后端涨薪密码：5 框架 + MCP 攻略，学会直接涨 30%-CSDN博客

本文链接：https://blog.csdn.net/leader_song/article/details/147846195

常用 Python 后端开发框架深度解析

在 Python 后端开发领域，有众多优秀的框架可供选择。每个框架都有其独特的特点、适用场景和开发方式。下面将详细介绍几个常用的 Python 后端开发框架，并在最后补充关于 MCP（模型上下文协议）的编写及接入方法。

立即加入私密群

🔥获取《DeepSeek使用手册手册》
💬参与每日话题讨论
📚解锁更多面试真题解析
🟢 绿泡泡直达：tutou123.com
（私信暗号：架构升级 优先通过）

1. Flask

特点

Flask 是一个轻量级的 Web 框架，以其简洁性和灵活性著称。它的核心代码非常精简，几乎不强制开发者使用特定的工具和库。这使得开发者可以根据项目的实际需求，自由地选择和添加各种扩展，例如数据库操作、表单验证、用户认证等。这种灵活性让 Flask 在小型项目和快速原型开发中表现出色。

适用场景

小型项目：对于一些功能相对简单、需求变化较快的小型项目，Flask 的轻量级特性可以让开发者快速搭建起项目框架，并且能够根据需求灵活调整。
快速原型开发：在产品的原型开发阶段，需要快速验证想法和功能。Flask 可以帮助开发者在短时间内实现一个可运行的原型，方便进行演示和测试。

示例代码

from flask import Flask

app = Flask(__name__)

@app.route('/')
def hello_world():
    return 'Hello, World!'

if __name__ == '__main__':
    app.run(debug=True)

在上述代码中，首先导入了 Flask 类，然后创建了一个 Flask 应用实例 app。使用 @app.route 装饰器定义了一个路由，当用户访问根路径 / 时，会调用 hello_world 函数并返回 Hello, World!。最后，使用 app.run 方法启动应用，并开启调试模式。

扩展使用示例（数据库操作）

from flask import Flask
from flask_sqlalchemy import SQLAlchemy

app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///test.db'
db = SQLAlchemy(app)

class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    name = db.Column(db.String(80), nullable=False)
    email = db.Column(db.String(120), unique=True, nullable=False)

    def __repr__(self):
        return f'<User {self.name}>'

@app.route('/add_user/<name>/<email>')
def add_user(name, email):
    new_user = User(name=name, email=email)
    db.session.add(new_user)
    db.session.commit()
    return f'用户 {name} 已添加'

if __name__ == '__main__':
    app.run(debug=True)

这里使用了 flask_sqlalchemy 扩展来进行数据库操作。定义了一个 User 模型类，对应数据库中的 user 表。在 /add_user 路由中，创建了一个新的用户对象并添加到数据库中。

2. Django

特点

Django 是一个功能全面的 Web 框架，遵循“开箱即用”的原则。它自带了许多实用的工具和功能，如 ORM（对象关系映射）、管理界面、表单处理、用户认证等。这使得开发者可以快速搭建起一个功能完善的网站，而无需自己去实现这些基础功能。同时，Django 有严格的代码规范和目录结构，有利于团队协作开发。

适用场景

大型项目：对于功能复杂、数据量大、需要多模块协作的大型项目，Django 的全面性和规范性可以帮助开发者更好地组织代码，提高开发效率和可维护性。
企业级应用开发：企业级应用通常对安全性、稳定性和可扩展性有较高的要求。Django 提供了丰富的安全机制和可扩展的架构，能够满足企业级应用的需求。

示例代码

# 创建一个简单的 Django 视图
from django.http import HttpResponse

def hello(request):
    return HttpResponse("Hello, world. You're at the polls index.")

