Grafbase项目发布0.25.0版本:增强可信文档的渐进式采用能力
Grafbase是一个现代化的GraphQL网关解决方案,它帮助开发者构建、部署和管理GraphQL API。作为GraphQL生态中的重要工具,Grafbase提供了强大的功能来优化API性能、安全性和可维护性。
可信文档功能的渐进式采用策略
在最新发布的0.25.0版本中,Grafbase对可信文档(Trusted Documents)功能进行了重要改进,使其支持更加灵活的渐进式采用策略。可信文档是GraphQL API安全性的重要组成部分,它通过预先注册和验证查询来防止恶意查询和查询注入攻击。
配置选项的扩展
新版本引入了更细粒度的配置选项,允许团队根据实际需求逐步实施可信文档策略。在grafbase.toml配置文件中,现在可以设置以下参数:
[trusted_documents]
enabled = true
enforced = true
bypass_header_name = "my-header-name"
bypass_header_value = "my-secret-is-{{ env.SECRET_HEADER_VALUE }}"
document_id_unknown_log_level = "error"
document_id_and_query_mismatch_log_level = "off"
inline_document_unknown_log_level = "warn"
渐进式采用的三阶段
-
监控阶段:仅设置
enabled = true时,网关会获取并缓存可信文档,但不强制执行。这允许团队收集数据并了解当前查询使用情况。 -
过渡阶段:通过配置不同的日志级别,团队可以监控潜在问题。例如,设置
document_id_unknown_log_level = "warn"可以在控制台看到哪些文档ID未被识别,而不会中断服务。 -
强制执行阶段:当
enforced = true时,网关将完全实施可信文档策略。新版本还放宽了对仅包含内联文档请求的限制,为迁移提供了更大的灵活性。
日志级别的精细控制
新版本引入了三种专门的日志级别设置,帮助团队更好地监控和调试可信文档的使用情况:
-
未知文档ID日志:记录请求中包含文档ID但找不到对应可信文档的情况。
-
文档ID与查询不匹配日志:记录同时发送查询文档和文档ID时,获取的可信文档与内联查询不匹配的情况。
-
内联文档未知日志:记录发送内联文档但找不到匹配可信文档的情况。
每种日志都可以独立配置为off、error、warn、info或debug级别,默认均为info级别。
其他改进
除了可信文档功能的增强外,0.25.0版本还修复了@skip和@include指令在反序列化子图响应时可能不被正确处理的问题,进一步提高了GraphQL查询的准确性和可靠性。
总结
Grafbase 0.25.0版本通过引入可信文档的渐进式采用策略,为团队提供了更平滑的迁移路径。这种分阶段的方法降低了采用门槛,使组织能够在不中断现有服务的情况下逐步提高API安全性。同时,精细的日志控制为监控和调试提供了强大工具,确保在完全强制执行前发现并解决潜在问题。
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 StartedRust085- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00