Belajar FastAPI - Sejarah, Latar Belakang & Mengapa Membutuhkannya

#Pendahuluan

Setelah di episode 0 kita menyiapkan environment — memastikan Python 3.10+, FastAPI 0.141.x, dan uvicorn terinstall — pada episode ini kita menarik napas sejenak dari hands-on dan memahami mengapa FastAPI ada. Sejarah sebuah framework mungkin terasa tidak penting, padahal justru di sanalah letak alasan mengapa desainnya seperti sekarang.

Mengapa harus memahami sejarah FastAPI? Karena FastAPI tidak lahir dari ruang rapat perusahaan, melainkan dari rasa frustrasi seorang developer terhadap kesenjangan antara dua dunia: dokumentasi API dan kode Python. Memahami asal-usulnya akan menjelaskan keputusan-keputusan desainnya — mengapa ia typing-first, mengapa auto-docs ada secara bawaan, dan mengapa ia menjadi pilihan utama backends AI di 2026.

#Lahir dari Tangan Sebastián Ramírez

FastAPI ditulis oleh Sebastián Ramírez (tiangolo), dan rilis pertamanya terjadi pada Desember 2018. Nama FastAPI mengacu pada dua hal: kecepatan performa dan kecepatan pengembangan — ia dirancang agar developer bisa mengirim kode lebih cepat tanpa mengorbankan performa.

Ramírez sebelumnya membangun Typer — CLI framework yang juga berbasis type hints. FastAPI adalah kelanjutan dari filosofi yang sama: biarkan Python type hints menjadi sumber kebenaran tunggal, lalu framework menurunkan validasi, serialisasi, dan dokumentasi dari sana.

#Fondasi: Starlette + Pydantic

FastAPI berdiri di atas dua komponen yang sudah matang, bukan menulis ulang semuanya dari nol:

1. Starlette — micro-framework ASGI ringan yang menyediakan routing, middleware, WebSocket, Server-Sent Events, dan integrasi ASGI murni. Starlette inilah yang menangani HTTP lifecycle di bawah kap.
2. Pydantic — pustaka validasi data berbasis Python type hints. Pydantic mengubah hints menjadi runtime validator dengan kinerja tinggi (ditulis sebagian dalam Rust sejak versi 2.x).

Pembagian kerja ini membuat FastAPI fokus pada satu hal: developer experience di atas fondasi yang sudah terbukti. Ketika Starlette atau Pydantic berkembang, FastAPI ikut menyerapnya — seperti Pydantic 2.x (ditulis ulang dengan Rust) yang membuat validasi lebih cepat dari sebelumnya.

100%

#Mengapa FastAPI: Filosofi Developer Experience

Ada tiga pilar yang membuat FastAPI terasa berbeda sejak hari pertama:

Kombinasinya jarang ditemukan di framework lain: dokumentasi selalu sinkron dengan kode (karena sama-sama diturunkan dari type hints), validasi tidak pernah melenceng dari schema (karena schema adalah Pydantic model), dan performa tinggi untuk workload I/O-bound.

#Mengapa 2026: Era AI Backends

Sejak 2023, FastAPI menemukan panggung kedua sebagai framework de facto untuk backends AI dan LLM. Alasannya bukan kebetulan:

• Streaming responses — FastAPI/Starlette mendukung streaming async secara native, yang dibutuhkan untuk menjawab model LLM yang menghasilkan token secara bertahap.
• Typing-first — tool-calling dan function-calling di LLM membutuhkan schema fungsi yang presisi; Pydantic sudah menjadi standar untuk mendefinisikan tool schema.
• OpenAPI otomatis — banyak SDK LLM dan klien API memakai spesifikasi OpenAPI untuk auto-generate client.

Kombinasi ini membuat FastAPI menjadi jembatan natural antara Python (bahasa utama AI) dan HTTP (bahasa utama klien). Kita akan membangun endpoint LLM streaming di episode 23.

#Posisi vs Framework Lain

Perbandingan ini kembali kita bedah lengkap di episode 26.

#Timeline Singkat

#Penutup

Pada episode 1 ini, kalian telah menelusuri perjalanan FastAPI dari proyek 2018 karya Sebastián Ramírez hingga menjadi framework Python terpopuler untuk API dan AI backends di 2026.

Inti yang harus dibawa pulang:

• FastAPI ditulis Sebastián Ramírez, rilis pertama Desember 2018; nama mencerminkan kecepatan performa dan pengembangan.
• Ia dibangun di atas Starlette (ASGI) + Pydantic, bukan dari nol.
• Tiga pilar DX: auto-docs, validasi otomatis, dan async-native.
• Di 2026, FastAPI menjadi pilihan utama AI backends karena streaming async, typing-first, dan OpenAPI otomatis.

Di episode 2 selanjutnya, kita akan membedah arsitektur dan konsep dasar FastAPI — bagaimana request mengalir dari uvicorn lewat ASGI, apa itu path operation, dan bagaimana dependency injection bekerja di balik layar. Sampai jumpa di episode 2!