上述代码定义了一个简单的 Django 视图函数 hello，当用户访问该视图对应的 URL 时，会返回一个包含 Hello, world. You're at the polls index. 的 HTTP 响应。

项目结构示例

Django 项目有特定的目录结构，一个典型的 Django 项目结构如下：

myproject/
├── manage.py
├── myapp/
│   ├── __init__.py
│   ├── admin.py
│   ├── apps.py
│   ├── migrations/
│   │   └── __init__.py
│   ├── models.py
│   ├── tests.py
│   └── views.py
└── myproject/
    ├── __init__.py
    ├── settings.py
    ├── urls.py
    └── wsgi.py

其中，manage.py 是项目的管理脚本，myapp 是一个应用，包含了模型、视图、管理界面等相关代码，myproject 目录下的 settings.py 是项目的配置文件，urls.py 是项目的 URL 路由配置文件。

3. FastAPI

特点

FastAPI 是一个基于 Python 的类型提示的高性能 Web 框架。它利用 Python 的类型提示来实现自动的数据验证、序列化和文档生成。FastAPI 支持异步编程，能够充分利用现代服务器的多核性能，提高应用的处理效率。同时，它还提供了简洁的 API 接口，易于上手和使用。

适用场景

对性能要求较高的 API 开发：在需要处理大量并发请求的 API 开发中，FastAPI 的高性能和异步处理能力可以显著提高系统的响应速度和吞吐量。
微服务开发：微服务架构强调服务的独立性和高可扩展性。FastAPI 的轻量级和高性能特点使其非常适合用于构建微服务。

示例代码

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def read_root():
    return {"Hello": "World"}

@app.get("/items/{item_id}")
def read_item(item_id: int, q: str = None):
    return {"item_id": item_id, "q": q}

在上述代码中，创建了一个 FastAPI 应用实例 app。使用 @app.get 装饰器定义了两个路由，分别处理根路径 / 和 /items/{item_id} 的 GET 请求。read_root 函数返回一个包含 Hello: World 的 JSON 响应，read_item 函数接收一个整数类型的 item_id 和一个可选的字符串类型的 q 参数，并返回一个包含这些信息的 JSON 响应。

数据验证示例

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Item(BaseModel):
    name: str
    price: float
    is_offer: bool = None

@app.post("/items/")
def create_item(item: Item):
    return item

这里使用了 pydantic 库来进行数据验证。定义了一个 Item 模型类，包含 name、price 和 is_offer 三个字段。在 /items/ 路由中，接收一个 Item 类型的请求体，并返回该请求体。FastAPI 会自动验证请求体的数据类型和格式。

4. Tornado

特点

Tornado 是一个具有高性能和异步 I/O 能力的 Web 框架。它基于非阻塞 I/O 和单线程事件循环，能够处理大量的并发连接，而不会消耗过多的系统资源。Tornado 还提供了内置的异步 HTTP 客户端和服务器，方便进行网络通信。

适用场景

实时 Web 应用：如实时聊天应用、实时数据监控系统等，需要处理大量的并发连接和实时数据传输，Tornado 的高性能和异步处理能力可以满足这些需求。
游戏服务器：游戏服务器通常需要处理大量的玩家连接和实时交互，Tornado 的异步 I/O 能力可以提高服务器的并发处理能力和响应速度。

示例代码

import tornado.ioloop
import tornado.web

class MainHandler(tornado.web.RequestHandler):
    def get(self):
        self.write("Hello, world")

def make_app():
    return tornado.web.Application([
        (r"/", MainHandler),
    ])

if __name__ == "__main__":
    app = make_app()
    app.listen(8888)
    tornado.ioloop.IOLoop.current().start()

在上述代码中，定义了一个 MainHandler 类，继承自 tornado.web.RequestHandler，重写了 get 方法，当用户发送 GET 请求时，返回 Hello, world。make_app 函数创建了一个 Tornado 应用实例，并定义了路由规则。最后，启动应用并监听 8888 端口。

立即加入私密群

异步处理示例

import tornado.ioloop
import tornado.web
import asyncio

class AsyncHandler(tornado.web.RequestHandler):
    async def get(self):
        await asyncio.sleep(1)
        self.write("Async response")

def make_app():
    return tornado.web.Application([
        (r"/async", AsyncHandler),
    ])

if __name__ == "__main__":
    app = make_app()
    app.listen(8888)
    tornado.ioloop.IOLoop.current().start()

这里定义了一个异步处理的视图 AsyncHandler，使用 async 和 await 关键字实现异步操作。当用户访问 /async 路径时，会等待 1 秒后返回 Async response。

