Creación de servicios y endpoints en FastAPI con Docker

Contenido del curso

Web App con FastAPI + Docker

Frontend con Next.js y Cursor IDE

iOS con Swift + Cursor IDE

Android + Cursor IDE

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:006:07

Creación de servicios y endpoints en FastAPI con Docker

Curso de Cursor AI Code Editor

Clase 8 de 25

Clase 8 / 25

Comentarios (10)10 comentarios

Daniel Felipe Alvarado Russi

Hace un año

Seria interesante que el curso evolucionara para cada una de las tecnologias porque muchos que no sabemos de backend es poco lo que se entiende y mirar su potencial mas a fondo de cursor

Diego Alejandro Lesmes

Hace un año

Me temo que ese sera el enfoque del estilo de nuevas versiones de cursos de los diferentes lenguajes y demás

alejandro navarro dimas

Hace un año

De acuerdo totalmente contigo, en mi caso no se mucho de Backend y cuando surge un error es muy poco lo que entiendo

Daniel Flores

Hace un año

🚀 Creación de Servicios y Endpoints en FastAPI + Docker

Después de configurar tu app backend con FastAPI, llega el momento de construir y verificar endpoints de forma modular, organizada y eficiente, aprovechando Docker para ejecutar comandos y hacer debugging.

🐳 ¿Cómo usar Docker para ejecutar comandos?

Usa docker exec o comandos definidos en tu Makefile para:✅ Ejecutar migraciones ✅ Cargar datos (seeders) ✅ Hacer pruebas rápidas
🧪 Dentro del contenedor, se utiliza un archivo test_info para verificar el éxito de las migraciones y la carga de datos.
🐞 Puedes establecer breakpoints usando la extensión de Python de Microsoft para depurar desde Cursor.

🧩 ¿Qué es un servicio en FastAPI y por qué usarlo?

Evita llenar tus endpoints con lógica compleja. En su lugar:

🗂️ Crea una carpeta services/
📄 Ejemplo: course_service.py con métodos como:
- get_all_courses() → devuelve todos los cursos
- get_course_by_slook(slook) → devuelve detalles por slug único

🔄 Cada servicio accede a la base de datos usando los modelos definidos y sigue las especificaciones del contrato (00-contracts.md).

🔍 ¿Cómo verificar tus endpoints?

Accede a:
- GET /courses → lista completa de cursos
- GET /courses/{slook} → detalles de un curso específico
🧪 Verifica que:
- Los servicios están bien importados
- Los endpoints responden correctamente
- Los archivos inicializadores están actualizados
- No hay errores de integración con la DB

📦 Resultado esperado: respuesta correcta desde la API, reflejando conexión completa entre lógica, servicio y base de datos.

✅ Conclusión

Trabajar con FastAPI + Docker y una estructura basada en servicios:

Mejora la organización del código
Facilita el debugging y mantenimiento
Asegura modularidad y escalabilidad del backend

JOSUE ANTHONY CAMACHO MARBAN

Hace un año

Si bien parece que el curso es de python y docker, entiendo que la idea es que captemos como se integran en un ciclo de desarrollo realista en donde uno puede abstraer el como de usar Cursor a tu propio proyecto del mundo real, y el core de este curso es el promting que se le esta dando, sumando al contexto añadido, la suma de todo se concreta al probar los endpoints y mirar el resultado exitoso.

Francisco Ibarra

Hace 9 meses

Esto no es realista es muy sencillo desarrollar local y luego para pasar a staging lo pasas a docker y hacer pruebas... este ciclo da hueva

Luis Frank Florentino Medrano

Hace un año

Soy backend y hasta aquí es asombro que exista en este momento esta tecnología. Ya estamos en programación + IA.

Prácticamentos es solo fundamentos tal cual lo dice Freddy. Cualquier duda o error le indico a Cursor y va resolviendo . Si tienen dudas pregúntenle al mismo Cursor para que puedan entender . Es como un profesor

Eso solo entender

Luis Frank Florentino Medrano

Hace un año

Disculpen mi gato salto al teclado .

Daniel Santiago Bartels Barragan

Company_admin

Hace un año

Les recomiendo utilizar VoiceInk o una app similiar, agiliza bastante para escribir los prompts.

