Skip to main content

A lightweight runtime SDK for executing Python sparkit scripts

Project description

📦 sparkit Runtime SDK

Um runtime leve para execução de scripts Python sparkit com:

  • 🧠 Geração automática de schema
  • 🖥️ CLI profissional (flags, help, validação)
  • 🔄 Compatível com stdin/stdout (modo pipeline)
  • ⚡ Execução de funções ou classes
  • Uso de @Input / @Output / @Run decoradores

🚀 Instalação

git clone https://github.com/kelwp/sparkit
cd sparkit

Ou apenas copie a pasta sparkit para a raiz do seu projeto.


⚡ Uso rápido

🔹 Exemplo com classe

from sparkitSDK import sparkit

class SampleMonitor(NodeBase):
    ip: str
    device_id: str | None = None

    outputs_def = {
        'meta': {'type': dict[str, str]},
        'main': {'type': dict[str, int]}
    }

    def run(self):
        self.outputs.set_data("main", {"msg": "OK"})
        sparkit.set_stdout({"teste": 1})
        self.outputs.set_data("meta", {"status": 1})

if __name__ == "__main__":
    sparkit.run(SampleMonitor)

🔹 Executando via CLI

python script.py --ip 192.168.0.1

🔹 Saída

{
  "stdout": {
    "status": "ok",
    "ip": "192.168.0.1"
  },
  "stderr": null
}

🧠 Modos de entrada

1. Flags (CLI moderna)

python script.py --ip 123

2. JSON inline

python script.py --input '{"ip":"123"}'

3. Arquivo JSON

python script.py --input-file data.json

4. stdin (modo pipeline)

echo '{"ip":"123"}' | python script.py

👉 Ideal para integração com automações e orquestradores.


📖 Help automático

python script.py --help

Exemplo:

sparkit Script CLI

Inputs:
  --ip (string, required)

Other options:
  --input '<json>'
  --input-file <file>
  --schema
  --help

Outputs:
  status (string)
  ip (string)

🧬 Schema automático

python script.py --schema

Saída:

{
  "schema": {
    "inputs": [{ "name": "ip", "type": "string", "required": true }],
    "outputs": [
      { "name": "status", "type": "string" },
      { "name": "ip", "type": "string" }
    ]
  }
}

⚙️ Tipos suportados

Tipo Exemplo CLI Resultado
string --name John "John"
number --age 25 25
boolean --active true true
array --tags '[1,2,3]' [1,2,3]
json --data '{"a":1}' { "a":1 }

🧪 Execução com função

from runtime import sparkitRuntime

def handler(ip: str):
    return {"status": "ok", "ip": ip}

if __name__ == "__main__":
    sparkitRuntime().run(handler)

🔁 Estrutura de saída

Todo script retorna:

{
  "stdout": {...},
  "stderr": null
}

Ou em caso de erro:

{
  "stdout": null,
  "stderr": {
    "type": "ValueError",
    "message": "Missing required input: ip",
    "traceback": "..."
  }
}

🧩 Integração com sparkit

Esse runtime foi projetado para funcionar diretamente em pipelines:

  • Recebe JSON via stdin
  • Retorna JSON estruturado
  • Possui schema introspectivo

👉 Ideal para:

  • automações
  • workflows
  • agentes
  • execução remota

🏗️ Arquitetura

  • sparkitRuntime
    • parsing CLI
    • leitura de inputs
    • execução
    • geração de schema
    • tratamento de erro

🔒 Validações

  • Campos obrigatórios (required)
  • Tipagem automática
  • Erros estruturados
  • Argumentos desconhecidos são rejeitados

💡 Filosofia

Esse SDK segue 3 princípios:

  1. Zero boilerplate
  2. CLI primeiro
  3. Compatível com pipelines

🚀 Roadmap

  • Autocomplete (bash/zsh)
  • Logs coloridos
  • Plugins
  • Execução assíncrona
  • Cache de execução

🤝 Contribuição

Pull requests são bem-vindos!


📄 Licença

MIT


Examples

Os exemplos estão em examples/ e demonstram tanto o estilo baseado em classe (com decoradores) quanto o estilo procedural.

  • examples/sample_class_dec.py — Exemplo OO com @Input, @Output, @Run, @MainOut, @Out.
  • examples/sample_class.py — Exemplo OO simples.
  • examples/sample_imp.py — Exemplo procedural com funções.

Instalação das dependências dos exemplos:

pip install -r examples/requirements.txt

O que temos agora (novidades)

  • Geração de schema para funções e classes.
  • Inferência estática de campos retornados por dicionários (mostra fields em stdout e saídas customizadas quando detectado).
  • Suporte total para decoradores @Input aplicado em classes e métodos @Out/@MainOut.
  • CLI: --schema, --help, --input, --input-file.

Versão atual do pacote: 0.1.2.

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

sparkit-0.1.3.tar.gz (14.4 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

sparkit-0.1.3-py3-none-any.whl (12.4 kB view details)

Uploaded Python 3

File details

Details for the file sparkit-0.1.3.tar.gz.

File metadata

  • Download URL: sparkit-0.1.3.tar.gz
  • Upload date:
  • Size: 14.4 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.10.20

File hashes

Hashes for sparkit-0.1.3.tar.gz
Algorithm Hash digest
SHA256 e5b1ce4b0ac9b5ae1e017144c779ae7e23588e7da5bf3a95361325ff18583575
MD5 723e50dcefc0cc5cff274e2dfcd9f3b7
BLAKE2b-256 9bd1ab5b3a3c0436284518e95630fd6460e633eb59c0ce6b45b3e7eadda3e116

See more details on using hashes here.

File details

Details for the file sparkit-0.1.3-py3-none-any.whl.

File metadata

  • Download URL: sparkit-0.1.3-py3-none-any.whl
  • Upload date:
  • Size: 12.4 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.10.20

File hashes

Hashes for sparkit-0.1.3-py3-none-any.whl
Algorithm Hash digest
SHA256 7e2b6f87f40cf783fe6828f79d0719f7e675c51d52dc30269aa17f1977931ebc
MD5 19b85e811846fa720628876ac50a8dc8
BLAKE2b-256 61990ae52306d660b3168b2d77ef0ec61cc89582769afdb25dc18517f47ae49b

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page