251126
openai api 를 빌트인한 fastapi 보일러플레이트 생성하는 cli 를 제공해줘.
아주 좋습니다. “FastAPI + OpenAI 내장 보일러플레이트”를 만들어주는 간단한 CLI 스캐폴더를 하나 만들어보겠습니다.
아래 스크립트를 그대로 파일로 저장해 두고 실행하면 됩니다.

CLI 스크립트: fastapi_openai_cli.py

이 파일 하나로 새 프로젝트 폴더를 만들어주는 구조입니다.

#!/usr/bin/env python
"""
FastAPI + OpenAI boilerplate 생성 CLI

사용법:
python fastapi_openai_cli.py new my-fastapi-openai-app
"""

import argparse
from pathlib import Path
import textwrap
import sys

PROJECT_FILES = {
"requirements.txt": """
fastapi
uvicorn[standard]
openai>=1.0.0
pydantic-settings
python-dotenv
""",

".gitignore": """
    __pycache__/
    *.py[cod]
    .env
    .venv
    venv
    .DS_Store
    .pytest_cache
""",

"

http://
README.md
": """
# FastAPI + OpenAI Boilerplate

    이 프로젝트는 FastAPI 기반으로 OpenAI API를 래핑한 기본 보일러플레이트입니다.

    ## 빠른 시작

    ```bash
    python -m venv .venv
    source .venv/bin/activate  # Windows: .venv\\Scripts\\activate
    pip install -r requirements.txt

    cp .env.example .env  # .env 직접 작성
    uvicorn app.main:app --reload
    ```

    ### 테스트

    ```bash
    curl -X POST http://127.0.0.1:8000/api/v1/chat \\
      -H "Content-Type: application/json" \\
      -d '{"message": "안녕"}'
    ```
""",

".env.example": """
    # OpenAI 설정
    OPENAI_API_KEY=your_openai_api_key_here
    # 커스텀 프록시나 다른 호스트를 쓸 경우만 설정
    # OPENAI_BASE_URL=

https://
api.openai.com/v1
""",

"app/__init__.py": """
    # app 패키지
""",

"app/main.py": """
    from fastapi import FastAPI

    from app.api.v1.routes import router as api_router

    app = FastAPI(
        title="FastAPI + OpenAI Boilerplate",
        version="0.1.0",
    )

    app.include_router(api_router, prefix="/api/v1")

@app
.get("/health")
async def health():
return {"status": "ok"}
""",

"app/api/__init__.py": """
    # app.api 패키지
""",

"app/api/v1/__init__.py": """
    # app.api.v1 패키지
""",

"app/api/v1/routes.py": """
    from fastapi import APIRouter

    from app.api.v1 import openai_chat

    router = APIRouter()
    router.include_router(openai_chat.router, prefix="/chat", tags=["chat"])
""",

"app/api/v1/openai_chat.py": """
    from fastapi import APIRouter, Depends, HTTPException
    from pydantic import BaseModel
    from typing import Optional

    from app.core.openai_client import get_openai_client
    from openai import OpenAI

    class ChatRequest(BaseModel):
        message: str
        system_prompt: Optional[str] = "You are a helpful assistant."

    class ChatResponse(BaseModel):
        reply: str

    router = APIRouter()

@router
.post("", response_model=ChatResponse)
async def chat(
body: ChatRequest,
client: OpenAI = Depends(get_openai_client),
) -> ChatResponse:
try:
completion =
http://
client.chat
.completions.create(
model="gpt-4.1-mini",
messages=[
{"role": "system", "content": body.system_prompt},
{"role": "user", "content": body.message},
],
)
except Exception as e:
# 실제 운영에서는 로깅 후 에러 메시지를 정제해서 전달하는 것이 좋습니다.
raise HTTPException(status_code=500, detail=str(e))

        message = completion.choices[0].message
        reply = message.content if isinstance(message.content, str) else message.content[0].text
        return ChatResponse(reply=reply)
""",

"app/core/__init__.py": """
    # app.core 패키지
""",

"app/core/config.py": """
    from pydantic_settings import BaseSettings, SettingsConfigDict
    from functools import lru_cache
    from typing import Optional

    class Settings(BaseSettings):
        OPENAI_API_KEY: str
        OPENAI_BASE_URL: Optional[str] = None

        model_config = SettingsConfigDict(
            env_file=".env",
            env_file_encoding="utf-8",
            extra="ignore",
        )

