grpcui
是一个命令行工具,可让你通过浏览器与 gRPC 服务器交互。它有点像 Postman,但是针对 gRPC API 而不是 REST。
在某些方面,这就像是 grpcurl 的扩展。grpcurl
是一个命令行界面,而 grpcui
提供了一个基于 Web/浏览器的 GUI。这使你可以交互式地构建请求以发送到 gRPC 服务器。
使用此工具,你还可以浏览 gRPC 服务的架构,它以可用端点列表的形式呈现。这可以通过查询支持服务器反射的服务器、读取 proto 源文件或加载编译后的 "protoset" 文件(包含编码文件描述符 protos的文件)来实现。事实上,该工具将 JSON 请求数据转换为二进制编码的 protobuf 的方式正是使用了相同的架构。因此,如果你交互的服务器不支持反射,你要么需要定义服务的 proto 源文件,要么需要 grpcui
可以使用的 protoset 文件。
这个仓库还提供了两个库包:
github.com/fullstorydev/grpcui
:这个包包含了将 gRPC Web 表单嵌入任何 Go HTTP 服务器的构建块。它有访问 HTML 表单、驱动它的 JavaScript 代码以及用于样式化表单的示例 CSS 文件的函数。github.com/fullstorydev/grpcui/standalone
:这个包更进一步,提供了一个单一的、简单的 HTTP 处理程序,提供完整的 gRPC Web UI。你可以将这个处理程序连接到你的 HTTP 服务器中,嵌入一个看起来与使用 grpcui
命令行程序时完全相同的 gRPC 网页。这个单一的处理程序使用了上述包,但也提供了封装的 HTML 页面、一些其他脚本依赖项(jQuery 和 jQuery-UI)以及额外的 CSS 和图像资源。grpcui
支持所有类型的 RPC 方法,包括流式方法。但是,它要求你一次性构造整个请求消息流,然后一次性呈现整个结果响应消息流(因此你无法像 grpcurl
那样与双向流交互)。
grpcui
支持明文和 TLS 服务器,并有多种 TLS 配置选项。它还支持相互 TLS,其中客户端需要提供客户端证书。
如前所述,如果服务器支持反射服务,grpcui
可以无缝工作。如果不支持,你可以向 grpcui
提供 .proto
源文件或 protoset 文件(包含由 protoc
生成的编译描述符)。
Web UI 允许你设置请求元数据,除了定义请求消息数据。在定义请求消息数据时,它使用动态 HTML 表单,支持所有可能类型的 protobuf 消息的数据输入,包括对常见类型(如 google.protobuf.Timestamp
)、一元和映射的丰富支持。
除了通过 HTML 表单输入数据外,你还可以以 JSON 格式输入数据,通过在文本表单中键入或粘贴整个 JSON 请求体。
发出 RPC 后,Web UI 显示所有 gRPC 响应元数据,包括服务器发送的头部和尾部。当然,它还以 HTML 表格的形式显示人类可理解的响应正文。
使用 homebrew
安装:
brew install grpcui
你可以使用 go
工具安装 grpcui
:
go install github.com/fullstorydev/grpcui/cmd/grpcui@latest
这会将命令安装到 $GOPATH
环境变量指向的 bin
子文件夹中。如果这个目录已经在你的 $PATH
中,那么你应该就可以开始使用了。
如果你已经将此仓库拉取到不在 $GOPATH
中的位置,并想从源代码构建,你可以 cd
进入仓库,然后运行 make install
。
如果遇到编译错误,可能是 grpcui
的依赖项版本过时。你可以通过运行 make updatedeps
来更新依赖项。
go run ./cmd/grpcui/grpcui.go -plaintext localhost:9019
工具的使用文档解释了众多选项:
grpcui -help
大多数标志控制程序如何连接到将发送请求的 gRPC 服务器。然而,有一个标志控制 grpcui
本身:-port
标志控制 HTTP 服务器应使用什么端口来公开 Web UI。如果未指定端口,将使用临时端口(因此每次运行时可能使用不同的端口,由操作系统分配)。
当你运行 grpcui
时,它会显示一个 URL,你可以将其放入浏览器以访问 Web UI。
$ grpcui -plaintext localhost:12345
gRPC Web UI 可在 http://127.0.0.1:60551/ 访问...