Diego Alejandro Lesmes

Hace un año

mmm para el detalle del profesor, lo que hizo Claude fue una list comprehension retornando esa lista de ids

"teacher_id": [teacher.id for teacher in course.teachers]
```lo que podemos hacer es retornar una lista de dicionarios con ese detalle

```python
"teachers": [
  {
    "teacher name": teacher.name,
    "teacher email": teacher.email
  }
  for teacher in course.teachers
]

Diego Alejandro Lesmes

Hace un año

esta sutileza, modifica los contratos con el frontend, por lo que debemos comunicarlos anticipadamente antes de generar iunteracciones innecesarias con el Team 😅😅

MARIA TERESA PANIAGUA RIVERA

Hace 8 meses

gracias

Mateo Montoya Henao

Hace un año

✨ Visual Summary of the Lecture: Creación de servicios y endpoints en FastAPI con Docker ✨

1. The Central Idea (The Core 💡): This lesson demonstrates how to efficiently create and verify FastAPI services and endpoints using Cursor AI within a Dockerized environment.

2. Key Points (In Bullet Points 📌):

Debugging inside Docker containers using breakpoints is possible with the Python extension.
Cursor AI can generate services and endpoints based on natural language instructions and contract definitions.
Services act as an abstraction layer for database interactions, keeping endpoints clean.
Verification of generated code involves checking file structure, imports, and functional tests via browser.

3. The Crucial Example or Fact 🚀: The class showed how Cursor AI successfully created a CourseService with getAllCourses and getCourseBySlug methods, and integrated them into FastAPI endpoints.

4. Connection or Next Step 🔗: This knowledge allows for structured API development and connects to future challenges like populating related data (e.g., displaying teacher info instead of just IDs) and learning about "Pruebas unitarias en FastAPI con pytest y mocking".

🏛️ Senior Architect's Deep Dive

1. Critical Limitations & Edge Cases:

The lecture implies a strong reliance on Cursor AI's parsing of natural language and contracts, which could be error-prone with ambiguous or complex instructions ⚠️.
The presented debugging method is interactive; automated testing for data integrity post-migration is only implied by manually checking length, not robust data validation.
Scaling Cursor AI's effectiveness to very large, intricate, or highly optimized service architectures might introduce significant prompt engineering overhead.

2. The Expert-Level Debate: The main expert-level debate here is "AI-Driven Code Generation vs. Manual Architectural Control" ⚖️. While AI significantly speeds up boilerplate creation, it trades off the granular control and nuanced architectural decisions that a seasoned developer might make for optimal performance, security, or specific business logic. The AI's output needs rigorous validation against architectural principles.

3. Strategic Weakness (The "But..."): This is great, but the lecture doesn't address how to manage and version control the Cursor AI prompts and context definitions themselves, which are now critical "source code" for generating the application logic. 🏛️

Diego Armando Galindo Gonzalez

Hace un año

He sentido que hasta este capitulo, he visto solo un 20% de aspectos enfocados a Cursor. todo lo demas a sido sobre python. hasta el momento creo que el curso es mas de python que de cursor.

Diego Armando Galindo Gonzalez

Hace un año

Ojo, para quienes su stack sea python el curso esta lo maximo. :)

Luis Frank Florentino Medrano

Hace un año

Para los que leen los comentarios antes de crear los modelos. Si pueden pídanle a Cursor que tenga cuidado con la clase "Class" o que cambien el nombre antes de ejecutar

En mi caso, cambió sin decirle nada de "Class" a "course_class.py" . Nombre que no tiene mucho que ver o puede confundir.

Recursos

Ya avanzado en la configuración de una aplicación web backend con FastAPI, es momento de ver en detalle cómo se crean y validan endpoints pensando en una estructura modular y organizada. El uso de Docker para ejecutar comandos y debuggear Python ofrece varias ventajas, como verificar fácilmente el éxito de migraciones de base de datos y establecer puntos de control rápidos.

¿Cómo utilizo Docker para ejecutar comandos?

Con Docker, los comandos dentro del contenedor se ejecutan utilizando docker exec. Esta funcionalidad está disponible directamente desde un archivo Makefile, facilitando tareas frecuentes como ejecutar migraciones o cargar datos iniciales (seeders).

Dentro del contenedor también existe un archivo llamado test info diseñado para verificar el resultado de migraciones y la correcta inserción de datos. Este archivo permite establecer breakpoints mediante la extensión Python de Microsoft, facilitando revisar detalladamente la ejecución.

¿Qué es un servicio en FastAPI y cómo lo estructuro?

Crear endpoints directamente en funciones FastAPI puede volver la aplicación compleja rápidamente. Para evitar esto, es recomendable usar servicios que sean abstracciones a función específica del endpoint.

