AWS Amplify JS 在 Next.js 中的服务端 Cookie 行为解析
核心问题概述
AWS Amplify JS 的 Next.js 适配器(@aws-amplify/adapter-nextjs)在处理认证会话时,服务端设置的 Cookie 会采用默认属性值。这一行为在实际应用中可能导致客户端配置的 CookieStorage 与服务端设置的 Cookie 属性不匹配,进而引发认证流程中的异常情况。
技术背景
在 Next.js 应用中,当使用 AWS Amplify 进行认证时,通常会涉及两种环境下的 Cookie 操作:
- 客户端环境:通过 cognitoUserPoolsTokenProvider.setKeyValueStorage 配置自定义 Cookie 属性
- 服务端环境:在执行 fetchAuthSession 等操作时自动设置 Cookie
问题现象
当服务端触发 token 刷新时,会设置带有默认属性的 Cookie。如果客户端配置了特定的 Cookie 属性(如 domain、secure、path 等),这些服务端设置的 Cookie 可能无法被客户端正确管理。具体表现为:
- 登出操作时无法清除服务端设置的 Cookie
- 残留的过期 Cookie 导致重复触发 tokenRefresh_failure 事件
- 用户可能因此陷入无法登录的状态
解决方案演进
AWS Amplify 团队对此问题进行了两阶段的改进:
第一阶段:文档说明
最初版本中,文档仅提到服务端 fetchAuthSession 可能将认证令牌返回给客户端,但未明确说明服务端 Cookie 属性不可定制的问题。
第二阶段:功能增强
在 aws-amplify@6.13.1 和 @aws-amplify/adapter-nextjs@1.5.1 版本中,引入了服务端 Cookie 属性自定义功能。开发者现在可以通过 createServerRunner 工厂函数的 runtimeOptions 参数来配置服务端的 Cookie 属性。
最佳实践示例
以下是如何在 Next.js 应用中统一客户端和服务端 Cookie 配置的示例:
// 客户端配置
'use client';
import { Amplify } from 'aws-amplify';
import { cognitoUserPoolsTokenProvider } from 'aws-amplify/auth/cognito';
import { CookieStorage } from 'aws-amplify/utils';
Amplify.configure(amplifyConfig, { ssr: true });
cognitoUserPoolsTokenProvider.setKeyValueStorage(
new CookieStorage({
domain: "example.com",
secure: true,
path: '/',
sameSite: 'lax',
expires: 30,
}),
);
// 服务端配置
import { createServerRunner } from '@aws-amplify/adapter-nextjs';
export const { runWithAmplifyServerContext } = createServerRunner({
config: outputs,
runtimeOptions: {
cookies: {
domain: "example.com",
maxAge: 2592000, // 30天
sameSite: "lax",
},
},
});
注意事项
- secure 属性目前不能直接通过配置控制
- 服务端和客户端的 Cookie 配置应保持一致
- 在升级版本时,需要同时更新客户端和服务端的配置
总结
AWS Amplify JS 对 Next.js 的支持不断完善,服务端 Cookie 行为的明确和可配置性增强,使得开发者能够更好地控制认证流程。理解这一机制对于构建稳定可靠的认证系统至关重要,特别是在需要服务端渲染和客户端交互协同工作的场景下。
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 StartedRust098- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
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