web_view.url = url
def startup(self):
self.server_exists = asyncio.Future()
asyncio.create_task(self.web_server())
asyncio.create_task(self.set_url())
self.web_view = toga.WebView()
self.main_window = toga.MainWindow(title=self.formal_name)
self.main_window.content = self.web_view
self.main_window.show()
技术要点
- 端口动态分配:当端口设为0时,系统会自动分配可用端口
- 异步协调:使用
Future对象确保端口确定后再设置WebView - 资源共享:Uvicorn服务器与Toga共享同一个事件循环
- 生命周期管理:服务器随应用退出而终止
应用场景
这种集成方式特别适合以下场景:
- 开发需要内置Web服务的桌面应用
- 构建带有本地API后端的GUI工具
- 创建混合型应用,结合桌面UI和Web技术优势
- 开发需要本地服务接口的跨平台应用
总结
在Toga框架中集成ASGI服务器需要特别注意事件循环的管理。通过使用Uvicorn的异步API,我们可以实现与Toga的无缝集成,构建功能丰富的混合型应用程序。这种方案不仅适用于FastAPI,也可以推广到其他ASGI兼容的Web框架。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617