在Next.js中结合openapi-typescript和React Query的最佳实践
2025-06-01 03:36:29作者:齐冠琰
背景介绍
在现代前端开发中,Next.js、TypeScript和状态管理库的组合已经成为主流技术栈。openapi-typescript项目提供了一个强大的工具链,能够根据OpenAPI规范自动生成TypeScript类型定义,而openapi-fetch则是基于这些类型定义提供类型安全的API请求客户端。
问题分析
在Next.js应用中使用openapi-fetch与React Query结合时,开发者可能会遇到一个常见错误:"Invariant: headers() expects to have requestAsyncStorage, none available"。这个错误通常发生在以下场景:
- 在客户端组件中直接使用openapi-fetch客户端
- 中间件中调用了仅服务器端可用的API(如Next.js的headers())
- 环境变量未正确配置为客户端可用
解决方案
服务器端执行API请求
最可靠的解决方案是将API请求逻辑完全放在服务器端执行,然后通过React Query在客户端进行状态管理。这种模式有以下几个优势:
- 安全性:敏感逻辑和认证信息保留在服务器端
- 性能:可以利用Next.js的缓存机制
- 稳定性:避免客户端环境差异导致的问题
实现方式如下:
// 服务器端action
"use server";
export async function getConfigProperties() {
const { data, error } = await client.GET("/api/settings/config-properties");
return { data, error };
}
// 客户端组件
"use client";
const { data } = useQuery({
queryKey: ["getConfigProperties"],
queryFn: async () => {
const { data, error } = await getConfigProperties();
if (error) throw new Error(error.message);
return data;
},
});
错误处理策略
在服务器端返回原始错误信息,在客户端进行错误处理和展示,这种分层处理方式有以下好处:
- 服务器端可以保持简洁的错误日志
- 客户端可以根据业务需求定制错误展示
- 符合Next.js推荐的安全实践
架构考量
在选择解决方案时,需要考虑以下架构因素:
- 网络拓扑:直接客户端请求还是通过Next.js代理
- 认证机制:如何安全地传递认证令牌
- 性能影响:额外的网络跳转对用户体验的影响
- 开发体验:如何保持类型安全的同时简化开发流程
最佳实践建议
- 对于需要认证的API请求,优先使用服务器端执行
- 将环境变量前缀设置为NEXT_PUBLIC_以在客户端使用
- 使用TypeScript严格模式确保类型安全
- 考虑使用Next.js的Route Handlers作为API代理层
- 实现统一的错误处理中间件
总结
在Next.js应用中结合openapi-typescript和React Query时,理解服务器端和客户端执行的边界至关重要。通过将API请求逻辑放在服务器端action中,可以避免常见的环境相关问题,同时保持类型安全和良好的开发体验。这种架构模式特别适合需要认证、敏感数据处理或复杂业务逻辑的应用场景。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0769
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
暂无描述
Markdown
827
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287