@lru_cache
def get_settings() -> Settings:
return Settings()
""",

"app/core/openai_client.py": """
    from functools import lru_cache
    from openai import OpenAI

    from app.core.config import get_settings

@lru_cache
def _client() -> OpenAI:
settings = get_settings()
kwargs = {}

        if settings.OPENAI_BASE_URL:
            kwargs["base_url"] = settings.OPENAI_BASE_URL

        return OpenAI(
            api_key=settings.OPENAI_API_KEY,
            **kwargs,
        )

    def get_openai_client() -> OpenAI:
        return _client()
""",

}

def write_file(base_path: Path, relative_path: str, content: str) -> None:
target = base_path / relative_path
target.parent.mkdir(parents=True, exist_ok=True)
normalized = textwrap.dedent(content).lstrip("\n")
target.write_text(normalized, encoding="utf-8")

def create_project(project_name: str) -> None:
base_path = Path(project_name).resolve()

if base_path.exists() and any(base_path.iterdir()):
    print(f"[ERROR] 디렉터리가 이미 존재하고 비어있지 않습니다: {base_path}")
    sys.exit(1)

base_path.mkdir(parents=True, exist_ok=True)

for rel_path, content in PROJECT_FILES.items():
    write_file(base_path, rel_path, content)

print(f"\n

프로젝트가 생성되었습니다: {base_path}")
print("\n다음 명령으로 시작할 수 있습니다:\n")
print(f" cd {project_name}")
print(" python -m venv .venv")
print(" # Windows:")
print(" # .venv\Scripts\activate")
print(" # macOS/Linux:")
print(" # source .venv/bin/activate")
print(" pip install -r requirements.txt")
print(" cp .env.example .env # .env 내용 수정")
print(" uvicorn app.main:app --reload")

def main() -> None:
parser = argparse.ArgumentParser(
description="FastAPI + OpenAI boilerplate 생성 CLI",
)
subparsers = parser.add_subparsers(dest="command")

new_cmd = subparsers.add_parser("new", help="새 FastAPI+OpenAI 프로젝트 생성")
new_cmd.add_argument("name", help="프로젝트 디렉터리 이름")

args = parser.parse_args()

if args.command == "new":
    create_project(

http://
args.name
)
else:
parser.print_help()

if name == "main":
main()

사용 방법

위 코드를 fastapi_openai_cli.py 로 저장합니다.
원하는 위치에서 실행합니다.
python fastapi_openai_cli.py new my-fastapi-openai-app
생성된 프로젝트로 이동해서 실행합니다.

cd my-fastapi-openai-app

python -m venv .venv

Windows

.venv\Scripts\activate

macOS / Linux

source .venv/bin/activate

pip install -r requirements.txt
cp .env.example .env # 여기서 OPENAI_API_KEY 채워 넣기
uvicorn app.main:app --reload
3. OpenAI 연동 엔드포인트
생성된 보일러플레이트에는 이미 이 엔드포인트가 들어가 있습니다.

URL: POST /api/v1/chat
Body 예시:
{
"message": "오늘 서울 날씨 어때?",
"system_prompt": "You are a helpful assistant for Korean users."
}
응답 예시:

{
"reply": "서울의 날씨는 ..."
}
4. 다음 확장 포인트
스트리밍 응답(서버 센트 이벤트) 엔드포인트 추가
여러 모델 선택 지원 (model을 body로 받도록 수정)
프로젝트 생성 옵션화 (--with-docker, --with-poetry 등)
원하시면 “스트리밍 버전”, “복수 서비스용 구조(LLM 서비스 분리)” 버전도 같이 넣는 확장 CLI도 설계해 드리겠습니다.

Insights

251126 openai api 를 빌트인한 fastapi 보일러플레이트 생성하는 cli 를 제공해줘. 아주 좋습니다. “FastAPI +…

요약

핵심 포인트

Windows

macOS / Linux

source .venv/bin/activate

댓글

Go 분석 프레임워크: Go 팀이 제공하는 모듈형 정적 분석 (Static Analysis)

라이브 커머스는 비디오 인터페이스를 입은 스트리밍 데이터 문제다

"당신의 계정이 2시간 후에 폐쇄됩니다" — 오늘 밤 은행 계좌를 털어가는 6개의 단어

진정한 GPT-6 유출 정보는 '10조 개의 파라미터'가 아닙니다

Go 분석 프레임워크: Go 팀이 제공하는 모듈형 정적 분석 (Static Analysis)

라이브 커머스는 비디오 인터페이스를 입은 스트리밍 데이터 문제다

"당신의 계정이 2시간 후에 폐쇄됩니다" — 오늘 밤 은행 계좌를 털어가는 6개의 단어

진정한 GPT-6 유출 정보는 '10조 개의 파라미터'가 아닙니다