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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01