Model request dan response

Menerapkan AI ke Produksi dengan FastAPI

Matt Eckerle

Software and Data Engineering Leader

Struktur request dan response di API

Struktur request
  • Data yang dikirim klien ke API
  • Biasanya mencakup:
    • Metode HTTP (GET, POST, dll.)
    • Header
    • Parameter kueri
    • Body request

http://localhost:8000/users/? [email protected]

  • :8000: Nomor port. FastAPI biasanya menggunakan 8000 sebagai default.
  • /users/: Path ke endpoint yang diakses.
  • ?: Menandai awal parameter kueri.
  • `[email protected]`: Parameter kueri. Di sini kita mengirim alamat email ke endpoint.
Menerapkan AI ke Produksi dengan FastAPI

Struktur response

  • Data yang dikirim balik oleh API ke klien
    • Muatan respons JSON berisi informasi pengguna
  • Biasanya mencakup:
    • Kode status (200 OK, 404 Not Found, dll.)
    • Header
    • Body respons (data diminta atau hasil operasi)
HTTP/1.1 200 OK
date: Fri, 18 Oct 2024 12:34:56 GMT
server: uvicorn
content-length: 76
content-type: application/json

{
  "username": "johndoe",
  "email": "[email protected]",
  "age": 30
}
Menerapkan AI ke Produksi dengan FastAPI

Model Pydantic

  • Pembuatan User
  • Penggunaan Pydantic
from pydantic import BaseModel
class User(BaseModel):
    username: str
    email: str
    age: int
  • Mewarisi dari BaseModel
  • Mendefinisikan atribut dengan anotasi tipe
  • Validasi otomatis berdasarkan tipe
Menerapkan AI ke Produksi dengan FastAPI

Kesalahan validasi

from pydantic import ValidationError
try:
    invalid_user = User(username="john_doe", email="[email protected]", 
                        age="thirty")
    print("Invalid User:", invalid_user)
except ValidationError as e:
    print("Validation Error:", e)
Validation Error: 1 validation error for User age
Input should be a valid integer, unable to parse string as an integer 
[type=int_parsing, input_value='thirty', input_type=str]
Menerapkan AI ke Produksi dengan FastAPI

Menggunakan model Pydantic di FastAPI

from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()

class User(BaseModel): username: str email: str age: int
@app.post("/users", response_model=User)
async def create_user(user: User): return user
  • Model digunakan sebagai response_model
  • Model digunakan sebagai petunjuk tipe parameter
  • Validasi request otomatis
  • De/serialisasi request/response
  • Menghasilkan dokumentasi API
Menerapkan AI ke Produksi dengan FastAPI

Format request dan response

curl -X 'POST' \
  'http://localhost:8000/users/' \
  -H 'accept: application/json' \
  -H 'Content-Type: application/json' \
  -d '{
  "username": "john_doe",
  "email": "[email protected]",
  "age": 30
  }'

 

{
  "username": "john_doe",
  "email": "[email protected]",
  "age": 30
}
Menerapkan AI ke Produksi dengan FastAPI

Ayo berlatih!

Menerapkan AI ke Produksi dengan FastAPI

Preparing Video For Download...