Robyn 的未来：Flask 和 Django 的 AI 精神继承者_flask可以通过robyn运行吗-优快云博客

2025年06月24日，Robyn 的作者在发布Robyn v0.7时同时附上了一篇热情洋溢的博文。在文中他宣布了Robyn v0.7开始对AI大模型和MCP的原生支持，这确实是Web框架中的先驱者，CRUD不是Web框架的全部，它在AI时代应该有新的定位！让我们满怀信心期待Robyn v1.0的早日到来！

以下为原文的中文翻译：

四年前，我着手构建一个快速的 Flask 框架，一个真正Fast的 Flask，取名为 Robyn。它拥有大家喜爱的、基于装饰器的简洁 API，但底层引擎使用 Rust 编写，性能超越 Python 生态中的任何框架。我一直执着于性能、异步正确性以及保持核心轻量。如今，Robyn 已从一个玩具项目发展成为数千人使用的工具。

但在前进的每一步，总有一个想法萦绕在我心头：如果我们不止追求速度呢？

Robyn 是首个内置 Web 服务器的现代 Python 框架，随后又增加了认证功能和脚手架功能。它采用 “开箱即用” 的方式，但实现得恰到好处：简洁、可组合，而且真正有趣。

然而，世界并非静止不变！AI 颠覆了 Web 技术栈，我们都在努力应对。

在过去两年里，AI 已从 “可选” 变为基础。API 不再仅仅用于 CRUD 操作，它们还能进行对话、规划、推理和记忆。但相关工具却未能跟上步伐。

我们只能用 LangChain 勉强搭配 Flask，给 FastAPI 套上 RAG 的 hacks，在笔记本中运行代理循环。这一切都显得杂乱、痛苦，而且极难扩展。在这个新时代，没有真正能接替 Django 的框架。于是，我们只能应付、拼凑、打补丁。

但或许…… 我们不再需要这样了。如果 Robyn 能成为 Flask 和 Django 的精神继承者呢？它依然快速，依然原生支持异步。但现在，它为 AI 原生工作流提供了 “开箱即用” 的功能。

试想一个能理解现代应用语言的框架：记忆、上下文、代理和工具，而不仅仅是视图和模型。

以记忆为核心（由 Mem0 或任何后端提供支持）
原生支持代理原语（LangGraph、Autogen 或其他运行器）
具有实时验证和追踪功能的类型安全 API
统一的管理界面 —— 同时为人类和代理提供权限控制
AI 感知的认证机制
类似 FastAPI 的参数和 Pydantic 的验证
兼容 RSGI/ASGI，可使用现有中间件
同一个框架中同时支持 MCP 和 Web 路由

简而言之：开箱即用，但又有自己的设计理念且易于扩展。就像 Django 和 Flask 的结晶，但专为有 “思考” 能力的应用而设计。

为什么AI Agent应该成为 Web 技术栈的一部分？

如今，Agent只是事后考虑的东西。你启动一个 LangChain 运行器，接入一个Memory后端，祈祷一切顺利，然后发布拼凑的代码。Robyn 旨在改变这一现状。代理应该成为新的原语，就像路由、认证或表单一样。只需定义一次，为其提供记忆功能，然后将其暴露为简单的端点，就这么简单。

from robyn.ai import agent, memory

mem = memory(provider="mem0", user_id="guest")
chat = agent(runner="simple", memory=mem)

@app.get("/chat")
async def ask(request):
	q = request.query_params.get("q", [""])[0]
	return await chat.run(q)

无需管理各种微服务，只需像管理 HTTP 路由一样管理你的代理。我希望它们是可插拔的 —— 可以使用我们内置的运行器，也可以替换为 LangGraph、CrewAI 或你自己的运行器。就像ORM，但具有异步、可组合和 Python 风格的特点。

如果 MCP 只是路由呢？

目前，模型上下文协议（MCP）感觉像是学术实验，实现分散，框架也各不相同。但如果它们只是路由呢？如果可以像 API 一样，以原生和可组合的方式暴露代理呢？在 Robyn 中，你完全可以做到：

from robyn import Robyn, auth
from robyn.ai import agent, memory
from typing import Optional, Dict, Any

app = Robyn(__file__)

@app.before_request()
@auth(required=True)
async def check_user(request):
    return request.user

@app.mcp.tool()
def simple_chat(message: str) -> str:
     return f"Processed: {message}"

@app.mcp.resource("notes://{note_id}")
    """Get a note by ID"""
    return f"Note {note_id}: This is a sample note"

无需额外的服务器，无需额外的辅助组件。

Robyn 应用会是什么样的？

@app.get("/agent")
async def agent_endpoint(request):
  q = request.query_params.get("q", [""])[0]
  user_id = request.query_params.get("user_id", ["guest"])[0]
  
  # 为该用户初始化带记忆的代理
  mem = memory(provider="mem0", user_id=user_id)
  agent = chat_agent(runner="openai", memory=mem)
  
  return await agent.run(q)

@app.get("/memory")
async def memory_endpoint(request):
  user_id = request.query_params.get("user_id", ["guest"])[0]
  action = request.query_params.get("action", ["get"])[0]
  
  mem = memory(provider="mem0", user_id=user_id)
  
  if action == "get":
    return {"memories": await mem.get_all()}
  elif action == "clear":
    await mem.clear()
    return {"message": "Memory cleared"}

@app.post("/users")
async def create_user(request):
  data = request.json()
  
  # 类似ORM的数据库操作
  user = User.create(
    name=data.get("name"),
    email=data.get("email"),
    preferences=data.get("preferences", {})
  )
  
  return {"user_id": user.id, "created": True}

从小处着手，无需任何样板代码即可快速扩展。性能仍然是核心 Python 应该让人感觉快，而不是打补丁后的快。Robyn 在关键之处保留了 Rust 运行时：底层异步 I/O、并发和路由。其余部分则保持 Python 风格。我们正在与 Granian 合作，以获得原生 RSGI/ASGI 支持 —— 将服务器内部工作交给经过验证的、生产级的实现。

为什么这一切都很重要？

现在，你正在用代理、记忆和 LLM 构建应用，但你的框架对这些概念一无所知。Robyn 将会理解。因为它不仅仅是增加 AI “支持”，而是围绕 AI 应用实际需要的工作流重新设计。

接下来会发生什么？（非 AI 原生功能）

Robyn 现在已经很快了，但接下来还会有：

更强的类型和验证
更 Python 风格、更简洁的 API
完整的 RSGI/ASGI 集成（通过 Granian）
一流的表单支持
即插即用的类型化查询参数
更好的文档和更多内容等等……

最重要的是：Robyn v1.0—— 用于认知软件的全栈框架的稳定发布。

我们的方向

Robyn 一开始就拥有你期望从微框架中获得的简洁魅力，只需一个路由和一个 return。但在那个简单的装饰器背后呢？是一个完整的栈，等待被解锁。如果你需要，就有 ORM。当你需要时，就有记忆、代理、类型、认证、管理界面、上下文…… 第一天使用时界面简洁，第三十天就有丰富的功能。这才是现代框架应有的样子。

感谢你一直以来参与 Robyn 的发展历程。是你们将它从一个副业项目变成了一个严肃的平台。接下来的步骤是构建 Robyn v1.0。这是一个雄心勃勃的项目，但我相信它值得一试。我想这需要几个月的时间。请参与进来，我期待听到你的反馈、质疑，当然还有你的支持。请传播这个消息！了解 Robyn 的人越多，我们就能一起构建更多东西。