En este contexto se creó un nuevo folder denominado services, el cual alberga al servicio course service. Dicho servicio incluye dos métodos:

get_all_courses: retorna una lista completa de cursos registrados.
get_course_by_slook: detalla información específica de un curso utilizando un identificador único (slook).

Este servicio utiliza los modelos que previamente establecimos para acceder de forma directa a la base de datos. Además, se guió estrictamente por especificaciones definidas inicialmente en el archivo de contratos (00-contracts.md).

¿Cómo verifico mis endpoints creados en FastAPI?

Una vez hechos los endpoints, es crucial verificar su funcionalidad. Accediendo al navegador y ejecutando las rutas /courses y /courses/{slook}, podemos comprobar fácilmente que los endpoints devuelvan los resultados esperados. Así, validamos tanto funcionamiento de lógica interna como interacción con base de datos.

El resultado debe ser:

Listado completo de cursos.
Detalle específico del curso solicitado mediante un identificador.

Para complementar la verificación manual, se revisan también:

Correcta importación de servicios.
Modificación adecuada de archivos necesarios, como el inicializador en el módulo de servicios.

Una vez comprobado que todas estas piezas funcionan correctamente, habremos garantizado la calidad y organización interna de la aplicación backend diseñada con FastAPI y Docker.

¿Qué retos encontraste al seguir estos pasos? Comparte tus soluciones en comentarios.

"teacher_id": [teacher.id for teacher in course.teachers]
```lo que podemos hacer es retornar una lista de dicionarios con ese detalle

```python
"teachers": [
  {
    "teacher name": teacher.name,
    "teacher email": teacher.email
  }
  for teacher in course.teachers
]

Resumen

¿Cómo utilizo Docker para ejecutar comandos?

¿Qué es un servicio en FastAPI y cómo lo estructuro?

En este contexto se creó un nuevo folder denominado services, el cual alberga al servicio course service. Dicho servicio incluye dos métodos:

get_all_courses: retorna una lista completa de cursos registrados.
get_course_by_slook: detalla información específica de un curso utilizando un identificador único (slook).

¿Cómo verifico mis endpoints creados en FastAPI?

El resultado debe ser:

Listado completo de cursos.
Detalle específico del curso solicitado mediante un identificador.

Para complementar la verificación manual, se revisan también:

Correcta importación de servicios.
Modificación adecuada de archivos necesarios, como el inicializador en el módulo de servicios.

Una vez comprobado que todas estas piezas funcionan correctamente, habremos garantizado la calidad y organización interna de la aplicación backend diseñada con FastAPI y Docker.

¿Qué retos encontraste al seguir estos pasos? Comparte tus soluciones en comentarios.

Web App con FastAPI + Docker

Vibe coding con Cursor en dos semanas

Stack tecnológico para plataforma educativa online

Configuración de contexto y reglas en Cursor para FastAPI

Setup de FastAPI con Cursor paso a paso

Ejecución autónoma de setup con Cursor

Cursor dentro de un contenedor Docker

Migraciones y modelos ORM con Cursor y Alembic

Creación de servicios y endpoints en FastAPI con Docker

Pruebas unitarias en FastAPI con PyTest

Frontend con Next.js y Cursor IDE

Cursor Agent para front-end sin configuración

Creación y configuración de Cursor Rules para proyectos Next.js

Mejora visual de landing pages con imágenes y tokens CSS

Configuración de estilos globales SCSS y páginas dinámicas en Next.js

Configuración de Vitest para pruebas unitarias en Next.js

Página completa con un solo prompt en Cursor

E2E testing con Playwright MCP en Cursor

iOS con Swift + Cursor IDE

Configuración de Cursor con Xcode para desarrollo iOS nativo

Configura reglas y contexto en Cursor

Genera UI en SwiftUI con prompts en Cursor

Cursor genera capas data y domain en iOS

Conexión de view models con capas domain y data

Android + Cursor IDE

Setup de Cursor para apps Android con Kotlin

Cursor genera una app Android desde cero

Corrección de errores de dependencias con Cursor en Android Studio

Cursor en equipo: entrega frontend en un día

Creación de servicios y endpoints en FastAPI con Docker

Progreso del curso

Web App con FastAPI + Docker

Frontend con Next.js y Cursor IDE

iOS con Swift + Cursor IDE

Android + Cursor IDE

Recursos

Recursos