FuelLabs/fuels-ts项目中的SDK与钱包通信优化方案
在FuelLabs/fuels-ts项目中,开发团队发现当前SDK与钱包之间的通信流程存在冗余操作问题。当应用程序向钱包传递交易时,钱包会重复执行SDK已经完成的估算和资金准备等网络请求。这种重复操作不仅降低了系统效率,还增加了不必要的网络开销。
问题背景
当前交易流程中,SDK完成交易估算和资金准备后,将交易传递给钱包时,钱包由于无法获知交易当前状态,会再次执行相同的操作。这导致整个交易流程中存在以下冗余:
- 重复的gas费用估算
- 重复的资金准备检查
- 重复的网络请求
这种设计不仅浪费资源,还可能在某些情况下导致交易状态不一致的问题。
解决方案设计
开发团队提出了一个分阶段实施的优化方案,通过扩展SDK与钱包之间的通信协议,传递更多交易状态信息,使钱包能够智能判断需要执行的操作。
第一阶段:状态标记传递
在第一阶段,重点解决交易状态的传递问题。通过引入状态标记,让钱包了解交易已经完成了哪些处理步骤。
新的JSON RPC接口将包含以下状态标记:
funded:表示交易已完成资金准备immutable:表示交易已签名,不应再修改(如使用无gas支付者的情况)
实现机制上,SDK会在交易处理过程中跟踪交易哈希和状态。当交易被发送到钱包时,会检查当前交易哈希与状态标记是否匹配,确保状态信息的准确性。
第二阶段:链信息共享
第二阶段着重解决链信息的共享问题。SDK会将已经获取的链配置和gas价格信息传递给钱包,避免钱包重复查询。
新增的接口内容包括:
- 共识参数时间戳
- 链配置信息
- 最新gas价格
- 估算gas价格
同时,SDK将支持通过初始化参数传递链信息缓存,使钱包可以直接使用这些信息而无需重新获取。
第三阶段:完整交易摘要
第三阶段将提供完整的交易摘要信息,使钱包能够直接显示交易详情而无需额外查询。
SDK会使用assembleTransactionSummary()方法生成完整的交易摘要,包括:
- 交易费用估算
- 输入输出详情
- 相关收据信息
特别是对于已标记为funded状态的交易,钱包可以直接使用这些摘要信息而无需执行任何额外网络请求。
技术实现细节
在技术实现上,开发团队考虑了多种实际应用场景,包括:
- React Hooks使用场景
- Mira项目中的流动性添加操作
- Griffy项目中的预测机交易处理
- Swaylend项目中的借贷操作
通过对这些实际案例的分析,团队确保优化方案能够覆盖各种使用模式。特别是对于复杂的预测机交易和合约交互场景,新的状态标记机制能够准确传递交易准备状态。
预期收益
实施这一优化方案后,预计将带来以下改进:
- 减少50%以上的冗余网络请求
- 提高交易处理速度
- 降低因重复操作导致的潜在错误
- 改善用户体验,特别是对于复杂交易场景
总结
FuelLabs/fuels-ts项目中的这一优化方案,通过引入状态标记、链信息共享和完整交易摘要三个阶段的改进,有效解决了SDK与钱包之间的通信冗余问题。这一改进不仅提升了系统效率,还为未来更复杂的交易场景提供了良好的扩展基础。
该方案体现了Fuel团队对区块链基础设施性能优化的深入思考,以及对开发者体验的高度重视。随着这些改进的逐步实施,Fuel生态系统将能够为开发者提供更高效、更可靠的开发体验。
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 StartedRust099- 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