Jasny SSO for PHP 技术文档
1. 安装指南
使用 Composer 安装
要安装 Jasny SSO for PHP,请在终端中运行以下命令:
composer require jasny/sso
运行演示
Jasny SSO 提供了一个演示服务器和两个演示代理(一个使用普通重定向,另一个使用 JSONP/AJAX)。为了验证其工作原理,建议设置服务器和多个代理,每个代理位于不同的机器和子域上。不过,您也可以在本地机器上运行服务器和代理进行测试。
在 *nix 系统(Linux/Unix/OSX)上运行以下命令:
php -S localhost:8000 -t demo/server/
export SSO_SERVER=http://localhost:8000/attach.php SSO_BROKER_ID=Alice SSO_BROKER_SECRET=8iwzik1bwd; php -S localhost:8001 -t demo/broker/
export SSO_SERVER=http://localhost:8000/attach.php SSO_BROKER_ID=Greg SSO_BROKER_SECRET=7pypoox2pc; php -S localhost:8002 -t demo/broker/
export SSO_SERVER=http://localhost:8000/attach.php SSO_BROKER_ID=Julius SSO_BROKER_SECRET=ceda63kmhp; php -S localhost:8003 -t demo/ajax-broker/
然后打开多个标签页并访问以下地址:
- http://localhost:8001
- http://localhost:8002
- http://localhost:8003
用户名和密码如下:
| 用户名 | 密码 |
|---|---|
| jackie | jackie123 |
| john | john123 |
注意:登录后,您需要在其他代理上刷新页面以查看效果。
2. 项目使用说明
服务器端
初始化服务器
服务器类 Server 的构造函数接受两个参数:
- 一个回调函数,用于根据代理 ID 查找代理的密钥。
- 一个 PSR-16 兼容的缓存对象,用于存储代理令牌和客户端会话之间的链接。
示例代码:
use Jasny\SSO\Server\Server;
$brokers = [
'foo' => ['secret' => '8OyRi6Ix1x', 'domains' => ['example.com']],
// ...
];
$server = new Server(
fn($id) => $brokers[$id] ?? null, // 每个代理的唯一密钥和允许的域名
new Cache() // 任何 PSR-16 兼容的缓存
);
附加会话
客户端需要通过 HTTP 请求将代理令牌附加到会话 ID。可以通过调用 attach() 方法来处理此请求。
$verificationCode = $server->attach();
如果无法附加(例如校验和不正确),将抛出异常。
处理代理 API 请求
在客户端会话附加到代理令牌后,代理可以代表客户端发送 API 请求。调用 startBrokerSession() 方法将基于承载令牌启动客户端会话。
$server->startBrokerSession();
代理端
初始化代理
创建 Broker 实例时,需要传递服务器 URL、代理 ID 和代理密钥。代理 ID 和密钥必须与服务器上注册的密钥匹配。
use Jasny\SSO\Broker\Broker;
$broker = new Broker(
getenv('SSO_SERVER'),
getenv('SSO_BROKER_ID'),
getenv('SSO_BROKER_SECRET')
);
附加会话
在代理可以代表客户端发送 API 请求之前,客户端需要将代理令牌附加到客户端会话。可以通过 getAttachUrl() 方法生成附加 URL。
if (!$broker->isAttached()) {
$returnUrl = (!empty($_SERVER['HTTPS']) ? 'https://' : 'http://') . $_SERVER['HTTP_HOST'] . $_SERVER['REQUEST_URI'];
$attachUrl = $broker->getAttachUrl(['return_url' => $returnUrl]);
header("Location: $attachUrl", true, 303);
echo "You're redirected to <a href='$attachUrl'>$attachUrl</a>";
exit();
}
验证
在验证过程中,SSO 服务器将返回一个验证码(作为查询参数或在 JSON 响应中)。该代码用于计算校验和。
if (isset($_GET['sso_verify'])) {
$broker->verify($_GET['sso_verify']);
}
API 请求
附加后,代理可以代表客户端发送 API 请求。可以通过 request() 方法或使用 Guzzle 等 HTTP 客户端来实现。
$user = $broker->request('GET', '/user');
3. 项目 API 使用文档
服务器端 API
attach()
处理客户端的附加请求,返回验证码。
startBrokerSession()
启动基于承载令牌的客户端会话。
代理端 API
getAttachUrl()
生成用于附加会话的 URL。
verify()
验证从服务器返回的验证码。
request()
发送 API 请求,使用承载令牌进行身份验证。
4. 项目安装方式
通过 Composer 安装:
composer require jasny/sso
安装后,您可以按照上述使用说明配置和运行服务器和代理。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00