Create app.py

app.py

@@ -0,0 +1,97 @@
+import gradio as gr
+from fastapi import FastAPI
+from pydantic import BaseModel
+import requests
+import uvicorn
+import os
+
+# ==========================================
+# KONFIGURATION FÜR HUGGING FACE
+# ==========================================
+# Hugging Face Spaces nutzt standardmäßig Port 7860. 
+# Wir lesen den Port dynamisch aus den Umgebungsvariablen (Fallback auf 7860).
+PORT = int(os.environ.get("PORT", 7860))
+
+# ==========================================
+# 1. FASTAPI SETUP (Das Backend)
+# ==========================================
+
+app = FastAPI(
+    title="HF Space: Gradio & FastAPI Template",
+    description="Ein Template für Hugging Face, das Gradio und FastAPI kombiniert."
+)
+
+class InputData(BaseModel):
+    text: str
+
+class OutputData(BaseModel):
+    result: str
+    length: int
+
+@app.post("/api/process", response_model=OutputData)
+def process_text(data: InputData):
+    """
+    Der FastAPI-Endpunkt. Hier läuft deine eigentliche Logik (z.B. KI-Modelle).
+    """
+    processed_text = f"Hallo vom HF-Backend! Du hast gesendet: '{data.text}'"
+    text_length = len(data.text)
+    return OutputData(result=processed_text, length=text_length)
+
+# ==========================================
+# 2. GRADIO FUNKTIONEN (Die API-Aufrufe)
+# ==========================================
+
+def call_fastapi(user_input: str) -> str:
+    """
+    Gradio ruft das eigene FastAPI-Backend über HTTP auf.
+    Da beides im selben Hugging Face Container läuft, nutzen wir localhost (127.0.0.1) 
+    und den dynamisch ermittelten Port.
+    """
+    api_url = f"http://127.0.0.1:{PORT}/api/process"
+    payload = {"text": user_input}
+    
+    try:
+        response = requests.post(api_url, json=payload, timeout=10)
+        response.raise_for_status()
+        data = response.json()
+        return f"Ergebnis: {data['result']}\nZeichenanzahl: {data['length']}"
+        
+    except requests.exceptions.RequestException as e:
+        return f"Fehler beim API-Aufruf auf Port {PORT}: {str(e)}"
+
+# ==========================================
+# 3. GRADIO UI SETUP (Das Frontend)
+# ==========================================
+
+with gr.Blocks(title="Mein HF FastAPI Client", theme=gr.themes.Soft()) as gradio_app:
+    gr.Markdown("# 🚀 Hugging Face: Gradio + FastAPI Template")
+    gr.Markdown("Diese UI sendet Anfragen an das integrierte FastAPI-Backend innerhalb des HF Spaces.")
+    
+    with gr.Row():
+        with gr.Column():
+            input_text = gr.Textbox(label="Deine Eingabe", placeholder="Schreibe hier etwas rein...", lines=3)
+            submit_btn = gr.Button("An FastAPI senden", variant="primary")
+            
+        with gr.Column():
+            output_text = gr.Textbox(label="Antwort von FastAPI", interactive=False, lines=3)
+            
+    submit_btn.click(
+        fn=call_fastapi,
+        inputs=input_text,
+        outputs=output_text
+    )
+
+# ==========================================
+# 4. APP MOUNTING & SERVER START
+# ==========================================
+
+# Wir mounten Gradio in FastAPI. Hugging Face sieht die Variable `app` 
+# und startet sie automatisch richtig.
+app = gr.mount_gradio_app(app, gradio_app, path="/")
+
+if __name__ == "__main__":
+    # Dieser Block wird nur ausgeführt, wenn du das Skript LOKAL auf deinem PC testest.
+    # Auf Hugging Face übernimmt das System den Start.
+    # WICHTIG: host="0.0.0.0" erlaubt externe Zugriffe (nötig für Docker/HF Spaces).
+    print(f"Starte Server lokal... Öffne http://127.0.0.1:{PORT} in deinem Browser.")
+    uvicorn.run(app, host="0.0.0.0", port=PORT)