在Next.js应用中使用AWS Amplify v6 REST API的服务器组件配置指南
AWS Amplify是一个流行的开发平台,可以帮助开发者快速构建和部署云应用。本文将详细介绍如何在Next.js应用中使用AWS Amplify v6的REST API功能,特别是在服务器组件(Server Components)中的正确配置方法。
问题背景
在Next.js的应用路由(App Router)架构中,开发者可能会遇到在服务器组件中调用REST API时出现"API name is invalid"的错误。这个错误通常发生在尝试在服务器组件中使用客户端配置的Amplify REST API时。
解决方案
1. 客户端配置
对于客户端组件,我们可以使用标准的Amplify配置方式:
import { Amplify, ResourcesConfig } from "aws-amplify";
export const amplifyResourceConfig: ResourcesConfig = {
Auth: {
Cognito: {
userPoolId: process.env.NEXT_PUBLIC_USER_POOL_ID,
userPoolClientId: process.env.NEXT_PUBLIC_USER_POOL_CLIENT_ID,
},
},
API: {
REST: {
PlatformCoreOldRestApi: {
endpoint: process.env.NEXT_PUBLIC_PLATFORM_CORE_OLD_REST_API_URL,
},
PlatformCoreNewRestApi: {
endpoint: process.env.NEXT_PUBLIC_PLATFORM_CORE_NEW_REST_API_URL,
},
},
},
};
Amplify.configure(amplifyResourceConfig, {
ssr: true,
API: {
REST: {
headers: async () => ({
Authorization: `Bearer ${await getCognitoAuthIDToken()}`,
}),
},
},
});
2. 服务器端配置
对于服务器组件,我们需要使用不同的方法:
import { createServerRunner } from "@aws-amplify/adapter-nextjs";
import { ResourcesConfig } from "aws-amplify";
export const amplifyResourceConfig: ResourcesConfig = {
// 同上文客户端配置
};
export const { runWithAmplifyServerContext } = createServerRunner({
config: amplifyResourceConfig,
});
3. 服务器组件中的API调用
在服务器组件中调用REST API的正确方式:
import { fetchAuthSession } from "aws-amplify/auth/server";
import { get } from "aws-amplify/api/server";
const users = await runWithAmplifyServerContext({
nextServerContext: { cookies },
operation: async (contextSpec) => {
const session = await fetchAuthSession(contextSpec);
const token = session.tokens?.idToken?.toString();
const result = await get(contextSpec, {
apiName: "PlatformCoreOldRestApi",
path: `/platform/people/search?email=${query}`,
options: {
headers: {
Authorization: `Bearer ${token}`,
},
},
}).response.then(async (res) => await res.body.json());
return result;
},
});
关键点解析
-
上下文隔离:服务器端每个请求都需要独立的上下文,这是通过
runWithAmplifyServerContext实现的。 -
认证流程:在服务器组件中,需要显式获取认证令牌并附加到请求头中,而不能依赖客户端的自动附加机制。
-
API模块选择:必须使用
aws-amplify/api/server中的API方法,而不是常规的客户端API方法。 -
配置共享:虽然客户端和服务器端使用不同的配置方式,但基础配置(如API端点)可以共享。
最佳实践建议
-
将Amplify配置提取到单独的文件中,便于客户端和服务器端共享。
-
为REST API调用创建封装函数,处理错误和统一响应格式。
-
考虑使用TypeScript接口明确定义API响应类型。
-
在开发环境中添加详细的日志记录,帮助调试认证和API调用问题。
通过遵循上述模式,开发者可以在Next.js应用中充分利用AWS Amplify v6的REST API功能,同时在客户端和服务器端组件中都能正常工作。这种方法既保持了代码的整洁性,又确保了安全性和性能。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00