FastAPI richtig testen: pytest, der Test-Client und Validierung
Testen Sie FastAPI mit pytest und dem Test-Client: Validierung prüfen, Abhängigkeiten überschreiben, um von echten Diensten zu isolieren, und asynchronen sowie Streaming-Code abdecken.
Artikel
Ausführliche Beiträge über Entwicklung, Werkzeuge und Erkenntnisse aus der Werkstatt sowie Buchrezensionen zu Titeln, die im Gedächtnis bleiben.
Themen
Wähle eine Kategorie oder öffne alle Kategorien.
Die neuesten zuerst. Nutze die Suche oder die Kategorien, um die Auswahl einzugrenzen.
Testen Sie FastAPI mit pytest und dem Test-Client: Validierung prüfen, Abhängigkeiten überschreiben, um von echten Diensten zu isolieren, und asynchronen sowie Streaming-Code abdecken.
Eine echte Modellantwort an den Browser streamen: den Modell-Stream in Python konsumieren, über einen FastAPI-SSE-Endpunkt weiterleiten und live darstellen.
Rufen Sie Sprachmodelle aus Python mit dem Claude SDK auf: die Nachrichtenschleife, Tokens und Kosten sowie einen Client mit Timeouts und Wiederholungen, den Sie injizieren und testen können.
Richten Sie ein schnelles, reproduzierbares Python-3.14-Projekt mit uv, einem src-Layout, Ruff und mypy ein: die Grundlage für die anstehenden FastAPI- und LLM-Arbeiten.
Bauen Sie einen RAG-Dienst von Grund auf: Dokumente zerlegen, Embeddings erzeugen, per Ähnlichkeit suchen und Antworten liefern, die sich nur auf den abgerufenen Kontext stützen: alles über einen FastAPI-Endpunkt.
Streamen Sie Antworten aus FastAPI mit Server-Sent Events, führen Sie Nebenläufigkeiten mit BackgroundTasks aus und erkennen Sie, wann der Umstieg auf eine echte Task-Queue sinnvoll ist.
Erhalten Sie verlässliches JSON von Sprachmodellen mit Structured Outputs und Function Calling und validieren Sie es mit Pydantic, damit Ihr Code mit typisierten Objekten arbeitet.
Nutzen Sie Pydantic v2 zur Validierung von Daten an der Systemgrenze: Modelle, Feldbeschränkungen, benutzerdefinierte Validatoren und saubere Serialisierung: das Fundament von FastAPI und zuverlässigen LLM-Ausgaben.