Async-GraphQL 对输入值弃用(InputValueDeprecation)的支持解析
2025-06-24 04:31:32作者:舒璇辛Bertina
在 GraphQL 生态系统中,类型系统的自省(Introspection)功能对于开发者工具和客户端库至关重要。近期 Async-GraphQL 项目在 v7.0.13 版本中增强了对输入值弃用(InputValueDeprecation)特性的支持,这一改进值得深入探讨。
背景与问题
GraphQL 规范允许通过自省查询获取类型系统的完整信息。在标准实现中,字段参数(arguments)和输入字段(input fields)可以像其他 GraphQL 元素一样被标记为弃用(deprecated)。这通过 isDeprecated 和 deprecationReason 字段来体现。
然而在早期版本中,Async-GraphQL 对这部分规范的支持存在以下限制:
- 不支持
__InputValue类型上的弃用相关字段 - 缺少对
includeDeprecated参数的处理 - 导致标准自省查询失败
技术实现细节
在 v7.0.13 版本中,Async-GraphQL 完善了这些功能:
-
输入值弃用字段:现在
__InputValue类型完整支持:isDeprecated: Boolean!deprecationReason: String
-
参数过滤支持:新增对以下字段的
includeDeprecated参数处理:__Field.args__Type.inputFields__Directive.args
-
向后兼容:通过配置选项保持与旧客户端的兼容性
开发者影响
这一改进使得:
- 工具链可以正确识别弃用的输入参数
- 客户端能获取完整的弃用信息
- 符合 GraphQL 规范的标准自省查询现在可以正常工作
对于库开发者而言,这意味着他们基于 Async-GraphQL 构建的工具现在可以:
- 提供更准确的弃用警告
- 实现参数级别的弃用检查
- 保持与其他 GraphQL 实现的互操作性
最佳实践
开发者在使用时应注意:
- 对于新项目,建议启用完整功能
- 迁移现有项目时,检查客户端是否处理新增字段
- 弃用信息应包含有意义的
deprecationReason
这项改进体现了 Async-GraphQL 对 GraphQL 规范完整性的持续追求,为开发者提供了更完善的类型系统支持。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 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。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
930
801
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
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++
114
181
暂无简介
Dart
871
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160