5. Sanic

特点

Sanic 是一个基于异步编程的高性能 Web 框架，其语法与 Flask 相似，易于上手。Sanic 利用 Python 的 asyncio 库实现异步 I/O，能够在单线程中处理大量的并发请求，提高应用的性能。

适用场景

对性能有较高要求的 Web 应用和 API 开发：在需要处理大量并发请求的 Web 应用和 API 开发中，Sanic 的高性能和异步处理能力可以显著提高系统的响应速度和吞吐量。

示例代码

from sanic import Sanic
from sanic.response import text

app = Sanic("MyHelloWorldApp")

@app.get("/")
async def hello_world(request):
    return text("Hello, world.")

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=8000)

在上述代码中，创建了一个 Sanic 应用实例 app。使用 @app.get 装饰器定义了一个路由，当用户访问根路径 / 时，会调用 hello_world 函数并返回 Hello, world.。hello_world 函数是一个异步函数，使用 async 关键字定义。

中间件示例

from sanic import Sanic
from sanic.response import text

app = Sanic("MyApp")

@app.middleware('request')
async def print_on_request(request):
    print("Request received")

@app.middleware('response')
async def prevent_xss(request, response):
    response.headers["X-XSS-Protection"] = "1; mode=block"

@app.get("/")
async def hello_world(request):
    return text("Hello, world.")

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=8000)

这里定义了两个中间件，一个在请求处理前执行，打印 Request received，另一个在响应返回前执行，添加 X-XSS-Protection 头，用于防止跨站脚本攻击。

6. 编写 MCP（模型上下文协议）及接入 MCP 服务

MCP 简介

MCP（模型上下文协议）允许开发者自由接入外部 AI 工具和资源，实现更强大的功能扩展。通过 MCP，开发者可以将不同的工具和服务集成到自己的应用中，构建一个开放的生态系统。

编写 MCP 服务端代码示例（Python）

from mcp.server import FastMCP
from selenium.webdriver import Remote, ChromeOptions

mcp = FastMCP("database")

@mcp.tool()
def get_user_info(name: str):
    # 连接数据库并查询用户信息
    import mysql.connector
    conn = mysql.connector.connect(
        host="localhost",
        user="your_username",
        password="your_password",
        database="your_database"
    )
    cursor = conn.cursor()
    cursor.execute("SELECT * FROM users WHERE name = %s", (name,))
    result = cursor.fetchone()
    conn.close()
    return result

@mcp.tool()
def generate_chart(data: list):
    # 调用 ECharts 生成图表
    import requests
    response = requests.post("https://echarts.baidu.com/generate", json={"data": data})
    return response.json()

if __name__ == "__main__":
    mcp.run()

在上述代码中，使用 FastMCP 创建了一个 MCP 服务实例。定义了两个工具函数 get_user_info 和 generate_chart，分别用于查询用户信息和生成图表。@mcp.tool() 装饰器将这些函数注册为 MCP 工具。

接入 MCP 服务的方法

1. 进入 MCP 设置

在使用的 Python 后端框架应用中，通常可以在配置文件或特定的设置界面中找到 MCP 设置选项。例如，在 Trae 工具中，可以点击界面右上角的“AI 侧栏”，然后选择“MCP”进入设置页面。

2. 添加服务

从市场选择服务：许多 MCP 平台提供了服务市场，开发者可以在市场中搜索并选择需要的服务，如 GitHub、数据库服务等。选择服务后，按照提示进行授权和配置。
手动粘贴 JSON 配置：如果需要接入自定义的 MCP 服务，可以手动编写 JSON 配置文件，然后在设置页面中粘贴该配置。配置文件通常包含服务的名称、URL、认证信息等。

3. 测试调用

在完成服务添加和配置后，可以在应用中进行测试调用。例如，在 Flask 应用中，可以通过以下代码调用 MCP 服务：

from flask import Flask
import requests

app = Flask(__name__)

@app.route('/get_user/<name>')
def get_user(name):
    mcp_url = "http://your_mcp_server/get_user_info"
    response = requests.post(mcp_url, json={"name": name})
    return response.json()

if __name__ == "__main__":
    app.run(debug=True)