リクエストとレスポンスのモデル

FastAPI を使った AI のプロダクション環境へのデプロイ

Matt Eckerle

Software and Data Engineering Leader

APIにおけるリクエストとレスポンスの構造

リクエストの構造

クライアントからAPIへ送信されるデータ
主な構成要素:
- HTTPメソッド（GET、POSTなど）
- ヘッダー
- クエリパラメーター
- リクエストボディ

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

:8000: ポート番号。FastAPIのデフォルトは8000。
/users/: アクセスするエンドポイントのパス。
?: クエリパラメーターの開始を示す。
`[email protected]`: クエリパラメーター。ここではメールアドレスを渡している。

レスポンスの構造

APIからクライアントへ返されるデータ
- ユーザー情報を含むJSONレスポンス
主な構成要素:
- ステータスコード（200 OK、404 Not Foundなど）
- ヘッダー
- レスポンスボディ（要求データまたは処理結果）

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
}

Pydanticモデル

User の作成
Pydanticの使用

from pydantic import BaseModel

class User(BaseModel):
    username: str
    email: str
    age: int

BaseModelを継承
型アノテーションで属性を定義
型に基づく自動バリデーション

バリデーションエラー

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]

FastAPIでのPydanticモデルの活用

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

response_model として使用
パラメーターの型ヒントとして使用
リクエストの自動バリデーション
リクエスト/レスポンスのシリアライズ
APIドキュメントの自動生成

リクエストとレスポンスの形式

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
}

練習しましょう！

FastAPI を使った AI のプロダクション環境へのデプロイ