콘텐츠로 이동

FastAPI

AI·자동화 백엔드를 만들다 보면, "요청 모델을 정의하고 검증하는 데 반복 코드가 너무 많이 들어간다"는 고민이 생겨요. Python으로 API를 만들 때 FastAPI는 그 부담을 타입 힌트로 풀어줍니다. 함수의 파라미터 타입만 잘 적어두면 요청·응답 검증과 문서화가 자동으로 따라오죠. 우리 팀은 Python이 필요한 지점, 특히 AI·자동화 작업에서 FastAPI를 적용하고 있어요.

핵심 개념

타입 힌트가 곧 스키마

FastAPI의 핵심은 "타입 힌트를 그대로 스키마로 쓴다"예요. 함수 시그니처에 name: str, age: int처럼 타입을 적으면, FastAPI가 그걸 읽어 요청 본문을 검증하고 자동으로 OpenAPI(스웨거) 문서를 만들어요. 검증 로직을 따로 짜지 않아도 되고, 잘못된 타입의 요청은 422로 반환됩니다.

Pydantic 모델로 데이터를 잡는다

데이터 형태는 Pydantic 모델로 정의해요. 요청·응답 모델을 클래스로 만들면 직렬화, 검증, 문서화가 한 번에 해결됩니다. 타입 힌트 기반이라 IDE 지원도 좋아요.

비동기(async) 지원

FastAPI는 async/await를 자연스럽게 지원해요. async def 엔드포인트는 이벤트 루프에서 비동기로 처리되어 I/O 대기(DB·LLM 호출) 동안 다른 요청을 막지 않습니다. Python의 asyncio 기반이죠.

의존성 주입으로 공통 로직을 분리

Depends로 의존성을 주입하는 것도 FastAPI의 큰 장점이에요. 인증, DB 세션, 설정 같은 공통 로직을 함수 하나로 떼어 두고 여러 엔드포인트에서 재사용합니다. 테스트할 때도 가짜 의존성으로 바꾸기 쉬워요.

사용 사례 / 실제 적용

FastAPI는 "Python이 강한 도메인"에서 적용 중이에요. 순수 웹 전반보다는 AI·자동화 로직과 붙는 API에서 특히 어울립니다.

  • AI·자동화 백엔드 — LLM 호출, 전처리, 배치 트리거 같은 Python 로직을 API로 노출할 때 씁니다. 비동기라 LLM 스트리밍과도 잘 어울려요.
  • 모델 서빙 앞단 — 머신러닝 모델을 서빙하는 서비스의 앞단에서 요청·응답 스키마를 엄격히 검증하고, 클라이언트에 OpenAPI 계약을 제공해요.
  • 타입 안전한 API — Pydantic으로 요청·응답 계약을 명시하고, 잘못된 입력을 컨트롤러 단에서 걸러냅니다.
  • 벤더 중립 LLM 계층 — 같은 계약 아래 벤더를 추상화하는 Python 서비스에서, 비동기 호출과 스트리밍을 활용해요.

다른 프레임워크(NestJS, Spring Boot)가 제품 메인 백엔드를 맡는 동안, FastAPI는 Python 생태계가 필요한 특정 지점에 선택적으로 들어가요.

더 알아보기