Toga框架中集成ASGI服务器的实现方案
2025-06-10 08:41:52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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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
9
1