当你导航到这个 URL 时,你会看到用户界面:
<p align="center"> <img alt="Web UI 截图" width="888" src="https://yellow-cdn.veclightyear.com/835a84d5/80a938ab-69a7-4097-ad2b-dd41385bd6e5.png"> </p>顶部的两个列表框允许你选择要发出的 RPC 的服务和方法。选择后,下面的面板将显示一个表单,允许你定义 RPC 请求。该表单是根据所选 RPC 的实际请求消息结构动态构建的。
你会注意到第二个标签页,它允许你查看(和编辑)请求数据的原始 JSON 值。这对于复制粘贴大型请求消息很有用,无需一次一个地点击定义每个字段值。
第三个标签页显示响应数据。在你实际点击页面底部的"调用"按钮之前,这个标签页是灰色的并且被禁用。
关于表单,首先要注意的是它通常是一个表格,每行代表一个字段。表格有三个重要列:
类型为嵌套消息的字段在第三列中包含一个嵌套表格。这个嵌套表格有自己的三列,每个字段一行。
一元字段的呈现方式略有不同。它们不是有两列表示字段的存在和值,而是包含一个嵌套表格,显示一元中所有可能的字段。但是,中间列是一个单选按钮而不是复选框,因此一次只能存在一个字段。除了一元中每个字段的行外,还有一个名为无的选项,表示未设置值的一元。
这里有一个消息的示例表单,它有两个必需字段(id
和 name
)、一个重复字段(labels
)、一些普通的可选字段,以及一个有四个选项的一元字段。在第一张图中,没有值存在(当然,除了顶部的必需字段)。在第二张图中,存在几个字段值。
对于接受请求流的RPC,网页表单允许用户在流中定义多个消息。默认情况下是单个请求,但用户可以删除它以不发送任何请求,也可以发送多个请求。流类似于重复字段,但重复的"内容"是整个请求:
<p align="center"> <img alt="网页界面请求流" width="380" src="https://yellow-cdn.veclightyear.com/835a84d5/fab946fa-cd3e-4685-bbb4-dc1a2d06e278.png"> </p>最后一个示例还展示了对知名消息类型的特殊处理。在该示例中,请求类型是google.protobuf.StringValue
。界面并没有显示一个包含名为value
且类型为string
的单个字段的消息表单,而是简化了显示,省略了"装箱"过程。它只显示了一个简单的文本框用于输入字符串值。
一个更有趣的知名消息类型处理示例是google.protobuf.Timestamp
,它会显示一个日期选择器:
第二个标签页允许你查看在第一个标签页中定义的请求数据的JSON表示。你还可以直接编辑JSON数据 —— 包括粘贴整个JSON消息。
JSON表示使用标准的Protocol Buffers的JSON映射。
<p align="center"> <img alt="网页界面请求JSON" width="600" src="https://yellow-cdn.veclightyear.com/835a84d5/1c42ad1c-5a27-4194-aa7a-7a8ff0bddea6.png"> </p>当处理具有流式请求的RPC时,JSON数据将是一个JSON数组,其中每个元素都是流中的单个消息。
当点击"调用"按钮时,请求数据会发送到服务器,并调用所选的RPC方法。然后,网页表单将导航到第三个标签页以显示服务器的响应。
响应标签页有三个部分:
这三个部分中的每一个都是一个数据表。响应消息是最有趣的,其结构与"请求表单"标签页中的消息结构非常相似。具有嵌套消息的字段将包含一个嵌套表格。
grpcui
工具可以使用各种描述符来源。这些描述符是必需的,以便grpcui
能够理解RPC架构,将输入转换为protobuf二进制格式,并将响应从二进制格式转换为文本。以下部分记录了支持的来源以及使用它们所需的命令行标志。
如果没有其他命令行标志,grpcui
将尝试使用服务器反射。
有关如何设置服务器反射的示例可以在这里找到。
对于不支持反射的服务器,你可以使用.proto
源文件来使用grpcui
。
除了使用-proto
标志指向相关的proto源文件外,你可能还需要提供-import-path
标志来告诉grpcui
可以从哪些文件夹导入依赖项。
就像使用protoc
编译时一样,你不需要为protoc
附带的标准protos的 位置提供导入路径(这些文件包含各种包定义为google.protobuf
的"知名类型")。这些文件被grpcui
"已知",因为它们的描述符快照已内置在grpcui
二进制文件中。
你还可以使用编译后的protoset文件与grpcui
一起使用。Protoset文件包含二进制编码的google.protobuf.FileDescriptorSet
原型。要创建protoset文件,请使用定义服务的*.proto
文件调用protoc
:
protoc --proto_path=. \ --descriptor_set_out=myservice.protoset \ --include_imports \ my/custom/server/service.proto
--descriptor_set_out
参数告诉protoc
生成protoset,而--include_imports
参数对于protoset包含grpcui
处理和理解架构所需的所有内容是必要的。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智 能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
高质量语音生成模型
CSM 是一个开源的语音生成项目,它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言,可生成多种声音,适用于研究和教育场景。通过使用 CSM,用户可以方便地进行语音合成,同时项目还提供了水印功能,确保生成音频的可追溯性和透明度。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号